[发明专利]一种基于无人机俯拍视频与神经网络的铁路轨道分割方法

说明书

本发明提供了一种基于无人机俯拍视频与神经网络的铁路轨道分割方法。该方法包括：将当前视频帧图像和上一帧检测结果图像进行连接，将连接图像作为轻量级编解码分割网络的输入图像；轻量级编解码分割网络通过下采样提取输入图像的两个特征图像，将两个特征图像分别通过空洞空间金字塔池化网络和分裂‑递归‑合并模块得到两个特征图；通过注意力机制模块将所述两个特征图连接起来，再通过上采样处理得到表示铁路轨道线路的输出掩码。本发明提出的基于计算机视觉的轨道分割方法是利用计算机视觉技术，从图像背景中高精度分割出钢轨，然后基于分割结果，控制无人机高精度循轨道飞行。

技术领域

本发明涉及铁路轨道线路巡检技术领域，尤其涉及一种基于无人机俯拍视频与神经网络的铁路轨道分割方法。

背景技术

轨道交通安全保障技术严重制约轨道交通营运安全，目前轨道交通的运营环境巡检基本靠人工完成，我国幅员辽阔，西部地区特别是进藏铁路的线路环境恶劣，地形复杂，穿过多个无人区、高原缺氧等等给人工巡线带来极大的困难，基于智能无人机的轨道交通运营环境自主巡检是一种很有前景的替代方案。与人工巡检相比，基于无人机的铁路自主巡线方案在效率、成本方面均具有极大优势。

用于无人机轨道运营环境安全检测的传感器有激光雷达、光学相机等，巡检对象的检测原理都要求无人机飞行路线与轨道保持较高的相对位置精度。受测绘法律的限制，不可能得到轨道线路精确的地理坐标，加上目前轨道沿线并没有覆盖RTK(Real-timekinematic，实时动态)基站数据，如何保持无人机高精度循轨道飞行是无人机自主轨道巡检首要解决的技术难题。

目前，图像语义分割算法已经得到了广泛的研究，但现有技术中的图像语义分割算法的网络模型计算成本很高，并且减少网络参数通常会导致算法性能的下降，因此需要一种能够满足无人机前端系统需求，同时保持分割精度的轻量级网络。

发明内容

本发明的实施例提供了一种基于无人机俯拍视频与神经网络的铁路轨道分割方法，以实现铁路轨道的快速准确分割。

为了实现上述目的，本发明采取了如下技术方案。

一种基于无人机俯拍视频与神经网络的铁路轨道分割方法，包括：

将当前视频帧图像和上一帧检测结果图像进行连接，将连接图像作为轻量级编解码分割网络的输入图像；

所述轻量级编解码分割网络通过下采样提取输入图像的两个特征图像，将所述两个特征图像分别通过空洞空间金字塔池化网络和分裂-递归-合并模块得到两个特征图；

通过注意力机制模块将所述两个特征图连接起来，再通过上采样处理得到表示铁路轨道线路的输出掩码。

优选地，所述的将当前视频帧图像和上一帧检测结果图像进行连接，将连接图像作为轻量级编解码分割网络的输入图像，包括：

通过无人机连续俯拍轨道线路的视频数据，将视频数据分割成连续的多帧轨道线路图像；

将当前帧的3通道的轨道线路图像I_t和上一帧的1通道的轨道检测结果的灰度图像进行连接，得到一个4通道的连接图像将该连接图像作为轻量级编解码分割网络的主干网络的输入图像。

优选地，所述的轻量级编解码分割网络通过下采样提取输入图像的两个特征图像，包括：

所述轻量级编解码分割网络的主干网络提取所述连接图像的两个特征图像X₁是输入图像经过4次2倍下采样后得到的长宽尺寸均为输入尺寸1/16的高层特征，X₂是输入图像经过3次2倍下采样后得到的长宽尺寸均为输入尺寸1/8的低层特征。

优选地，所述的将所述两个特征图像分别通过空洞空间金字塔池化网络和分裂-递归-合并模块得到两个特征图，包括：