铁路线路障碍物雷达检测关键算法研究
发布时间：2022-01-01 14:39
为了提升普速铁路行车环境的实时可靠监测,保障铁路运输环境安全,阐述雷达检测及其应用,通过基于坐标的铁路轨迹线分析算法,处理获取的线路固定数据,生成轨迹线简易地图,用于辅助定位和感兴趣区域的提取,利用LKJ确定车载雷达当前位置,提取列车前方检测感兴趣区域,将实测的基于雷达目标点坐标信息转换到大地坐标系中,将目标点位置信息代入感兴趣区域中,判别确定铁路线路的障碍物。现场测试结果显示,该算法具有可行性且检测准确率较高。
【文章来源】：铁道运输与经济. 2020,42(06)北大核心
【文章页数】：8 页
【部分图文】：
铁路线路轨迹线拟合仿真结果
铁道运输与经济第42卷第6期59运输安全铁路线路障碍物雷达检测关键算法研究沙世伟图7直线铁路线路感兴趣区域提取仿真Fig.7Simulationofextractingregionofinterestforstraightrailwayline感兴趣区域上、下边界轨迹线方程为ys=1868.1+1.8xyx=1875.6+1.8x⒇直线铁路线路感兴趣区域提取仿真如图7所示。图8曲线铁路线路感兴趣区域提取仿真Fig.8Simulationofextractingregionsofinterestforcurverailwayline入到感兴趣区域范围之内，而目标1，3，4，5的位置在感兴趣区域范围之外，因而目标2为障碍物目标。直线铁路线路障碍物检测判别仿真如图9所示。当车载雷达位于坐标点(-1096.3，-508.33)处时，雷达返回的有效目标共有3个，曲线铁路线路地段有效目标位置信息如表4所示。将3个雷达反射回的目标点位置信息与检测区域模型融合进行障碍物检测判别，得出目标1的位图6铁路线路轨迹线拟合仿真结果Fig.6Simulationresultsofrailwaytracktrajectoryfitting大地坐标系横坐标/m-3500-3000-2500-2000-1500-1000-50005000-500-1000-1500-2000-2500-3000-3500大地坐标系纵坐标/m大地坐标系横坐标/m-1850-1800-1750-1700-1650-1600-1550-900-1000-1100-1200-1300-1400大地坐标系纵坐标/m雷达当前位置雷达当前位置大地坐标系横坐标/m-1500-1450-1400-1350-1300-1250-1200-1150-1100-1050-1000-500-550-600-650-700-750-800-
铁道运输与经济第42卷第6期59运输安全铁路线路障碍物雷达检测关键算法研究沙世伟图7直线铁路线路感兴趣区域提取仿真Fig.7Simulationofextractingregionofinterestforstraightrailwayline感兴趣区域上、下边界轨迹线方程为ys=1868.1+1.8xyx=1875.6+1.8x⒇直线铁路线路感兴趣区域提取仿真如图7所示。图8曲线铁路线路感兴趣区域提取仿真Fig.8Simulationofextractingregionsofinterestforcurverailwayline入到感兴趣区域范围之内，而目标1，3，4，5的位置在感兴趣区域范围之外，因而目标2为障碍物目标。直线铁路线路障碍物检测判别仿真如图9所示。当车载雷达位于坐标点(-1096.3，-508.33)处时，雷达返回的有效目标共有3个，曲线铁路线路地段有效目标位置信息如表4所示。将3个雷达反射回的目标点位置信息与检测区域模型融合进行障碍物检测判别，得出目标1的位图6铁路线路轨迹线拟合仿真结果Fig.6Simulationresultsofrailwaytracktrajectoryfitting大地坐标系横坐标/m-3500-3000-2500-2000-1500-1000-50005000-500-1000-1500-2000-2500-3000-3500大地坐标系纵坐标/m大地坐标系横坐标/m-1850-1800-1750-1700-1650-1600-1550-900-1000-1100-1200-1300-1400大地坐标系纵坐标/m雷达当前位置雷达当前位置大地坐标系横坐标/m-1500-1450-1400-1350-1300-1250-1200-1150-1100-1050-1000-500-550-600-650-700-750-800-
【参考文献】：
期刊论文
[1]基于Matlab的最小二乘曲线拟合[J]. 刘利敏,吴敏丽. 福建电脑. 2019(08)
[2]尺度自适应的铁路异物侵限PSA-Kcf降维跟踪方法[J]. 屈志坚,周锐霖,孙旭兵,袁慎高,赵亮. 铁道学报. 2019(05)
[3]基于Hu不变矩特征的铁路轨道识别检测算法[J]. 董昱,郭碧. 铁道学报. 2018(10)
[4]基于CNN的高速铁路侵限异物特征快速提取算法[J]. 王洋,余祖俊,朱力强,郭保青. 仪器仪表学报. 2017(05)
[5]最小二乘法中代数多项式曲线拟合的分析及实现[J]. 张永涛,贾延明. 计算机与数字工程. 2017(04)
[6]车载毫米波雷达对前方目标的运动状态估计[J]. 高振海,王竣,佟静,李红建,郭章勇,娄方明. 吉林大学学报(工学版). 2014(06)
[7]基于中线坐标的地铁调线优化算法[J]. 宋占峰,彭欣,吴清华. 西南交通大学学报. 2014(04)
[8]铁路机车快速超视距障碍物识别算法[J]. 向荣,蒋荣欣. 湘潭大学自然科学学报. 2013(02)
[9]公路地理信息系统中坐标与里程的转换[J]. 孟晓林,姚连璧,朱照宏,刘大杰. 同济大学学报(自然科学版). 1999(05)
硕士论文
[1]融合2D激光雷达与视觉的铁路异物侵限检测算法研究[D]. 张继月.北方工业大学 2018
[2]基于迁移学习的铁路异物检测算法研究[D]. 李晓蕊.北京交通大学 2018
本文编号：3562331
【文章来源】：铁道运输与经济. 2020,42(06)北大核心
【文章页数】：8 页
【部分图文】：
铁路线路轨迹线拟合仿真结果
铁道运输与经济第42卷第6期59运输安全铁路线路障碍物雷达检测关键算法研究沙世伟图7直线铁路线路感兴趣区域提取仿真Fig.7Simulationofextractingregionofinterestforstraightrailwayline感兴趣区域上、下边界轨迹线方程为ys=1868.1+1.8xyx=1875.6+1.8x⒇直线铁路线路感兴趣区域提取仿真如图7所示。图8曲线铁路线路感兴趣区域提取仿真Fig.8Simulationofextractingregionsofinterestforcurverailwayline入到感兴趣区域范围之内，而目标1，3，4，5的位置在感兴趣区域范围之外，因而目标2为障碍物目标。直线铁路线路障碍物检测判别仿真如图9所示。当车载雷达位于坐标点(-1096.3，-508.33)处时，雷达返回的有效目标共有3个，曲线铁路线路地段有效目标位置信息如表4所示。将3个雷达反射回的目标点位置信息与检测区域模型融合进行障碍物检测判别，得出目标1的位图6铁路线路轨迹线拟合仿真结果Fig.6Simulationresultsofrailwaytracktrajectoryfitting大地坐标系横坐标/m-3500-3000-2500-2000-1500-1000-50005000-500-1000-1500-2000-2500-3000-3500大地坐标系纵坐标/m大地坐标系横坐标/m-1850-1800-1750-1700-1650-1600-1550-900-1000-1100-1200-1300-1400大地坐标系纵坐标/m雷达当前位置雷达当前位置大地坐标系横坐标/m-1500-1450-1400-1350-1300-1250-1200-1150-1100-1050-1000-500-550-600-650-700-750-800-
铁道运输与经济第42卷第6期59运输安全铁路线路障碍物雷达检测关键算法研究沙世伟图7直线铁路线路感兴趣区域提取仿真Fig.7Simulationofextractingregionofinterestforstraightrailwayline感兴趣区域上、下边界轨迹线方程为ys=1868.1+1.8xyx=1875.6+1.8x⒇直线铁路线路感兴趣区域提取仿真如图7所示。图8曲线铁路线路感兴趣区域提取仿真Fig.8Simulationofextractingregionsofinterestforcurverailwayline入到感兴趣区域范围之内，而目标1，3，4，5的位置在感兴趣区域范围之外，因而目标2为障碍物目标。直线铁路线路障碍物检测判别仿真如图9所示。当车载雷达位于坐标点(-1096.3，-508.33)处时，雷达返回的有效目标共有3个，曲线铁路线路地段有效目标位置信息如表4所示。将3个雷达反射回的目标点位置信息与检测区域模型融合进行障碍物检测判别，得出目标1的位图6铁路线路轨迹线拟合仿真结果Fig.6Simulationresultsofrailwaytracktrajectoryfitting大地坐标系横坐标/m-3500-3000-2500-2000-1500-1000-50005000-500-1000-1500-2000-2500-3000-3500大地坐标系纵坐标/m大地坐标系横坐标/m-1850-1800-1750-1700-1650-1600-1550-900-1000-1100-1200-1300-1400大地坐标系纵坐标/m雷达当前位置雷达当前位置大地坐标系横坐标/m-1500-1450-1400-1350-1300-1250-1200-1150-1100-1050-1000-500-550-600-650-700-750-800-
【参考文献】：
期刊论文
[1]基于Matlab的最小二乘曲线拟合[J]. 刘利敏,吴敏丽. 福建电脑. 2019(08)
[2]尺度自适应的铁路异物侵限PSA-Kcf降维跟踪方法[J]. 屈志坚,周锐霖,孙旭兵,袁慎高,赵亮. 铁道学报. 2019(05)
[3]基于Hu不变矩特征的铁路轨道识别检测算法[J]. 董昱,郭碧. 铁道学报. 2018(10)
[4]基于CNN的高速铁路侵限异物特征快速提取算法[J]. 王洋,余祖俊,朱力强,郭保青. 仪器仪表学报. 2017(05)
[5]最小二乘法中代数多项式曲线拟合的分析及实现[J]. 张永涛,贾延明. 计算机与数字工程. 2017(04)
[6]车载毫米波雷达对前方目标的运动状态估计[J]. 高振海,王竣,佟静,李红建,郭章勇,娄方明. 吉林大学学报(工学版). 2014(06)
[7]基于中线坐标的地铁调线优化算法[J]. 宋占峰,彭欣,吴清华. 西南交通大学学报. 2014(04)
[8]铁路机车快速超视距障碍物识别算法[J]. 向荣,蒋荣欣. 湘潭大学自然科学学报. 2013(02)
[9]公路地理信息系统中坐标与里程的转换[J]. 孟晓林,姚连璧,朱照宏,刘大杰. 同济大学学报(自然科学版). 1999(05)
硕士论文
[1]融合2D激光雷达与视觉的铁路异物侵限检测算法研究[D]. 张继月.北方工业大学 2018
[2]基于迁移学习的铁路异物检测算法研究[D]. 李晓蕊.北京交通大学 2018
本文编号：3562331
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3562331.html
