[发明专利]动态行车环境下钢轨轮廓激光条纹中心提取方法及装置

权利要求书

1.一种动态行车环境下钢轨轮廓激光条纹中心提取方法，其特征在于，包括：

将待提取钢轨轮廓激光条纹图像输入到深度学习网络结构分割模型，按照光条纹的灰度特征和梯度方向特征，将光条纹图像分割成至少三个子区域图像；所述深度学习网络结构分割模型根据多个钢轨轮廓激光条纹图像样本预先训练生成；所述深度学习网络结构分割模型为ENet分割模型；

基于光条纹的梯度直方图，确定每一子区域的法线主方向；每一子区域对应一个法线主方向；

根据每一子区域的法线主方向，对每一子区域构造相应的方向模板，根据每个子区域的方向模板，确定每一子区域的光条中心的亚像素坐标，根据每一子区域的光条中心的亚像素坐标，提取动态行车环境下钢轨轮廓激光条纹中心的亚像素坐标；所述亚像素坐标为光条纹中心位置的坐标。

2.如权利要求1所述的动态行车环境下钢轨轮廓激光条纹中心提取方法，其特征在于，在将待提取钢轨轮廓激光条纹图像输入到深度学习网络结构分割模型之前，还包括：

对所述待提取钢轨轮廓激光条纹图像进行预处理；

将待提取钢轨轮廓激光条纹图像输入到深度学习网络结构分割模型，按照光条纹的灰度特征和梯度方向特征，将光条纹图像分割成至少三个子区域图像，包括：

将预处理后的待提取钢轨轮廓激光条纹图像输入到深度学习网络结构分割模型，按照光条纹的灰度特征和梯度方向特征，将光条纹图像分割成至少三个子区域图像。

3.如权利要求2所述的动态行车环境下钢轨轮廓激光条纹中心提取方法，其特征在于，对所述待提取钢轨轮廓激光条纹图像进行预处理，包括：对待提取钢轨轮廓激光条纹图像进行旋转、裁剪和缩放预处理操作，得到预处理后的待提取钢轨轮廓激光条纹图像。

4.如权利要求1所述的动态行车环境下钢轨轮廓激光条纹中心提取方法，其特征在于，根据每个子区域的方向模板，确定每一子区域的光条中心的亚像素坐标，根据每一子区域的光条中心的亚像素坐标，提取动态行车环境下钢轨轮廓激光条纹中心的亚像素坐标，包括：

根据每个子区域的方向模板，确定所述子区域的法线主方向的最大光强点，以所述最大光强点为中心，沿所述子区域的法线主方向，按照灰度重心法提取所述子区域的光条中心的亚像素坐标；

根据每一子区域的光条中心的亚像素坐标，提取动态行车环境下钢轨轮廓激光条纹中心的亚像素坐标。

5.一种动态行车环境下钢轨轮廓激光条纹中心提取装置，其特征在于，包括：

分割单元，用于将待提取钢轨轮廓激光条纹图像输入到深度学习网络结构分割模型，按照光条纹的灰度特征和梯度方向特征，将光条纹图像分割成至少三个子区域图像；所述深度学习网络结构分割模型根据多个钢轨轮廓激光条纹图像样本预先训练生成；所述深度学习网络结构分割模型为ENet分割模型；

法线主方向确定单元，用于基于光条纹的梯度直方图，确定每一子区域的法线主方向；每一子区域对应一个法线主方向；

中心提取单元，用于根据每一子区域的法线主方向，对每一子区域构造相应的方向模板，根据每个子区域的方向模板，确定每一子区域的光条中心的亚像素坐标，根据每一子区域的光条中心的亚像素坐标，提取动态行车环境下钢轨轮廓激光条纹中心的亚像素坐标；所述亚像素坐标为光条纹中心位置的坐标。

6.如权利要求5所述的动态行车环境下钢轨轮廓激光条纹中心提取装置，其特征在于，还包括：预处理单元，用于对所述待提取钢轨轮廓激光条纹图像进行预处理；

所述分割单元具体用于：将预处理后的待提取钢轨轮廓激光条纹图像输入到深度学习网络结构分割模型，按照光条纹的灰度特征和梯度方向特征，将光条纹图像分割成至少三个子区域图像。

7.如权利要求5所述的动态行车环境下钢轨轮廓激光条纹中心提取装置，其特征在于，所述中心提取单元具体用于：

根据每个子区域的方向模板，确定所述子区域的法线主方向的最大光强点，以所述最大光强点为中心，沿所述子区域的法线主方向，按照灰度重心法提取所述子区域的光条中心的亚像素坐标；

根据每一子区域的光条中心的亚像素坐标，提取动态行车环境下钢轨轮廓激光条纹中心的亚像素坐标。