[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

说明书

本发明公开了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。本发明能够通过铁轨检测识别的结果判断列车是否行驶于直道上，辅助列车驾驶员安全驾驶。

技术领域

本发明涉及一种铁轨识别系统，特别是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。

背景技术

高铁动车组在调车模式下，现有监控记录装置仅有实时采集视频图像供人工查看的功能，无法有效监控，容易出现人工瞭望失误或未及时进行降速、制动，导致线路异常时出现车辆撞击异物或追尾等事故。

发明内容

本发明目的在于提供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，解决高铁动车组在调车模式下，现有监控记录装置无法有效监控，容易出现人工瞭望失误或未及时进行降速、制动的问题。

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，左边铁轨的斜率为钝角，右边铁轨的斜率为锐角，利用文献1：“张文增, 陈强, 都东等，直线检测的灰度投影积分方法，清华大学学报( 自然科学版)2005 年第45 卷第11 期”所述灰度投影算法，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，机器学习则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，传统机器学习算法的工作模式为训练方式和检测方式，基于上述先验知识，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方法。

本发明能够通过铁轨检测识别的结果判断列车是否行驶于直道上，辅助列车驾驶员安全驾驶。

附图说明

图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结构示意图；

图2 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流程示意图；

图3 夜间铁轨检测结果示例；

图4 白天铁轨检测结果示例；

图5 列车库内铁轨检测结果示例。