[发明专利]一种基于激光扫描的铁路道口机车检测系统

权利要求书

1.一种基于激光扫描的铁路道口机车检测系统，包括系统、激光雷达、机车检测算法、路道口检测数据初始化、机车物体检测、机车行驶方向判别和机车速度计算，其特征在于：所述系统由激光雷达和机车检测算法构成，且机车检测方法由铁路道口检测数据初始化、机车物体检测、机车行驶方向判别机械机车速度计算构成，其中：

铁路道口检测数据初始化

对道口激光雷达扫描区域进行自定义绘制，再根据铁路道口现场工况对区域形状进行调整和边缘精修，得到需要的区域轮廓，区域划分采用“深度范围”表达方式，其数据结构的主要数据包括区域扫描角度的起始角和终止角，深度范围包括起始深度和终止深度，代表该区域在该扫描角度上的射线段距离范围，此扫描角度上的深度测量数据仅当位于此范围内时才是属于这个区域的，区域组完成几何定义之后，组内的区域都会被转换为统一的内部数据结构，采用极坐标表示，用来提高区域监测算法的效率，进一步利用道口背景自学习和机车区域监测算法来初始化背景轮廓，其中，道口背景自学习算法是指对当前场景的实时扫描数据进行一段时间的累积，从而探测到当前场景的背景轮廓，据此生成区域监测的背景数据；机车区域监测算法是指从实时扫描数据中对场景中所有位于监测区域组内的目标进行提取，根据运行控制参数对当前的监测目标进行分类和鉴别，剔除无关目标，对有效监测目标进行检测；

机车物体检测

激光雷达为了扫描到真实物体的二维信息，需使发射的激光束可以进行水平方向的扫描检测，以获得数据庞大的、具备视域广、分辨率高、包含一定的测量噪声等特征的激光点云数据，因为机车存在体积较大等因素，所以雷达得到的“激光点云”数据会比其他探测目标更多而且数据点会更为密集，针对需要检测的铁路道口区域，观察目标机车经过时的“激光点云”特征，探测到当机车靠近时，监测区域内的“激光点云”目标个数比行人或小型机动车驶过道口时的个数多，进而比较机车经过道口的目标点特征，划定在连续三个扫描周期内，都存在两个及以上相邻区域中有六个或以上目标点时，可以得出此道口有机车通过；

机车行驶方向判别、机车速度计算

通过判别雷达出现的“激光点云”特征，生成道口上行下行雷达处的机车位置时序图，根据时序图高低位的变化可以获得机车行驶的方向，依据划分的区域检测范围的实际距离以及机车的时间状态序列中相邻状态改变的时间间隔，计算出机车的运行速度。

2.根据权利要求1所述的一种基于激光扫描的铁路道口机车检测系统，其特征在于：所述激光雷达又称二维激光扫描仪，道口区域监测工作在激光雷达内部，使用二维激光扫描仪获取到周边场景及活动目标的深度数据和用户指定的监测配置数据进行分析和处理，对场景中的各种目标进行探测、定位和跟踪，实现对多个平面区域的监测。

3.根据权利要求1所述的一种基于激光扫描的铁路道口机车检测系统，其特征在于：所述系统可以基于激光雷达实时探测到的机车行为数据检测机车的行为，获取机车的实时运行方向以及当前平均运行速度。

4.根据权利要求1所述的一种基于激光扫描的铁路道口机车检测系统，其特征在于：所述区域监测功能的实际应用中，需要根据实际现场场景对要求测定的区域组进行编辑设定，从而避免某些固定的实体目标一直处于监测区域从而触发监测信号，所以区域背景剪裁是区域监测功能配置工作中相当重要的一块，同时也对区域监测的使用效果有很大影响的一块。

5.根据权利要求1所述的一种基于激光扫描的铁路道口机车检测系统的使用方法，其特征在于，包括以下步骤：

步骤一、进行铁路道口背景区域划分以及背景轮廓初始化，采集当前正处在铁路道口或正经过道口的实时机车通行状态扫描数据，经过一段对当前实时场景的扫描数据的累积之后，利用道口背景自学习算法可以检测出当前道口场景的大致背景轮廓，从而提取出区域监测的背景数据，利用机车区域监测算法来探测道口物体机车；

步骤二、通过实时扫描数据，对场景中全部的处在监测区域组内的目标物体进行提取，根据“激光点云”特征对现有监测目标进行分类以及甄别，淘汰掉无关目标，对有效的目标进行检测；

步骤三、根据“激光点云”数据特征，利用机车闯入检测算法大致得出当前检测到的机车的行驶方向，同时大致检测出机车的平均速度。