基于深度学习的传感器数据融合算法在列车障碍物检测中的研究

发布时间：2020-08-06 18:34

【摘要】：伴随着现代化科技水平的不断提高,城市轨道交通的发展被越来越多的城市所重视。无人机、无人驾驶汽车以及无人艇的发展,带动了城市轨道交通的无人驾驶地铁的发展,其中障碍物的检测关系到列车的安全运行是研究的重点及难点。本文通过研究当下接触式障碍物检测技术以及国内外无人驾驶汽车的障碍物检测方法,设计并提出了一种适用于无人驾驶地铁列车的障碍物检测方法,该方法应用深度学习理论通过传感器数据融合来实现障碍物的检测。本文结合地铁列车的运行特点以及无人驾驶汽车的障碍物检测方法,设计出了本文的整体方案:选用视觉传感器和激光雷达传感器作为检测工具,基于深度学习理论,提出了一种适用于地铁列车轨道内障碍物检测的方法。首先应用深度学习理论,通过摄像机检测出铁轨的位置,绘制出地铁列车行驶过程中的危险区域,当危险区域存在障碍物时,系统通过激光雷达和视频图像的方法将其检测出来,对于摄像机已知的障碍物(如行人)可以通过摄像机和激光雷达共同检测,提高了检测的准确率;对于摄像机未知的障碍物(如大小不一,形状各异的石块),通过激光雷达传感器实现对未知障碍物的检测;最后通过编写障碍物检测界面进行障碍物检测,当没有检测到障碍物时绿灯亮,当检测到障碍物时红灯亮,同时产生紧急制动,保障乘客和列车的安全。通过对深度理论的研究以及对现有的障碍物检测方法的分析,并且根据地铁列车的制动原理,设计出用于本文检测方法的系统结构。该方法的系统结构包括系统主机、激光雷达和摄像机,其中系统主机包括工控机与主控板。其中主控板的各部分构成了其硬件部分;软件部分包括驱动继电器动作的下位机软件和用于检测轨道内障碍物的上位机软件。最后,本文提出的地铁列车非接触式障碍物检测方法应用到基于中国中车长客股份有限公司提出的科技部十三五科技支撑项目“下一代地铁车”上进行现场试验与测试,试验与测试结果证明了本文提出的非接触式障碍物检测方法是可行的。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：U284.48;TP18;TP212.9
【图文】：

事故现场图

一接触式障碍物检测装置

·12边框回归示惫图

【参考文献】

相关期刊论文 前10条

1 李丹丹;侯涛;魏世鹏;;基于改进Canny算子的铁轨边缘检测方法[J];电视技术;2015年08期

2 王燕芩;李沛奇;;基于改进Canny算法的铁轨边缘检测[J];铁道通信信号;2015年02期

3 翟国锐;胡春红;张立静;;障碍物及脱轨检测装置的可靠性设计[J];黑龙江科技信息;2014年34期

4 辛煜;梁华为;梅涛;黄如林;杜明博;王智灵;陈佳佳;赵盼;;基于激光传感器的无人驾驶汽车动态障碍物检测及表示方法[J];机器人;2014年06期

5 梁九彪;;地铁无人驾驶工程的匹配设计[J];城市轨道交通研究;2014年02期

6 李睿;武晓春;;基于数字图像处理的直线型铁轨的自动识别[J];电视技术;2014年03期

7 向荣;蒋荣欣;;铁路机车快速超视距障碍物识别算法[J];湘潭大学自然科学学报;2013年02期

8 彭飞;陈维荣;冒波波;王旭峰;;基于Canny边缘检测和聚合接续法的路轨边缘提取方法[J];铁道学报;2012年02期

9 李佳奇;党建武;;基于改进型BP神经网络在列车异物检测中的研究[J];自动化与仪器仪表;2011年06期

10 鲍溪清,张玉宝,董丕明;调车机车障碍物自动检测识别技术研究[J];铁道学报;2005年02期

相关博士学位论文 前1条

1 马宏锋;基于机器视觉的铁路异物侵限分布式智能监控技术研究[D];兰州交通大学;2014年

相关硕士学位论文 前10条

1 王萌;静态图像中感兴趣区域检测方法研究[D];天津工业大学;2018年

2 张会朋;基于视频的高铁列车检测算法研究[D];北京交通大学;2017年

3 汪瑞杰;考虑非线性与不确定性的自主无人车辆视觉系统与横向控制系统研究[D];东南大学;2017年

4 郭昆;基于卷积神经网络的建筑风格图像分类的研究[D];武汉理工大学;2017年

5 曲越;城轨列车非接触式障碍物检测系统的研究[D];北京交通大学;2017年

6 陆怡悦;基于雷达与图像信息融合的路面目标识别与应用[D];南京理工大学;2017年

7 梁少U

本文编号：2782799