[发明专利]一种基于深度学习的轨道列车视觉定位系统

说明书

本申请公开了一种基于深度学习的轨道列车视觉定位系统，该系统包括：采集模块，处理模块，识别模块以及提示模块；采集模块用于获取列车运行前方的图像信息和列车的行驶信息；处理模块用于对图像信息进行边缘提取，生成边缘识别图像；识别模块用于利用神经网络模型，获取边缘识别图像对应的特征，并根据特征，识别图像信息中的标志信息；提示模块用于根据行驶信息和标志信息，生成列车驾驶提示信息。通过本申请中的技术方案，在轨道列车定位系统中实现对铁路信号机的识别，提高轨道列车定位的准确性和轨道列车的行驶安全。

技术领域

本申请涉及轨道列车驾驶的技术领域，具体而言，涉及一种基于深度学习的轨道列车视觉定位系统。

背景技术

铁路信号机是向有关人员发出的指示列车运行及调度工作命令的标志，主要分为视觉信号和听觉信号两种，行车人员需要对铁路信号机有着及时准确的判断，从而保证列车运行的安全性、可靠性和准点性。

轨道列车具有运行速度快、运行密度高等特点，需要列车司机能够根据前方铁路信号机做出快速反应，完成列车操纵方式的切换。因此，在轨道交通系统中，列车定位的准确性起着至关重要的作用，在能够有效保证列车运行的高安全、高可靠性的同时，还能够减轻司机的劳动强度，提高司机的驾驶水平，确保列车正点率。

而现有技术中，轨道列车定位系统中运用的技术主要包括车载定位技术、轨旁定位技术。虽然这些轨道列车定位技术能够完成对列车的定位，但其定位精度不高，且车载定位设备和轨旁定位设备的耦合度较高，容错率几乎为0，因此，无法完成对铁路信号机的识别与定位，对驾驶司机驾驶操作的可参考性和辅助度较低。

发明内容

本申请的目的在于：在轨道列车定位系统中实现对铁路信号机的识别，提高轨道列车定位的准确性和轨道列车的行驶安全。

本申请的技术方案是：提供了一种基于深度学习的轨道列车视觉定位系统，该系统包括：采集模块，处理模块，识别模块以及提示模块；采集模块用于获取列车运行前方的图像信息和列车的行驶信息；处理模块用于对图像信息进行边缘提取，生成边缘识别图像；识别模块用于利用神经网络模型，获取边缘识别图像对应的特征，并根据特征，识别图像信息中的标志信息；提示模块用于根据行驶信息和标志信息，生成列车驾驶提示信息。

上述任一项技术方案中，进一步地，处理模块具体包括：滤波单元，增强单元以及提取单元；滤波单元用于计算图像信息中任一像素点的梯度幅值，根据梯度幅值和预设滤波函数，对像素点进行滤波处理，其中，预设滤波函数为：

式中，B(x,y)为梯度幅值，T为梯度阈值，σ，σ_u，σ_v为宽度参数，(x，y)为像素点的坐标，α_⊥为梯度方向角；

增强单元用于根据像素点增强函数，对滤波后的像素点进行像素值增强；提取单元选取梯度幅度极大值处对应的增强后的像素点，记作准边缘点，选取与准边缘点相邻的增强后的像素点，根据准边缘点的像素值和选取的像素点的像素值，确定边缘像素点，并根据边缘像素点生成边缘识别图像。

上述任一项技术方案中，进一步地，识别模块具体包括：划分单元，聚拢单元；划分单元用于当判定两个特征中的结构属性相同时，将两个特征标记为具有细相似度，当判定两个特征中的结构属性不同时，将两个特征标记为具有粗相似度；聚拢单元用于当判定两个特征具有细相似度时，对两个特征进行两次聚拢处理，当判定两个特征具有粗相似度时，对两个特征进行一次聚拢处理，并根据聚拢处理结果识别标志信息。

上述任一项技术方案中，进一步地，提示模块具体包括：计算单元以及生成单元；计算单元用于根据标志信息中轨距对应的像素点数量，计算相邻两个轨距之间的实际距离，计算单元还用于根据实际距离，采用累加算法，计算列车与标志信息中铁路信号机之间的轨道长度；生成单元用于根据轨道长度和行驶信息，生成驾驶提示信息。