一种列车状态监测方法、系统、存储介质及终端技术方案

本发明专利技术公开了一种列车状态监测方法、系统、存储介质及终端，包括：实时采集列车行进场景内的几何形态信息，其中包括采用多个固定视角的激光雷达实时采集列车行进视场内的三维点云数据；检测出包含列车的图像帧，并提取列车特定视角的三维点云数据；对连续帧多视角的列车三维点云数据进行配准融合，恢复出高分辨率的列车点云数据；根据恢复的高精度列车点云数据计算列车几何信息，并根据计算结果判断列车装载状态。本发明专利技术通过空间成像算法对货运列车的装载状态进行实时监测，能够捕获精细化的货运列车局部特征，为工作人员货运监测工作提供技术支持。供技术支持。供技术支持。

【技术实现步骤摘要】
一种列车状态监测方法、系统、存储介质及终端


[0001]本专利技术涉及货运监测领域，尤其涉及一种列车状态监测方法、系统、存储介质及终端。

技术介绍

[0002]我国作为以铁路运输为主的国家，为了保障铁路运输安全，铁路系统应用了大量的视频监控系统，比如综合视频、火车装载状态监测等。一方面，铁路运输物资的重要性，另一方面，铁路系统应用了综合视频、火车装载状态监测等视频监控系统，现有的视频监控设备均采用传统相机，依赖人工监视、检索发现异常情况，列车状态无法快速有效的检测，及时产生经济效益。基于以上两方面因素，铁路安全运输对货运列车装载监测的要求越来越高。
[0003]目前，铁路运输作为我国骨干运输业，一定程度上保障社会的必要生产生活和经济发展，铁路运输安全是现代化经济建设的必要保证。然而，运输物资大多具有大宗且笨重的体积特性，以及运输过程中可能受运行线路、车辆状况和货物装载加固方案等因素的影响，使得货运列车在运行过程中充满不确定性，任何的异常状态都可能危及铁路行车安全，严重甚至造成重大事故。其次，铁路局货运列车涉及区域广、列车类型多，导致针对其货运列车的管理难度较大。此外，为了解决传统检测货运列车状态手段单一、检测方法复杂的问题，提高检测时效性和效率，采用“3D场景重建”模式，将更为有效管理列车货运系统，通过统一管理、统一检测，有望显著提升铁路货物运输效益。同时，降低了人工成本，很大程度解除了工作人员无法及时获取货运列车状态信息，工作人员任务繁重等多种因素的制约。
[0004]近年来，随着人工智能的快速发展，基于图像精确识别的铁路运输监控方法成为可能，极大地提高了安全运营的效率。然而，当前检测方法大都基于二维图像信息，其精确度受限于场景几何信息的丢失，且无法满足实时计算的要求。

技术实现思路

[0005]本专利技术的目的在于克服现有列车监测存在的不足，提供了一种列车状态监测方法、系统、存储介质及终端。探究空间成像算法解决货运列车装载监测任务，将激光雷达应用于铁路运输监控，综合运用三维计算机视觉的相关理论和方法，解决货运列车检测、列车装载状态检测、异常状态检测等任务。同时，研究三维视觉监控算法在嵌入式平台上的移植，研发一套面向铁路运输监控的三维视觉平台系统，采用成熟的目标检测算法与空间成像算法，能够快速准确识别货运列车以及监测装载状态，有效保障货运列车的安全性。
[0006]本专利技术的目的是通过以下技术方案来实现的：
[0007]在第一方面，主要提供一种列车状态监测方法，所述方法包括以下步骤：
[0008]S1、实时采集列车行进场景内的几何形态信息，其中包括采用多个固定视角的激光雷达实时采集列车行进视场内的三维点云数据；
[0009]S2、检测出包含列车的图像帧，并提取列车特定视角的三维点云数据；
[0010]S3、对连续帧多视角的列车三维点云数据进行配准融合，恢复出高分辨率的列车点云数据；
[0011]S4、根据恢复的高精度列车点云数据计算列车几何信息，并根据计算结果判断列车装载状态。
[0012]作为一优选项，一种列车状态监测方法，所述实时采集列车行进视场内的几何形态信息，还包括：
[0013]采用深度摄像头采集列车行进场景的深度视频流。
[0014]作为一优选项，一种列车状态监测方法，所述检测出包含列车的图像帧，包括：
[0015]将深度视频流中的深度图转换为点云数据。
[0016]作为一优选项，一种列车状态监测方法，所述方法还包括：
[0017]对步骤S2中所述三维点云数据进行预处理，包括异值点剔除、降噪以及平滑处理。
[0018]作为一优选项，一种列车状态监测方法，所述方法还包括：
[0019]根据步骤S2中三维点云数据，构建目标检测模型，通过深度学习方法检测出目标列车。
[0020]作为一优选项，一种列车状态监测方法，构建目标检测模型时，将三维点云数据转换成前景图。
[0021]作为一优选项，一种列车状态监测方法，所述配准融合的方法为迭代最近点配准算法。
[0022]在第二方面，提供一种列车状态监测系统，所述系统包括：
[0023]数据采集模块，配置为实时采集列车行进场景内的几何形态信息，其中包括采用多个固定视角的激光雷达实时采集列车行进视场内的三维点云数据；
[0024]目标检测模块，配置为检测出包含列车的图像帧，并提取列车特定视角的三维点云数据；
[0025]目标三维重建模块，配置为对连续帧多视角的列车三维点云数据进行配准融合，恢复出高分辨率的列车点云数据；
[0026]目标尺寸计算模块，配置为根据恢复的高精度列车点云数据计算列车几何信息，并根据计算结果判断列车装载状态。
[0027]在第三方面，提供一种计算机存储介质，其上存储有计算机指令，所述计算机指令运行时执行任意一项所述一种列车状态监测方法中相关步骤。
[0028]在第四方面，提供一种终端，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机指令，处理器运行计算机指令时执行任意一项所述一种列车状态监测方法中相关步骤。
[0029]需要进一步说明的是，上述各选项对应的技术特征在不冲突的情况下可以相互组合或替换构成新的技术方案。
[0030]与现有技术相比，本专利技术有益效果是：
[0031](1)本专利技术面向铁路货物运输场景，研究空间成像算法在货运监测任务的应用，对于列车行进的动态场景，固定视角的激光雷达实时采集视场内的三维点云数据，检测出包含列车的图像帧，并提取列车特定视角的三维点云数据用于后续的精细化三维重建和货运列车装载状态监测任务；对连续帧的多视角列车三维点云数据进行配准、融合，恢复出高分
辨率的列车点云数据，捕获精细化的货运列车局部特征。通过列车几何信息的计算实现列车装载状态监测、异常状态检测；同时根据问题场景类型定义异常检测任务，从重建的高精度列车三维点云中精确检测出不符合规范的货运列车装载情况。同时，激光雷达采集的点云数据描述场景的几何形态信息，且受环境的影响相对较小，不容易受光照、天气变化的影响，更适用于货运状态监测中货物装载加固状态、车体状况检测等任务。
[0032](2)在一个示例中，借助激光雷达采集场景的几何形态信息，激光雷达捕获场景的几何形态信息，描述的是场景中目标距离传感器的远近，能够直观地描述货运列车的装载状态。
[0033](3)在一个示例中，由于激光雷达采集的货运场景实时数据受场景反射率等的影响可能包含噪声，对捕获的点云数据进行包括异值点剔除、降噪以及平滑等预处理，提高后续算法的精确性。
[0034](4)在一个示例中，本专利技术的三维目标检测采用深度学习方法，采集真实场景数据，采用高效的数据标注工具标记多种型号货运列车的三维数据制作数据集，包括其在不同视角、不同尺度下几何形态的变化，为深度三维目标检测模型训练提供数据。激光雷达采集的点云数据具有稀疏性、无序性等特点，无法直接将二维卷积神经网络应用于三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种列车状态监测方法，其特征在于，所述方法包括以下步骤：S1、实时采集列车行进场景内的几何形态信息，其中包括采用多个固定视角的激光雷达实时采集列车行进视场内的三维点云数据；S2、检测出包含列车的图像帧，并提取列车特定视角的三维点云数据；S3、对连续帧多视角的列车三维点云数据进行配准融合，恢复出高分辨率的列车点云数据；S4、根据恢复的高精度列车点云数据计算列车几何信息，并根据计算结果判断列车装载状态。2.根据权利要求1所述的一种列车状态监测方法,其特征在于，所述实时采集列车行进视场内的几何形态信息，还包括：采用深度摄像头采集列车行进场景的深度视频流。3.根据权利要求2所述的一种列车状态监测方法，其特征在于，所述检测出包含列车的图像帧，包括：将深度视频流中的深度图转换为点云数据。4.根据权利要求1所述的一种列车状态监测方法,其特征在于，所述方法还包括：对步骤S2中所述三维点云数据进行预处理，包括异值点剔除、降噪以及平滑处理。5.根据权利要求1所述的一种列车状态监测方法，其特征在于，所述方法还包括：根据步骤S2中三维点云数据，构建目标检测模型，通过深度学习方法检测出目标列车。6.根据权利要求5所述的一种列车状...

【专利技术属性】
技术研发人员：邓卫东，李用，张晓辉，
申请(专利权)人：成都铁路科创有限责任公司，
类型：发明
国别省市：