基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型

露天矿环境特殊,道路场景复杂多变,在光照不足时会导致矿区道路多目标识别不清、定位不准,进而影响检测效果,给矿区无人矿用卡车的安全行驶带来严重安全隐患。目前的道路障碍物检测模型不能有效解决矿区暗光环境对模型检测效果的影响,同时对矿区小目标障碍物的识别也有较大误差,不适用于矿区特殊环境下障碍物的检测与识别。针对上述问题,提出了一种基于双曲嵌入的露天矿区暗光环境下多目标检测模型。首先,在模型的图像预处理阶段引入卷积神经网路Retinex-Net对暗图像进行增强,提高图像清晰度;然后,针对数据集中特征过多而无重点偏好的问题,在加强特征提取部分添加全局注意力机制,聚集3个维度上更关键的特征信息;最后,在检测模型预测阶段引入双曲全连接层,以减少特征丢失,并防止过拟合现象。实验结果表明:(1)基于双曲嵌入的露天矿区暗光环境下道路多目标检测模型不仅对露天矿区暗光环境下的大尺度目标具有较高的分类与定位精度,对矿用卡车及较远距离的小尺度目标即行人也可准确检测与定位,能够满足无人矿用卡车在矿区特殊环境下驾驶的安全需求。(2)模型的检测准确率达98.6%,检测速度为51.52帧/s,较SSD、YOLOv4、YOLOv5、YOLOx、YOLOv7分别提高20.31%,18.51%,10.53%,8.39%,13.24%,对于矿区道路上的行人、矿用卡车及挖机的检测精度达97%以上。

全自动运行列车主动防撞技术研究

为提高运行效率,越来越多的城市轨道交通应用了全自动无人驾驶技术,在没有司机瞭望的环境下,高可靠性的障碍物探测技术对保障行车安全至关重要。随着物联网、人工智能等新技术的发展,运用相机、雷达、红外、激光等检测手段,在列车上直接安装具备远距离障碍物检测和预警功能的主动防撞系统,将成为全自动无人驾驶的重要辅助手段之一。分析主流列车障碍物检测装置工作原理及性能,研究主动防撞系统的应用前景。

智慧城轨通用实时数据集成分析平台研究

随着城市轨道交通系统特别是全自动无人驾驶行车综合系统的快速发展,城市轨道交通行业对多个相关系统的信息融合、综合分析和智能控制要求愈加迫切。近年来以智能车站、智能调度、智能车场和智能运维为重点的全自动运行2.0智慧城轨系统应运而生、蓬勃发展。围绕以信号行车调度指挥系统为核心,分析多专业数据融合的必要性和需求场景,讨论既有系统技术架构优缺点,提出满足实际需求、适应行业发展方向的分析平台架构设计及应用前景。

地铁全自动ATS系统扩展智能运控新需求整合

随着城市轨道交通全自动驾驶在全国各地的快速推广,传统的ATS(Automatic Train Supervision)已经不能满足新运营场景下的特殊需求。为了给行车调度提供更加智能化的工作界面,针对现实的实际需求,经过多方位的沟通,实现了多专业界面设计、全景驾驶舱、智能调度功能提升、视频分析等需求的整合。需求的整合为后续智能运控的开发与使用奠定了基础。ATS系统扩展智能运控能有效整合相关专业的资源,提高行车调度人员的应急能力。