【技术实现步骤摘要】
本专利技术涉及障碍物检测，特别是一种多数据融合的列车主动式障碍物检测方法及系统。
技术介绍
1、部分学者提出了一种基于多传感器/装置数据源融合的主动式障碍物检测方法。该方法根据车辆运行在不同路况、地点和自然环境的工况，以及障碍物的特性，通过单目视频摄像装置、激光雷达装置、红外线测试装置、超声波测试装置、gps等多种测试源的输出数据进行数据融合，实现对侵限障碍物的主动式检测和预警。但该方法在处理多装置源数据时存在数据异构性大、数据量庞杂、数据质量参差不齐等问题，对系统的算力要求，快速动态响应方面(如数据处理和信号传输时延)构成了挑战。虽然该方法根据多种测试装置的特征实现了优势互补，但在不同工况下仍有障碍物误报和漏报的风险。另外，多传感器融合意味着整体成本较高，市场竞争力较弱。
技术实现思路
1、鉴于此，本专利技术提供一种多数据融合的列车主动式障碍物检测方法及系统，融合双目立体视觉图像信息和激光雷达三维点云信息，通过时空融合模型和基于决策层融合的多传感器融合方法策略，实现对地铁列车前方轨行区域的轨道、侵限障碍物的精准识别，增强了地铁列车行车安全性，保证列车能够准确识别前方障碍物，辅助司机采取相应的处理措施。
2、本专利技术公开了一种多数据融合的列车主动式障碍物检测方法，其包括：
3、数据采集步骤s1：通过双目立体视觉相机与激光雷达分别获取列车前方轨行区域实时运行环境的图像和三维点云数据；
4、障碍物检测步骤s21：针对所述双目立体视觉相机采集的图像数
5、障碍物检测步骤s22：针对所述激光雷达采集的三维点云数据，依次通过点云数据预处理、限界检测、障碍物识别和障碍物侵限判断，得到雷达的障碍物检测结果b；
6、数据融合步骤s3：通过时空融合，将所述障碍物检测结果a和所述障碍物检测b统一标定在同步的图像帧，利用决策层融合模型进行一致性检测，实时判断障碍物目标的侵限风险。
7、进一步地，所述障碍物检测步骤s21，具体为：
8、所述图像数据预处理包括：对双目立体视觉相机获取的图像依次进行立体校正、归一化处理及高斯滤波降噪；
9、所述立体匹配包括：建立匹配代价函数，对图像预处理后的数据进行代价计算，得到离散的视差数据，通过聚合处理得到视差图；
10、所述目标检测与定位包括：将所述视差图进行水平和垂直方向的投影，构建u视差图和v视差图；利用加权灰度hough变换对所述u视差图和所述v视差图中直线进行检测，得到所述障碍物检测结果a；
11、所述侵限判断包括：通过障碍物检测定位框坐标，结合钢轨模型的安全限界标定，判断物体是否为侵限异物。
12、进一步地，所述障碍物检测步骤s21中，所述目标检测与定位具体为：
13、将所述视差图进行水平和垂直方向的投影，构建u视差图和v视差图，将障碍物的呈现形式由三维立体变为一维直线；
14、利用加权灰度hough变换对所述u视差图和所述v视差图中直线进行检测；
15、检测所述v视差图中代表钢轨的倾斜直线与代表障碍物的垂直线的交点，得到障碍物的实际位置；
16、从所述v视差图中提取所述代表障碍物的垂直线的端点坐标，计算得到障碍物的高度；
17、从所述u视差图中提取代表障碍物的水平线坐标，计算得到障碍物的宽度；
18、根据所述障碍物的高度和所述障碍物的宽度，得到障碍物检测定位框坐标。
19、进一步地，所述障碍物检测步骤s21中，所述侵限判断具体为：
20、当所述障碍物检测定位框的任意一个顶点入侵安全限界模型，或障碍物检测定位框的四个顶点均位于安全限界模型外且中心坐标位于安全限界模型内，则判定存在障碍物侵限。
21、进一步地，所述障碍物检测步骤s22，具体为：
22、所述点云数据预处理包括：将雷达采集的点云数据转换到车辆坐标系，采用点云库中统计滤波器对离群点进行滤波处理；
23、所述限界检测包括：从所述点云数据中提取轨道点云数据，建立复合轨道模型，剔除虚假轨道点；采用ransac直线拟合算法对xoz平面内的轨道进行直线拟合，识别轨道限界区域；
24、所述障碍物识别包括：对障碍物点云数据进行分割，并利用dbscan算法进行点云聚类，得到障碍物信息；
25、所述障碍物侵限判断包括：依次进行碰撞区域标记、障碍物凸包提取、凸包差值采样，结合轨道信息判断障碍物是否侵限。
26、进一步地，所述障碍物检测步骤s22中，所述点云数据预处理，具体为：
27、将雷达采集的点云数据转换到车辆坐标系，设置感兴趣区域，采用点云库中统计滤波器对离群点进行滤波处理，得到预处理后的点云数据。
28、进一步地，所述障碍物检测步骤s22中，所述从所述点云数据中提取轨道点云数据，建立复合轨道模型，剔除虚假轨道点，包括：从所述点云数据中筛选出预设范围内的点云数据，构建轨道点集；依次判断每个点是否为轨道点，利用所有的轨道点构成初步的轨道点集。
29、即，所述障碍物检测步骤s22中，所述限界检测包括建立复合轨道模型和轨道直线拟合，具体为：
30、从预处理后的点云数据中筛选出预设范围的点云数据，构建轨道点集，并判断每个点是否为轨道点，以建立复合轨道模型，实现虚假轨道点的剔除；
31、采用ransac直线拟合算法对所述轨道点集进行直线拟合，以剔除未匹配的虚假轨道；再对剔除虚假轨道后的轨道点集中xoz平面内的轨道进行直线拟合，以实现轨道限界区域的识别。
32、进一步地，所述障碍物检测步骤s22中，所述对障碍物点云数据进行分割，具体为：
33、分析障碍物点云数据在极坐标系中的径向坡度；
34、结合轨道信息，对障碍物点云数据进行分割。
35、进一步地，所述障碍物检测步骤s22中，所述碰撞区域标记，包括：
36、通过判断列车前方轨行区域内的轨道，确定列车行驶的碰撞限界；
37、计算在限界检测获得的xoy平面内的轨道曲线向外延伸所需距离，即可确定碰撞区域。
38、进一步地，所述障碍物检测步骤s22中，所述障碍物侵限判断，包括：
39、所述障碍物凸包，即为障碍物的外轮廓；障碍物凸包点若均在碰撞限界外，则判定障碍物未发生侵限；反之，则判定侵限。
40、进一步地，所述时空融合包括时间融合和空间融合；
41、所述时间融合包括：以所述激光雷达作为所述双目视觉相机采用的触发器；
42、所述空间融合包括：将同一时刻下所述双目视觉相机和所述激光雷达采集到的数据统一到同一坐标系。
43、进一步地，所述空间融合，还本文档来自技高网...
【技术保护点】
1.一种多数据融合的列车主动式障碍物检测方法，其特征在于，包括：
2.根据权利要求1所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述障碍物检测步骤S21，具体为：
3.根据权利要求2所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述障碍物检测步骤S21中，所述目标检测与定位具体为：
4.根据权利要求3所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述障碍物检测步骤S21中，所述侵限判断具体为：
5.根据权利要求3所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述障碍物检测步骤S22，具体为：
6.根据权利要求1所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述时空融合包括时间融合和空间融合；
7.根据权利要求6所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述空间融合，还包括：
8.根据权利要求1所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述利用决策层融合模型进行一致性检测，具体为：
9.根据权利要求8所述的多
10.一种数据融合的列车主动式障碍物检测系统，用于实现权利要求1-9任一项所述的多数据融合的列车主动式障碍物检测方法，其特征在于，包括：
...【技术特征摘要】
1.一种多数据融合的列车主动式障碍物检测方法，其特征在于，包括：
2.根据权利要求1所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述障碍物检测步骤s21，具体为：
3.根据权利要求2所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述障碍物检测步骤s21中，所述目标检测与定位具体为：
4.根据权利要求3所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述障碍物检测步骤s21中，所述侵限判断具体为：
5.根据权利要求3所述的多数据融合的列车主动式障碍物检测方法，其特征在于，所述障碍物检测步骤s22，具体为：
6.根据权利要求...
【专利技术属性】
技术研发人员：苏平安，李丰，银义奕，欧阳赐波，蒋睿健，李林，黄成亮，王克文，向芳，
申请(专利权)人：成都唐源电气股份有限公司，
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。