一种基于轨枕/扣件模型识别的列车定位方法及速度检测方法与流程

1.本发明属于铁路信号系统列车定位技术领域，具体涉及一种基于轨枕/扣件模型识别的列车定位方法及速度检测方法。


背景技术：

2.确定列车的准确位置和速度对于信号系统来说是必不可少的，且对行车安全有至关重要的作用。目前，传统列车的位置和速度检测方法是基于列车上的车轮传感器、雷达和加速度计等技术。但在实际工况中，轨道电路、计轴器和缓冲器用于定位列车、调整里程计和纠正测量存在较大误差，且投资成本高，维护使用较繁琐。
3.现在所有的铁路、地铁、有轨电车都基于安装在轨枕上的轨道，并且间隔很短，需要研发一种基于轨枕识别的列车定位方法。


技术实现要素：

4.本发明的目的在于提供一种基于轨枕/扣件模型识别的列车定位方法及速度检测方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种基于轨枕/扣件模型识别的列车定位方法及速度检测方法，包括以下步骤，首先创建全场设备定位数据图，然后创建安装在轨枕上的扣件特征数据，再将全场设备定位数据图和扣件特征数据进行绑定形成参考数据库并导入列车的车载计算机中，车载计算机接收列车高速相机拍摄的轨枕照片并进行对比计算，以得出列车的位置信息和速度信息，具体包括：1）通过gps定位创建全场设备定位数据图；2）以测试车车载高速相机拍摄图片与步骤1）中的定位图进行对比，并从图片聚合中识别出轨枕的图案，以找到相似的图案，每 20 m 执行一次，验证定位精度；3）以opencv技术对所有图片进行处理，创建安装在轨枕上的扣件的特征的数据：具体为使用canny算法对图像进行边缘检测，得到安装在轨枕上的扣件的边缘的特征线条；通过计算各个特征线条间的距离，通过卡尔曼滤波得到当前安装在轨枕上的扣件的特征数据；4）将当前轨枕/扣件的特征数据与当前轨枕定位数据进行绑定形成参考数据库；5）将高速相机安装在列车底部，列车行驶时不断拍摄照片并传给车载计算机；将安装在轨枕上的扣件的特征的参考数据库嵌入列车车载计算机中；6）使用canny算法对高速相机拍摄的当前图片进行边缘检测，通过卡尔曼滤波得到列车当前位置的轨枕上的扣件的安装特征，以此与参考数据库中轨枕上的扣件的安装特征进行比对，以得到列车的当前位置；列车的速度通过多次拍摄的时间间隔与拍摄图片对应的多处轨枕的距离差计算获得。
6.所述通过测试车辆获取全场的轨枕/扣件特征和位置数据，以里程表的形式构建二维数据库，其中横向轴为轨枕位置里程，纵向轴为安装在轨枕上的扣件特征数据。
7.所述高速相机以 111.1米/秒的速度拍摄，能够测量10厘米=0.1米的移动，每幅图
像每秒有1111 次扫描，处理时间仅为 0.3 毫秒，计算3次扫描的移动测量。
8.所述车载计算机对高速相机拍摄的图像进行识别处理，构建实时数据并把实时数据信息与参考数据库的比较。
9.与现有技术相比，本发明的有益效果是：结构简单，不需要布置大量传感器，降低投资成本；定位及检测精度高，高速相机可以提供足够数量的照片，车载计算机实时进行数据处理。
附图说明
10.图1示出了本发明中参考数据库的生成流程；图2示出了本发明如何进行列车定位的流程；图3示出了高速相机和车载计算机安装在列车上的位置；图4示出了高速相机的安装细节；图5示出了两次计算的详细信息；图6示出了识别的扣件图片和图案示例；图7示出了铁路和地铁中使用的典型扣件。
具体实施方式
11.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
12.请参阅图1至图4，本发明提供一种技术方案：铁路信号列车定位技术现在大都依赖于安装脉冲发生器、多普勒雷达、加速度计等里程计算系统，为轨道车辆提供准确的定位系统。
13.本发明所需的设备易于安装在列车上，并且使用简单的模型（轨枕、扣件）进行定位，因此可以使用标准计算机和 低成本gpu 进行快速计算，它不需要特定的计算单元。
14.如图1所示：使用gps定位系统或者其它能在隧道中使用的精确定位系统对全场设备进行定位，并以此绘制站场图；这是铁路工程必须要进行的测绘工作，而我们只需取得其中轨枕的定位图。将轨枕的定位图嵌入车载计算机中。
15.在测试车上安装高速相机，并在车载计算机上安装车载计算机软件。
16.如图3所示：高速相机安装在车辆下方，垂直于连续跟踪和拍摄。车载计算机软件安装在车载计算机中；在测试车行驶过程中，高速相机拍摄轨道周围的图像；使用opencv对图像进行处理，从图像聚合中识别出轨枕的图案，将其与轨枕的定位图进行匹配，以此得到当前轨枕的精确定位；使用canny算法对轨枕图案进行边缘检测，检测安装在当前轨枕上的扣件，并通过卡尔曼滤波对数据进行二次处理。如图7所示，扣件是铁路中将钢轨固定在轨枕上的标准
件，但是在安装过程中并不能保证每一个扣件相对于当前轨枕的位置是固定不变的。运用canny算法，可以检测到扣件与轨枕间空间特征。
17.将上述得到的特征数据与轨枕的定位进行绑定，生成特定的数据库；数据库可以有很多格式，可以是x轴为轨枕位置里程，y轴为安装在轨枕上的扣件的特征数据的坐标系，也可以是其它类型的可以通过检索特征数据而得到位置信息的其它数据库。该数据库还可以根据视频捕获构建拓扑结构（图案和物品的连续性），因此可以确定路径、物品的连续性（前一个物品和下一个物品）和方向。
18.该数据库具有精确拓扑位置（坐标和固有坐标）的位置参考，由 2 个数据集组成：轨枕数据：如图所示6，由2条线定义轨枕的边缘位置，每条线由轨枕和钢轨相交的纵向2个点来定义，其中每个轨枕的分辨率是毫米级的。因为是通过轨枕和钢轨相交的点来定义轨枕边缘的直线，所以对于不连续穿越轨道的轨枕并不影响其线条的定义。
19.紧固件数据：一般来说紧固件分成2个部分，固定的螺栓和固定的扣件。扣件的形状和螺栓的类型不是固定的，如图6所示，仅以此例来类举。扣件2边4个点到轨枕2条线的垂直距离是作为其定位的数据支持；同样的，6角螺栓通过计算其6个角的顶点到轨枕2条线的垂直距离来确定位置；矩形螺栓则是通过计算其4个角的顶点到轨枕2条线的垂直距离来确定位置。在毫米级别的分辨率下，每个紧固件最多可以记录3个螺栓的位置。
20.将轨枕数据和紧固件数据整体投影到具有开始和结束位置坐标的参考网格系中，内在坐标基于值从 0.00000 到 1.00000 的净元素，从而得到如图7所示的二维平面图。对每个轨枕进行编码工作，将对应的二维平面图存进当前编码的轨枕中，并将所有存入数据库中。
21.测试车走完全场后，得到完整的轨枕/扣件位置及特征数据库；将该数据库嵌入车载计算机软件中，并将软件安装在列车的车载计算机中；在列车底部安装高速相机。
22.如图2所示：当列车行驶在轨道上，车载计算机自动操作高速相机拍摄轨道周围的图像，并以opencv或者其它图像处理软件识别出当前轨枕的图案，然后以canny算法进行边缘检测，通过卡尔曼滤波二次处理出当前轨枕上扣件的特征数据，并以此与特征数据库进行比对。由里程计算单元 (车载计算机) 执行2次并列计算：根据数据库检查轨道图案。每5米的轨道距离计算一次。如果与数据库图案信息存在差异，则对输出进行位置验证或调整。轨道长度定义为 5米，以具有足够的图案特征，并允许快速计算。
23.如果发现不匹配，则在更广泛的区域上执行该功能，通过从先前已知位置到预测位置 x 因子的循环，从 1.5 开始的因子并在每个循环中增加 0.5。最后，如果在因子达到 10 或覆盖完整数据库时未达到匹配，则会发出故障警报并声明里程计故障。这只能发生在降级的情况下，并且故障率低。
24.利用3张连续的高速相机拍摄的图像，通过对轨枕和扣件的简单图像处理，计算速度和位置。这种计算是连续执行的，每0.3毫秒到1.5毫秒（取决于最大速度）。 输出信息是车辆的速度和位置，并提供给车载系统。高速相机扫描2.5米（纵向）x 1米（横向）的区域，以在一次扫描中从至少两个轨枕获取数据。
25.车载计算机能够通过之前的视频记录，去识别以前的物品，预测未来的物品情况，并根据参考比较调整位置和速度，甚至对微小的差异都有弹性：如果轨枕的位置和预期不
完全一致，或扣件不存在，软件将根据其他物品和模型进行计算。如果某个物品与参考资料不同，该软件将保留有关该物品的记录和日志信息（内容、时间、位置、图片、数据），以备将来纠正错误（例如，如果扣件丢失）。
26.当车载计算机安装在列车上并且列车在cbtc模式下运行时，经车载计算机处理过的列车定位及列车速度信息会通过车载天线传输给区域控制器（zc），zc在与ats交互时将列车定位以及列车速度实时的发送给地面控制中心，并且zc会再处理一遍数据从而对下辆车发送移动授权。
27.降级模式时，leu从联锁系统提取轨旁信息，并通过有源信标将信息传输给列车上的信标天线。列车从而得到信号机的指示信息，同时信标天线扫描有源信标得到列车的定位信息。然后通过有源信标传输给leu，leu将其传给联锁系统。
28.该参考基于显著的物品属性：轨枕/扣件之间的距离、物品的形状和图像细节。如果同一列或几列火车在经过该位置和物品时，具有特定物品差异的扫描记录时，则参考的数据库还可以针对这微小变化进行自动更新。定期比较列车车队数据（模型和物品数据）的记录，如果同一列车或不同列车多次记录相同差异，则将差异定义为有效，并更新参考数据库，再次在各列车之间进行共享。差异验证、参考数据库更新和上传信息到列车上的操作，均由负责列车数据和系统安全运行的人监督。
29.如图4所示，该系统基于列车下方不同位置的一组高速相机，以确保安全（物理和空间冗余）。高速相机到列车前方的距离“d”是安装参数，因此，该位置基于 2 个计算：位置和速度计算。通过统计列车运行过程中经过的轨枕数，更新列车位置，根据图像计算速度。
30.图案和单个物品的识别：确保验证位置的安全。
31.如图5所示，从多个高速相机拍摄的图像数据图案的组合中，每5米执行一次位置验证。组合图案与数据库图案进行比较，以验证计算出的列车位置是否与数据库图案中的位置相对应。图案的比较是基于轨枕距离（d1、d2、d3,
…
）和扣件图像。轨枕距离和扣件图像（见下文）存在差异，可以区分图案。
32.该数据库是根据gps定位系统和安装了高速相机的车辆对线路的初步调查建立起来的，以记录所有轨道的图案。然后，车队使用该数据库，如果有几辆车（至少3辆）检测到相同的细微模型差异，则修改数据库以反映现场情况。此外，还会向维护工作人员发出警告，以检查这种差异是否可以接受。
33.基于每0.3毫秒到1.5毫秒的扫描和图像，来处理连续执行的位置和速度计算。0.3毫秒与400千米/小时的高速列车相关，1.5毫秒可用于时速为 80千米/小时的地铁线路。图像处理仅限于轨枕的边缘识别。图片大小限制为 400x100 像素，以允许使用配备标准 gpu（图形处理器单元）的标准计算机进行快速处理。
34.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

技术特征：
1.一种基于轨枕/扣件模型识别的列车定位方法及速度检测方法，其特征在于：首先创建全场设备定位数据图，然后创建安装在轨枕上的扣件特征数据，再将全场设备定位数据图和扣件特征数据进行绑定形成参考数据库并导入列车的车载计算机中，车载计算机接收列车高速相机拍摄的轨枕照片并进行对比计算，以得出列车的位置信息和速度信息，具体包括以下步骤：1）通过gps定位创建全场设备定位数据图；2）以测试车车载高速相机拍摄图片与步骤1）中的定位图进行对比，并从图片聚合中识别出轨枕的图案，以找到相似的图案，每 20 m 执行一次，验证定位精度；3）以opencv技术对所有图片进行处理，创建安装在轨枕上的扣件的特征的数据：具体为使用canny算法对图像进行边缘检测，得到安装在轨枕上的扣件的边缘的特征线条；通过计算各个特征线条间的距离，通过卡尔曼滤波得到当前安装在轨枕上的扣件的特征数据；4）将当前轨枕/扣件的特征数据与当前轨枕定位数据进行绑定形成参考数据库；5）将高速相机安装在列车底部，列车行驶时不断拍摄照片并传给车载计算机；将安装在轨枕上的扣件的特征的参考数据库嵌入列车车载计算机中；6）使用canny算法对高速相机拍摄的当前图片进行边缘检测，通过卡尔曼滤波得到列车当前位置的轨枕上的扣件的安装特征，以此与参考数据库中轨枕上的扣件的安装特征进行比对，以得到列车的当前位置；列车的速度通过多次拍摄的时间间隔与拍摄图片对应的多处轨枕的距离差计算获得。2.根据权利要求1所述的基于轨枕/扣件模型识别的列车定位方法及速度检测方法，其特征在于：所述通过测试车辆获取全场的轨枕/扣件特征和位置数据，以里程表的形式构建二维数据库，其中横向轴为轨枕位置里程，纵向轴为安装在轨枕上的扣件特征数据。3.根据权利要求1所述的基于轨枕/扣件模型识别的列车定位方法及速度检测方法，其特征在于：所述高速相机以 111.1米/秒的速度拍摄，能够测量10厘米=0.1米的移动，每幅图像每秒有1111 次扫描，处理时间仅为 0.3 毫秒，计算3次扫描的移动测量。4.根据权利要求1所述的基于轨枕/扣件模型识别的列车定位方法及速度检测方法，其特征在于：所述车载计算机对高速相机拍摄的图像进行识别处理，构建实时数据并把实时数据信息与参考数据库的比较。

技术总结
本发明公开了一种基于轨枕/扣件模型识别的列车定位方法及速度检测方法，首先创建全场设备定位数据图，然后创建安装在轨枕上的扣件特征数据，再将全场设备定位数据图和扣件特征数据进行绑定形成参考数据库并导入列车的车载计算机中，车载计算机接收列车高速相机拍摄的轨枕照片并进行对比计算，以得出列车的位置信息和速度信息。结构简单，不需要布置大量传感器，降低投资成本；定位及检测精度高，高速相机可以提供足够数量的照片，车载计算机实时进行数据处理。行数据处理。


技术研发人员：张玉 安德昂
受保护的技术使用者：南京安赛欧轨道交通科技有限公司
技术研发日：2022.01.30
技术公布日：2023/5/5