【技术实现步骤摘要】
本专利技术涉及基于计算机的轨道异常检测，具体涉及一种使用多传感器融合的轨道异常检测方法及系统。
技术介绍
1、轨道交通是陆地上最重要的运输方式，保障轨道交通的安全至关重要。轨道是轨道交通必不可少的基础设施，由钢轨、紧固件、枕木等固定构件组成。任何部件的异常都可能导致严重的事故，因此对轨道进行异常检测势在必行。人工智能已广泛应用于轨道交通基础设施异常检测。基于视觉传感器的监督算法可以检测轨道上固定构件的已知异常。然而，在真实的轨道交通中，未知异常经常侵入轨道，导致监督算法的结果出现大量的误报和漏报。未知异常的存在给轨道交通运营带来了重大的安全隐患。与已知异常相比，未知异常类别多样，侵入轨道的形式也不同。此外，轨道交通是一个开放区域，未知异常可能随时随地出现，因此不可能提前预测所有异常的类别。这种不确定性限制了监督算法和视觉传感器在异常检测中的适用性。此外，轨道异常检测是一个动态场景，异常检测算法需要很强的鲁棒性。因此，迫切需要建立一个准确可靠的铁路轨道异常检测系统。
2、目前的轨道异常检测可以分为基于图像、基于结构光和基于多传感器融合的方法。摄像机采集的视觉图像具有良好的特征，通过深度学习或传统图像处理能够识别各种已知的轨道异常。但视觉图像缺乏空间信息，在检测未知异常时表现不好。三维结构光成像能够建立轨道的空间信息，尤其是深度信息，在检测未知异常时具有很大的优势。但由于点云固有的稀疏性和无序性，在检测已知异常方面的性能不如视觉数据。受不同传感器的数据类型和检测场景限制，多传感器融合常用于简单的钢轨表面磨损及缺陷检测。轨
技术实现思路
1、本专利技术的目的在于提供一种使用多传感器融合的轨道异常检测方法及系统，以解决上述
技术介绍
中存在的至少一项技术问题。
2、为了实现上述目的，本专利技术采取了如下技术方案：
3、一方面，本专利技术提供一种使用多传感器融合的轨道异常检测方法，包括：
4、扫描轨道场景，获取待检测的视觉图像和结构光深度图像；
5、使用实例分割算法，对轨道上的异常进行预检测，得到已知异常和部分未知异常检测结果的边界框和掩膜；
6、使用半监督的异常检测算法，对异常进行再检测，得到未知异常检测结果的掩膜；
7、基于掩膜，将两次检测的结果在决策级上进行匹配融合，并进行非极大值抑制后处理，得到最终结果。
8、进一步的，扫描轨道场景，获取待检测的视觉图像和结构光深度图像，包括：
9、利用结构光激光传感器扫描轨道，结构光激光传感器发射端俯视轨道，与轨道平行，在扫描轨道时得到一一对应的视觉图像和结构光深度图像。
10、进一步的，使用实例分割算法，对轨道上的异常进行预检测，得到检测结果的边界框和掩膜，包括：
11、构建视觉图像训练集；
12、训练实例分割算法；
13、使用训练好的实例分割算法对待检测的视觉图像进行检测，得到检测结果的边界框和掩膜。
14、进一步的，使用半监督的异常检测算法，对异常进行再检测，尤其关注未知的异常，得到已知异常和部分未知异常检测结果的边界框和掩膜，包括：
15、构建结构光深度图像训练集；
16、引入预检测的结果作为半监督信息设计半监督的异常检测算法；
17、训练半监督的异常检测算法；
18、使用训练好的半监督的异常检测算法对待检测的结构光深度图像进行检测，得到未知异常检测结果的掩膜。
19、进一步的，基于掩膜，将两次检测的结果在决策级上进行匹配融合，并进行非极大值抑制后处理，得到最终结果，包括：
20、取两次检测结果得到的掩膜信息的并集实现像素级别的融合；
21、过滤噪声，并使用轮廓检测算法得到融合后异常的边界框和掩膜；
22、将融合后异常的信息和预检测异常的信息进行非极大值抑制后处理，得到最终的异常边界框和掩膜。
23、进一步的，所述半监督的异常检测算法，还包括：
24、用无未知异常的结构光深度图像作为训练集训练图像重建算法，得到训练完毕的模型
25、将待检测的结构光深度图像输入图像重建模型，重建后得到无异常状态下的结构光图像；
26、对输入的原始结构光图像和重建结构光图像进行灰度化；
27、对原始结构光图像和重建结构光图像进行绝对值差分，得到差分后的结果；
28、使用高斯滤波处理差分后的结果；
29、使用三角二值化方法二值化差分结果；
30、引入预检测结果中的已知异常的位置信息作为半监督信息消除差分后的噪声；
31、再次过滤噪声；
32、使用轮廓检测法检测差分图像内是否存在未知异常，若存在，得到未知异常的掩膜信息。
33、第二方面，本专利技术提供一种使用多传感器融合的轨道异常检测系统，包括：
34、获取模块，用于扫描轨道场景，获取待检测的视觉图像和结构光深度图像；
35、分割模块，用于使用实例分割算法，对轨道上的异常进行预检测，得到已知异常和部分未知异常检测结果的边界框和掩膜；
36、检测模块，用于使用半监督的异常检测算法，对异常进行再检测，得到未知异常检测结果的掩膜；
37、匹配模块，用于基于掩膜，将两次检测的结果在决策级上进行匹配融合，并进行非极大值抑制后处理，得到最终结果。
38、第三方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如上所述的使用多传感器融合的轨道异常检测方法。
39、第四方面，本专利技术提供一种计算机设备，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如上所述的使用多传感器融合的轨道异常检测方法。
40、第五方面，本专利技术提供一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如上所述的使用多传感器融合的轨道异常检测方法的指令。
41、本专利技术有益效果：通过结合视觉图像和结构光图像数据的优点互相取长补短，使用视觉图像检测已知和部分未知异常，使用结构光图像针对所有未知异常进行深入检测，实现了高精确率和高召回率的异常检测。解决了轨道受未知异常侵入导致的异常检测算法的漏报率和误报率较大的问题。
42、本专利技术附加方面的优点，将在下述的本文档来自技高网...
【技术保护点】
1.一种使用多传感器融合的轨道异常检测方法，其特征在于，包括：
2.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，扫描轨道场景，获取待检测的视觉图像和结构光深度图像，包括：
3.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，使用实例分割算法，对轨道上的异常进行预检测，得到已知异常和部分未知异常检测结果的边界框和掩膜，包括：
4.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，使用半监督的异常检测算法，对异常进行再检测，尤其关注未知的异常，得到未知异常检测结果的边界框和掩膜，包括：
5.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，基于掩膜，将两次检测的结果在决策级上进行匹配融合，并进行非极大值抑制后处理，得到最终结果，包括：
6.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，所述半监督的异常检测算法，还包括：
7.一种使用多传感器融合的轨道异常检测系统，其特征在于，包括：
8.一种非暂态计算
9.一种计算机设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器相互通信，所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令执行如权利要求1-6任一项所述的使用多传感器融合的轨道异常检测方法。
10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-6任一项所述的使用多传感器融合的轨道异常检测方法的指令。
...【技术特征摘要】
1.一种使用多传感器融合的轨道异常检测方法，其特征在于，包括：
2.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，扫描轨道场景，获取待检测的视觉图像和结构光深度图像，包括：
3.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，使用实例分割算法，对轨道上的异常进行预检测，得到已知异常和部分未知异常检测结果的边界框和掩膜，包括：
4.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，使用半监督的异常检测算法，对异常进行再检测，尤其关注未知的异常，得到未知异常检测结果的边界框和掩膜，包括：
5.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征在于，基于掩膜，将两次检测的结果在决策级上进行匹配融合，并进行非极大值抑制后处理，得到最终结果，包括：
6.根据权利要求1所述的使用多传感器融合的轨道异常检测方法，其特征...
【专利技术属性】
技术研发人员：秦勇，戈轩宇，曹志威，高阳，连丽容，白婕，于杭，李威，寇淋淋，柳青红，张启福，王玉强，秦杰，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。