基于改进Mask-R-CNN网络的轨道交通运行环境感知技术应用研究

为了提升轨道交通列车运行环境感知能力,进一步保障列车运行环境安全,针对列车运行前方各类障碍物侵限问题,提出一种基于改进Mask-R-CNN网络的轨道交通运行环境感知技术方案。通过阐述列车运行环境感知系统设计需求,对其进行结构设计。分析Mask-R-CNN深度视觉模型,论述其功能对列车运行环境感知需求的适用性,使用轻量级MobileNetV2骨干网络及PointRend模块对Mask-R-CNN网络进行改进优化,进一步提升实时性和准确性。在真实列车运行环境中采集列车运行前方展望数据,标注形成自有数据集,结合公共数据集对模型进行训练,经验证改进后模型F-Measure评价值达到95.56%,同时具有准确率高、实时性好、易于部署等优点,可以满足下一步轨道交通发展新需求,是计算机视觉技术在轨道交通领域的一种新探索。

基于雷达的铁路直轨环境检测方法研究

针对机器视觉检测实时性不足、视距较短、环境适应性差,无法满足铁路全天候多环境运行的需求等问题,提出基于微波雷达的铁路直轨环境物体检测方法。通过离线实验对雷达的测量特性进行标定,经数据处理得到雷达的误差校正函数。综合铁路安全限界标准、雷达测量参数、雷达横向测量误差,实时构建雷达坐标系下的限界区域,对误差校正后的物体进行限界内方侵限判断,并对雷达检测范围内的动目标进行滤波跟踪。实景测试结果表明,雷达检测性能好,实时性高,具有很好的环境适用性。