[发明专利]一种基于机器学习和灰度投影算法相结合的铁轨识别系统

权利要求书

1.一种基于机器学习和灰度投影算法相结合的铁轨识别系统，包括：探测器、处理器和铁轨检测模块；所述探测器用于采集图像视频数据；所述处理器用于启动探测器采集图像视频数据，同时作为加载铁轨检测模块内部软件的平台；

所述探测器与处理器相连，处理器与铁轨检测模块相连；

铁轨检测模块的功能为：通过检测铁轨相对位置判断列车是否行驶在直道；

该系统工作过程为：列车在直道运行时，左边铁轨的中心位置位于图像视场中心的左边，右边铁轨的中心位置位于图像视场中心的右边，同时，按照逆时针方向，左边铁轨与图像水平方向的夹角为钝角，右边铁轨与图像水平方向的夹角为锐角，利用灰度投影算法，将图像像素沿图像平面的各个方向进行投影，计算像素投影值的最大的极大值，获得投影值最大的极大值的方向为检测直线所在方向，灰度投影算法同时实现对直线的检测和提取；所述处理器启动探测器采集铁轨图像样本数据，然后，处理器加载铁轨检测模块内部的软件，通过机器学习训练方式完成铁轨样本图像集合的训练，采集图像后利用机器学习检测方式分别启动对左边铁轨和右边铁轨的检测，检测铁轨并判断本列车行使在弯道还是行驶在直道， 至此，实现了基于机器学习和灰度投影算法相结合的铁轨识别。

2.如权利要求1所述的基于机器学习和灰度投影算法相结合的铁轨识别系统，其特征在于：当探测器采集图像后，利用机器学习检测方式启动对左边铁轨的检测，首先判断是否检测到左边铁轨，当检测到左边铁轨时，进而判断有无弯道，当左边铁轨在图像平面的直线角度为锐角或左边铁轨的中心位置在图像视场右侧时，则检测结果为弯道；当检测的左边铁轨在图像平面的直线角度为钝角或者左边铁轨中心在图像视场左侧，则左边铁轨被识别，则在相邻区域利用灰度投影算法检测提取右边铁轨，同时表明列车行驶在直道；当没有识别到左边铁轨时，

则利用机器学习检测方式启动对右边铁轨的检测，首先判断是否检测到右边铁轨，当检测到右边铁轨时，进而判断有无弯道，当右边铁轨在图像平面的直线角度为钝角或者右边铁轨中心位置在图像视场左侧时，则检测结果为弯道；当右边铁轨在图像平面的直线角度为锐角或右边铁轨的中心位置在图像视场右侧，则右边铁轨被识别，则在相邻区域利用灰度投影算法检测提取左边铁轨，同时表明列车行驶在直道；至此，实现了基于机器学习和灰度投影算法相结合的铁轨识别。

3.如权利要求1所述的基于机器学习和灰度投影算法相结合的铁轨识别系统，其特征在于：所述机器学习是通过统计学知识对原始数据进行训练，发现数据的知识规律，利用训练得到的知识规律对未知数据或情形进行预测或分类，机器学习算法的工作模式为训练方式和检测方式。

4.如权利要求1所述的基于机器学习和灰度投影算法相结合的铁轨识别系统，其特征在于：所述机器学习算法为支持向量机算法。

5.一种基于机器学习和灰度投影算法相结合的铁轨识别方法，其特征在于具体步骤为：探测器采集铁轨图像样本数据，通过机器学习训练方法完成铁轨样本图像集合的训练，然后利用机器学习检测方式启动对左边铁轨的检测，首先判断是否检测到左边铁轨，当检测到左边铁轨时，进而判断有无弯道，当左边铁轨在图像平面的直线角度为锐角或左边铁轨的中心位置在图像视场右侧时，则检测结果为弯道；当检测的左边铁轨在图像平面的直线角度为钝角或者左边铁轨中心在图像视场左侧，则左边铁轨被识别，则在相邻区域利用灰度投影算法检测提取右边铁轨，同时表明列车行驶在直道；当没有识别到左边铁轨时，则利用机器学习检测方式启动对右边铁轨的检测，首先判断是否检测到右边铁轨，当检测到右边铁轨时，进而判断有无弯道，当右边铁轨在图像平面的直线角度为钝角或者右边铁轨中心位置在图像视场左侧时，则检测结果为弯道；当右边铁轨在图像平面的直线角度为锐角或右边铁轨的中心位置在图像视场右侧，则右边铁轨被识别，则在相邻区域利用灰度投影算法检测提取左边铁轨，同时表明列车行驶在直道；至此，实现了基于机器学习和灰度投影算法相结合的铁轨识别。