System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 用于智轨列车的横向定位系统技术方案_技高网

用于智轨列车的横向定位系统技术方案

技术编号:41312761 阅读:2 留言:0更新日期:2024-05-13 14:55
本发明专利技术公开了一种用于智轨列车的横向定位系统,包括深度学习检测模块、横向高精度定位模块、融合定位模块;相机拍摄的图像作为输入图像,通过深度学习输出完整独立的循迹线参考轨迹,经横向高精度定位模块处理之后得到像素级的高精度循迹线,然后与车身提供的速度信息进行融合定位。横向高精度定位模块,在传统图像处理基础上,结合双峰分布数据处理与上升/下降沿算子,实现像素级高精度定位。本发明专利技术基于深度学习和图像处理的输出结果融合车身信息进行高精度横向定位,在低成本的优势下能够实现像素级的检测精度;且具有较高鲁棒性,可以适应于密集楼宇等城市环境、桥隧等不同环境、光照条件,以及轨迹线不清晰、交叉、合入等场景。

【技术实现步骤摘要】

本专利技术涉及横向定位技术,尤其涉及一种用于智轨列车的横向定位系统


技术介绍

1、横向定位是智轨列车实现智能驾驶的重要技术,与传统的轨道交通运输车辆相比,没有保证车辆能够稳定运行的固定钢轨设施,其参考地面上的双虚线循迹行驶。目前横向定位面临高精度、高鲁棒性两大技术难点,其中,高精度为厘米级别的定位精度;高鲁棒性是指能够在车辆颠簸、路面循迹线不清晰、光照条件恶劣等情况下保证车辆横向定位稳定。

2、组合导航是常见的定位设备,其通过rtk和内部高精度惯导单元能够实现厘米级定位精度,但其在密集楼宇等城市环境、桥隧场景中,定位精度显著减低。基于激光雷达的建图定位技术,需要维护环境地图,操作复杂,且成本较高。


技术实现思路

1、为解决现有技术中存在的不足,本专利技术的目的在于,提供一种用于智轨列车的横向定位系统。

2、为实现本专利技术的目的,本专利技术所采用的技术方案是:

3、一种用于智轨列车的横向定位系统,包括深度学习检测模块、横向高精度定位模块、融合定位模块;

4、相机拍摄的图像作为深度学习检测模块的输入图像,通过深度学习输出完整独立的循迹线参考轨迹,作为横向高精度定位模块的输入;

5、经横向高精度定位模块处理之后得到像素级的高精度循迹线,然后通过融合定位模块与车身提供的速度信息进行融合定位。

6、进一步地,深度学习检测模块包含cnn特征提取模块、特征融合模块、轨迹线分段拟合模块、标签分配和损失函数设计模块;

7、cnn特征提取模块,在backbone部分,使用轻量级的深度学习网络进行特征提取;在neck部分,使用fpn或pan实现多尺度特征的融合;

8、特征融合模块,结合预设的n组循迹线,在高层语义特征层上进行局部轨迹特征和全局轨迹特征的融合;通过特征注意力模块将局部轨迹特征f i与局部轨迹特征f i,局部轨迹特征f i与全局轨迹特征g进行融合;

9、轨迹线分段拟合模块,将循迹线的拟合分解为上下两个部分分别拟合;

10、标签分配和损失函数设计模块,将曲线拟合的损失加入损失函数loss,上下部分曲线拟合的损失函数loss采用不同的权重系数进行调节。

11、进一步地,特征注意力模块包括两个注意力融合子模块;第一个注意力融合子模块,使用基于transformer结构的注意力机制,从局部特征获得特征query,从全局特征获得特征key和value,并将特征query和key,value进行融合;

12、第二个注意力融合子模块,使用局部特征之间的加权,从相邻区域中获得多变形状下的局部细节特征。

13、进一步地,深度学习检测模块,使用大规模开源车道线数据集进行预训练,在此基础用自采集的轨道数据进行训练。

14、进一步地,横向高精度定位模块包括传统图像处理模块、双峰分布处理模块、像素级高精度处理模块、上升/下降沿算子模块、筛选曲线拟合模块;

15、输入图像经传统图像处理模块预处理得到二值图,双峰分布处理模块,根据图像横坐标位置对二值图中的数据进行分类,将双峰分布的起始位置均值作为循迹线中线点的搜索起点记为center_point;

16、像素级高精度处理模块,通过搜索起点左右搜索循迹线内边缘点分别记为interal_left、interal_right,上升/下降沿算子模块处理当前内边缘点所在行,定位循迹线上升沿下降沿,分别计算上升沿下降沿的中点记为center_left、center_right,判断上升沿下降沿距离是否满足标准线宽要求,若满足,计算 center_left、center_right均值作为下一行搜索起点并保存;若不满足,将当前搜索起点作为下一行搜索起点;

17、逐行遍历结束,通过筛选曲线拟合模块拟合出最终的循迹线。

18、进一步地,上升/下降沿算子模块,对左右循迹线的上升沿下降沿分别进行卷积运算,卷积结果大于等于设定阈值判定为上升/下降沿。

19、进一步地,筛选曲线拟合模块,对center_left、center_right点集分别筛选,剔除点集中偏离过远的异常点,遍历比较当前帧点集与上一帧点集,如果偏差过大则舍弃对应的点,剔除异常点后统计每行center_left、center_right均值作为循迹线点,采用最小二乘法拟合循迹线曲线。

20、进一步地,融合定位模块,根据横向高精度定位模块输出的像素级高精度拟合出最终循迹线,给出的横向偏差距离,以及车身的线速度和角速度信息,构建运动学模型,采用卡尔曼滤波算法,进行定位。

21、本专利技术的有益效果在于,与现有技术相比,本专利技术基于深度学习和图像处理的输出结果融合车身信息进行高精度横向定位,在低成本的优势下能够实现像素级的检测精度;且具有较高鲁棒性,可以适应于密集楼宇等城市环境、桥隧等不同环境、光照条件,以及轨迹线不清晰、交叉、合入等场景。

本文档来自技高网
...

【技术保护点】

1.一种用于智轨列车的横向定位系统,其特征在于,包括深度学习检测模块、横向高精度定位模块、融合定位模块;

2.根据权利要求1所述的用于智轨列车的横向定位系统,其特征在于,深度学习检测模块包含CNN特征提取模块、特征融合模块、轨迹线分段拟合模块、标签分配和损失函数设计模块;

3.根据权利要求2所述的用于智轨列车的横向定位系统,其特征在于,特征注意力模块包括两个注意力融合子模块;第一个注意力融合子模块,使用基于transformer结构的注意力机制,从局部特征获得特征query,从全局特征获得特征key和value,并将特征query和key,value进行融合;

4.根据权利要求2所述的用于智轨列车的横向定位系统,其特征在于,深度学习检测模块,使用大规模开源车道线数据集进行预训练,在此基础用自采集的轨道数据进行训练。

5.根据权利要求1所述的用于智轨列车的横向定位系统,其特征在于,横向高精度定位模块包括传统图像处理模块、双峰分布处理模块、像素级高精度处理模块、上升/下降沿算子模块、筛选曲线拟合模块;

6.根据权利要求5所述的用于智轨列车的横向定位系统,其特征在于,上升/下降沿算子模块,对左右循迹线的上升沿下降沿分别进行卷积运算,卷积结果大于等于设定阈值判定为上升/下降沿。

7.根据权利要求5所述的用于智轨列车的横向定位系统,其特征在于,筛选曲线拟合模块,对center_left、center_right点集分别筛选,剔除点集中偏离过远的异常点,遍历比较当前帧点集与上一帧点集,如果偏差过大则舍弃对应的点,剔除异常点后统计每行center_left、center_right均值作为循迹线点,采用最小二乘法拟合循迹线曲线。

8.根据权利要求1所述的用于智轨列车的横向定位系统,其特征在于,融合定位模块,根据横向高精度定位模块输出的像素级高精度拟合出最终循迹线,给出的横向偏差距离,以及车身的线速度和角速度信息,构建运动学模型,采用卡尔曼滤波算法,进行定位。

...

【技术特征摘要】

1.一种用于智轨列车的横向定位系统,其特征在于,包括深度学习检测模块、横向高精度定位模块、融合定位模块;

2.根据权利要求1所述的用于智轨列车的横向定位系统,其特征在于,深度学习检测模块包含cnn特征提取模块、特征融合模块、轨迹线分段拟合模块、标签分配和损失函数设计模块;

3.根据权利要求2所述的用于智轨列车的横向定位系统,其特征在于,特征注意力模块包括两个注意力融合子模块;第一个注意力融合子模块,使用基于transformer结构的注意力机制,从局部特征获得特征query,从全局特征获得特征key和value,并将特征query和key,value进行融合;

4.根据权利要求2所述的用于智轨列车的横向定位系统,其特征在于,深度学习检测模块,使用大规模开源车道线数据集进行预训练,在此基础用自采集的轨道数据进行训练。

5.根据权利要求1所述的用于智轨列车的横向定位系统,其特征在于,横向高精度定位模块包括传统图像处理模块、...

【专利技术属性】
技术研发人员:李赵韩晶成全刘心刚
申请(专利权)人:奥特酷智能科技南京有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1