[发明专利]一种城轨列车受电弓目标定位方法有效
| 申请号： | 201910981186.6 | 申请日： | 2019-10-16 |
| 公开（公告）号： | CN110766754B | 公开（公告）日： | 2022-08-05 |
| 发明（设计）人： | 邢宗义;章加兵;周园园;张永 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06T7/73 | 分类号： | G06T7/73;G06V10/762;G06V10/82;G06K9/62 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 薛云燕 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种城轨列车受电弓目标定位方法。该方法为基于ssd‑tensorflow和混合高斯聚类算法，包括以下步骤：收集现场采集到的受电弓图片，制作训练样本集；利用LabelTool对训练样本集中的目标做标记，生成相应的xml文件放入Pascal voc2007下Annotations文件内，制作Pascal voc2007数据集；对xml文件进行处理，使用混合高斯聚类算法对数据集中的真实框的长宽进行聚类，更改默认框的长宽比设定；更换基础网络Vgg‑16为DenseNet，调整网络参数；对所设定的模型进行训练，得到受电弓定位的检测模型；对训练出的检测模型进行测试，检测受电弓定位精度。本发明具有检测精度高、实时性强的优点。 | ||
| 搜索关键词： | 一种 列车 受电弓 目标 定位 方法 | ||
【主权项】：
1.一种城轨列车受电弓目标定位方法，其特征在于，基于ssd-tensorflow和混合高斯聚类算法，包括以下步骤：/n步骤1，收集现场采集到的受电弓图片，制作训练样本集；/n步骤2，利用LabelTool对训练样本集中的目标做标记，生成相应的xml文件放入Pascalvoc2007下Annotations文件内，制作Pascal voc2007数据集；/n步骤3，对xml文件进行处理，使用混合高斯聚类算法对数据集中的真实框的长宽进行聚类，更改默认框的长宽比设定；/n步骤4，更换基础网络Vgg-16为DenseNet，调整网络参数；/n步骤5，对步骤3和步骤4所设定的模型进行训练，得到受电弓定位的检测模型；/n步骤6，对步骤5训练出的检测模型进行测试，检测受电弓定位精度。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910981186.6/，转载请声明来源钻瓜专利网。
