-
题名基于Hu不变矩特征的铁路轨道识别检测算法
被引量：24
- 1
-
-
作者
董昱
郭碧
-
机构
兰州交通大学自动化与电气工程学院
兰州交通大学光电技术与智能控制教育部重点实验室
-
出处
《铁道学报》
EI
CAS
CSCD
北大核心
2018年第10期64-70,共7页
-
基金
国家自然科学基金(61763023)
-
文摘
针对当前铁路钢轨检测算法在识别中准确性和鲁棒性不高的问题,提出采用Hu不变矩特征实现轨道线搜索,并以B样条曲线为拟合模型的钢轨自动检测方法。算法根据视频帧中钢轨的边缘特征,通过改进的霍夫变换识别并确定图像空间的轨道线消隐边界,完成近远景区的标定。针对近景区直轨,通过直线模型拟合;在远景区,采用可漂移检测窗通过比对Hu不变矩来提取轨道特征点,以最小二乘法实现B样条曲线模型拟合。并制定模型更新和切换原则自动跟踪轨迹线。实验结果表明:轨道线平均跟踪时间为0. 081 s,可以提高钢轨检测识别的精确性和鲁棒性,能够更好地解决曲线轨道的模型拟合问题。
-
关键词
列车前方环境理解
铁轨检测
Hu不变矩特征
可切换曲线模型
-
Keywords
train front environmental understanding
rail detection
Hu moment invariant features
switching curve model
-
分类号
U213.4
[交通运输工程—道路与铁道工程]
-
-
题名基于改进的YOLOv5s列车轨道线检测方法
- 2
-
-
作者
姜珂
石建强
陈光武
-
机构
兰州交通大学光电技术与智能控制教育部重点实验室
兰州交通大学自动化与电气工程学院
甘肃省高原交通信息工程及控制重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2023年第S02期295-300,共6页
-
基金
甘肃省科技计划项目(21ZD4WA018,2020-61-14,22YF7GA140,18JR3RA131)
甘肃省教育厅科技项目(2017-A24)
兰州市人才创新创业项目(2022-RC-56)。
-
文摘
轨道线检测有助于提高列车的行驶安全,但检测效果易受列车行驶环境的影响。针对这种情况,提出了基于图像预处理并使用改进后的YOLOv5s网络进行轨道线检测的方法。首先,对图像预处理,使用HSV分离出图像的多余信息后,基于Otsu阈值处理,提高了图像检测目标的显著度,降低了目标识别的复杂程度;其次,考虑到列车车载系统轻量化的要求,对YOLOv5s目标识别网络进行了改进,通过添加CBAM注意力机制模块改进主干网络,来加强有效的特征信息,可以在确保检测结果的基础上提高检测速度,并使得检测算法模型易于部署到移动端设备中。使用公开的列车行驶图像构建数据集进行实验,实验结果表明提出的检测算法在数据集测试中的mAP达到了94.1%,具备一定的实时性和鲁棒性。
-
关键词
列车前方环境理解
列车轨道线
YOLOv5s
图像处理
CBAM模块
-
Keywords
train front environmental understanding
Railway track line
YOLOv5s
Image processing
CBAM module
-
分类号
U213
[交通运输工程—道路与铁道工程]
-
