一种基于深度学习深度相机的四轮轨道机器人道钉识别定位方法技术

本发明专利技术提供一种基于深度学习深度相机的道钉识别定位方法，通过深度相机捕捉道钉及铁轨周围环境并输入到计算机，计算机从相机捕捉的内容进行识别分析。以速度V0驱动四轮轨道机器人到达X0点，使道钉进入深度相机拍摄区域，对道钉进行识别与初步定位，根据初步定位信息，以稍慢的速度V1驱动四轮轨道机器人使其抵达作业点附近的X1点，再次对道钉进行识别并精准定位，依据精准定位信息，以更慢的速度V驱动四轮轨道机器人到达作业点X，然后开始作业。通过初步定位与精确定位的两步定位法结合四轮轨道机器人速度控制的方式，为四轮轨道机器人提供准确的道钉的位置信息，提高四轮轨道机器人的作业精度。人的作业精度。

【技术实现步骤摘要】
一种基于深度学习深度相机的四轮轨道机器人道钉识别定位方法


[0001]本专利技术涉及一种道钉识别定位方法。

技术介绍

[0002]现如今，我国铁路发展已然位居世界前列，带给我们许多便利的同时也存在着许多隐患。就铁轨而言，由于列车频繁运作，给铁轨带来巨大负载，使得铁路道钉发生变形、损坏和脱落等现象，造成极大的安全隐患。因此，铁轨日常维护工作尤为重要。以往传统方式通过工人逐一巡检，这种方式不仅消耗巨大的社会资源，而且巡检工人的人生安全也存在巨大隐患。随着人工智能和机器视觉技术的发展，应用范围愈发广泛，针对铁轨道钉检测识别和定位方法的研究尤为重要。

技术实现思路

[0003]四轮轨道机器人在铁轨上作业时，需要对道钉进行精确识别与定位以确定作业点，为了向四轮轨道机器人提供更为准确的道钉位置信息，提高轨道机器人的工作效率，降低维护成本，本专利技术提出一种基于深度学习深度相机的四轮轨道机器人道钉识别定位方法。
[0004]为解决上述提出的问题，本专利技术通过以下技术方案予以实现：一种基于深度学习深度相机的四轮轨道机器人道钉识别定位方法，包括以下步骤：步骤一：四轮轨道机器人在铁轨上进行移动作业，以速度V0由初始点O向作业点X移动。
[0005]步骤二：通过深度相机捕捉铁轨周围环境并输入到计算机，然后计算机根据深度学习算法从相机所捕捉的内容进行道钉识别。
[0006]步骤三：当四轮轨道机器人抵达X0点时，道钉出现在深度相机视野中，开始利用深度学习算法对道钉进行识别和初步定位，并将所收集的道钉位置信息反馈至计算机，计算机收到初步定位信息后，计算机发出驱动指令，以稍慢的速度V1驱动四轮轨道机器人继续向作业点X移动；X0点位于初始点O与作业点X之间。
[0007]步骤四：四轮轨道机器人移动至X1点时，深度相机对铁轨道钉进行精确识别和定位，并将道钉精确定位信息反馈至计算机，计算机收到精确定位信息后，再次发出驱动指令，以更慢的速度V驱动四轮轨道机器人缓慢移动至作业点X；X1点位于X0点与作业点X之间。
[0008]步骤五：四轮轨道机器人抵达作业点X后，根据深度学习算法，确定道钉位置，并将四轮轨道机器人速度降为0，然后开始作业。
[0009]步骤六：四轮轨道机器人完成作业后。重复步骤一至步骤五，进行下一组道钉作业。
[0010]其中，V0＞V1＞V＞0。
[0011]步骤三和步骤四中，四轮轨道机器人向前运动，深度相机开始捕捉铁轨周围环境
并识别检测铁轨道钉，当相机初次捕捉到道钉后，对其进行识别检测和定位。然后将数据反馈到计算机，计算机发出驱动指令，驱动四轮轨道机器人向作业点X移动，在此过程中四轮轨道机器人速度由V
0 减速到V1，再由V1减速到V，最后速度减速为0，结合道钉初步识别与精确识别，提高道钉的识别精度。
[0012]步骤三中利用深度学习算法对目标识别检测，同时利用深度相机拍摄的深度图像确定相机与物体之间的距离。
[0013]本专利技术所提供的基于深度学习深度相机的四轮轨道机器人道钉识别定位方法，与现有技术相比具备以下有益效果：本专利技术采用深度学习算法对道钉进行识别检测，采用深度相机道钉进行定位，通过初步定位与精确定位的两步定位法结合四轮轨道机器人速度控制的方式，为四轮轨道机器人提供准确的道钉的位置信息，提高四轮轨道机器人的作业精度。
附图说明
[0014]图1为本专利技术的深度相机目标识别定位工作示意图。
[0015]图1中，深度相机加装在四轮轨道机器人上，轨道机器人以速度V0由初始点向作业点X移动，四轮轨道机器人抵达点X0时，速度降为V1。继续移动，抵达点X1时，速度下降至V。四轮轨道机器人移动到作业点X时，速度降为0，开始作业。
实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。基于本专利技术中的实施例，本领域普通技术人员在没有开展创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]对于相关领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
[0018]本专利技术实施例提供一种基于深度学习深度相机的四轮轨道机器人道钉识别定位方法，包括以下步骤：步骤一：四轮轨道机器人在铁轨上进行移动作业，以速度V0由初始点O向作业点X移动；步骤二：通过深度相机捕捉铁轨周围环境并输入到计算机，然后计算机根据深度学习算法从相机所捕捉的内容进行道钉识别；步骤三：当四轮轨道机器人抵达X0点时，道钉出现在深度相机视野中，开始利用深度学习算法对道钉进行识别和初步定位，并将所收集的道钉位置信息反馈至计算机，计算机收到初步定位信息后，计算机发出驱动指令，以稍慢的速度V1驱动四轮轨道机器人继续向作业点X移动；步骤四：四轮轨道机器人移动至X1时，深度相机对铁轨道钉进行精确识别和定位，并将道钉精确定位信息反馈至计算机，计算机收到精确定位信息后，再次发出驱动指令，以更慢的速度V驱动四轮轨道机器人缓慢移动至作业点X。
[0019]步骤五：四轮轨道机器人抵达作业点X后，根据深度学习算法，确定道钉位置，并将四轮轨道机器人速度降为0，然后开始作业。
[0020]步骤六：四轮轨道机器人完成作业后。重复步骤一至步骤五，进行下一组道钉作业。
[0021]本方法步骤三和步骤四中，四轮轨道机器人向前运动，深度相机开始捕捉铁轨周围环境并识别检测铁轨道钉，当相机初次捕捉到道钉后，对其进行识别检测和定位。然后将数据反馈到计算机，计算机发出驱动指令，驱动四轮轨道机器人向作业点X移动，在此过程中四轮轨道机器人速度由V
0 减速到V1，再由V1减速到V，最后速度减速为0，结合道钉初步识别与精确识别，提高道钉的识别精度。本方法根据深度学习算法为四轮轨道机器人提供了道钉精准位置信息，提高机器人作业效率，节省成本。
[0022]本方法步骤三中利用深度学习算法对目标识别检测，同时利用深度相机拍摄的深度图像确定相机与物体之间的距离。
[0023]本方法中将深度相机获取的目标距离信息反馈至计算机，计算机发出对应指令，使得四轮轨道机器人向作业点X移动，直至四轮轨道机器人抵达作业点X完成作业。
[0024]本方法步骤三和步骤五中，四轮轨道机器人抵达点X0和点X1后，计算机分别获取到道钉初步定位信息和精确定位信息后，计算机发出的驱动指令改变四轮轨道机器人运动速度。
[0025]为使描述简洁，未对上述实施例中具体的人工智能算法进行描述。目前目标检测算法主要有Yolo、SSD、RCNN、Fast R
‑
CNN和Faster R
‑
CNN等。本方法主要基于Yolo算法，该方法思想是将整个图像作为输入，直接在输出层回归本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习深度相机的四轮轨道机器人道钉识别定位方法，其特征在于，包括以下步骤：步骤一：四轮轨道机器人在铁轨上进行移动作业，以速度V0由初始点O向作业点X移动；步骤二：通过深度相机捕捉铁轨周围环境并输入到计算机，计算机根据深度学习算法从相机所捕捉的内容进行道钉识别；步骤三：当四轮轨道机器人抵达X0点时，道钉出现在深度相机视野中，开始利用深度学习算法对道钉进行识别和初步定位，并将所收集的道钉位置信息反馈至计算机，计算机收到初步定位信息后，计算机发出驱动指令，以稍慢的速度V1驱动四轮轨道机器人继续向作业点X移动；X0点位于初始点O与作业点X之间；步骤四：四轮轨道机器人移动至X1点时，深度相机对铁轨道钉进行精确识别和定位，并将道钉精确定位信息反馈至计算机，计算机收到精确定位信息后，再次发出驱动指令，以更慢的速度V驱动四轮轨道机器人缓慢移动至作业点X；X1点位于X0点与作业点X之间；步骤五：四轮轨道机器人抵达作业点X后，根据深度学习算法确定道钉位置，并将四轮轨...

【专利技术属性】
技术研发人员：蔡一杰，陈斌，刘学海，古兴华，秦康，徐丽娟，金乾坤，陈胜，
申请(专利权)人：金鹰重型工程机械股份有限公司，
类型：发明
国别省市：