公开/公告号CN112765392A
专利类型发明专利
公开/公告日2021-05-07
原文格式PDF
申请/专利权人 北京全路通信信号研究设计院集团有限公司;
申请/专利号CN202110375009.0
申请日2021-04-08
分类号G06F16/583(20190101);G06F16/587(20190101);G06F16/29(20190101);
代理机构11594 北京知联天下知识产权代理事务所(普通合伙);
代理人张迎新;史光伟
地址 100070 北京市丰台区丰台科技园汽车博物馆南路1号院B座7层
入库时间 2023-06-19 10:54:12
技术领域
本发明属于列车定位领域,特别涉及一种基于图像匹配的高铁列控定位方法及其系统。
背景技术
当前为铁路列控系统提供测速测距服务的是一套组合的多维的测速测距系统,包含了速度传感器、测速雷达、加速度传感器、应答器、轨道电路、计轴器等。通过以上几种的组合为列控车载系统提供了高安全测速测距功能,保障了列车的安全,但也因此造成了铁路列控系统测速测距成本代价高昂,面对如此众多的传感设备,不但增加了开发成本,还增加技术集成难度,也增加了列车的安装难度。
为了解决测速测距带来高成本问题,现在的列控系统研究人员正在尝试采用卫星定位技术替代传统的列车定位技术,并取得一定成果。
但是卫星定位技术对于高铁的应用仍然存在一定的局限性,比如在川藏铁路中,由于一半以上的线路是隧道,卫星定位技术就没有使用的必要性。在穿越城市地下的高铁线路中,卫星定位技术也存在局限性。
因此,找到普适的不依赖于地形,又能降低定位基础设备成本的定位技术手段是列控技术未来的发展的必然选择。
图像匹配技术的快速发展,利用图像技术进行身份识别、智能分析等各种各样技术层出不穷,阿尔法狗通过人工智能赢得了世界冠军等,都说明图像技术已经可以很成熟的应用于生活的方方面面。身份识别应用于银行等金融领域说明其安全性也得到成熟的验证。图像技术在高铁上也有所应用,高铁系统中为了实现列车的防碰撞功能,安装了摄像头、毫米波雷达用于获取列车前方路况,而在远程控制系统中也采用图像识别功能。
虽然图像识别没有在安全领域有所应用,但在列车驾驶中起到了一定作用,这无疑为图像匹配技术在高铁列控定位中的应用提供技术经验和积累。本发明基于图像技术的快速发展,针对当前列控定位技术中存在的一些问题,提出了一种解决列车定位问题的新方法。
发明内容
针对上述问题,本发明公开了一种基于图像匹配的高铁列控定位方法
所述定位方法包括以下步骤:
第一步:建立初始三维电子地图数据库;
第二步:列车初始定位,列车根据初始特征点确定初始位置;
第三步:连续定位,根据初始特征点和所述初始特征点链接的下一个特征点的位置,提前做好图像获取准备;
第四步:将获得的图像数据化处理后与初始三维电子地图数据库中特征点数据匹配,匹配合格执行第五步;若匹配不合格,将匹配不合格的特征点进行更新;
第五步:获取地理坐标,形成列车位置。
进一步地,所述初始特征点位于车站内。
进一步地,
所述第一步中,建立初始三维电子地图数据库的方法包括如下步骤:
S1:建立特征点获取模型,λ=F(x)/L,L=C/t;
S2:用高速摄像机获取列车运行途中地形图像;
S3:根据特征点获取模型进行特征点筛选;
S4:在筛选后的所述特征点之间建立链接;
S5:将链接后的特征点数据存储在所述初始三维电子地图数据库中,生成所述初始三维电子地图数据库;
其中,
λ表示辨识度,x表示对应的具体每一个点每一时刻列车运行的距离,F(x)表示在距离为x时的图像的平均反射高度,L表示列车运行距离,C为常量,t为列车运行经过该特征点的时间。
进一步地,列车通过首次慢速运行,获取沿途特征点数据,建立初始三维电子地图数据库,在获得完整的初始三维电子地图数据库后,列车逐步提升速度,进行初始三维电子地图数据库的验证。
进一步地,在生成所述初始三维电子地图数据库时,测量每个特征点距离初始特征点的距离,建立一个特征点与下一个特征点和再下一个特征点之间的链接,并将链接信息存储于所述初始三维电子地图数据库。
进一步地,所述步骤S3中,特征点筛选是通过先设置λ
进一步地,所述第一步中,建立三维电子地图数据库的方法包括如下步骤:
A1:设置特征点匹配度阈值P;
A2:在列车行进过程中通过高速摄像机获取图像,将图像中特征点数据与初始三维电子地图数据库中特征点数据进行匹配;
A3:若匹配的匹配度大于等于P则保存原特征点,小于P则更新该特征点;
A4:将更新后的特征点数据继续匹配,若匹配成功将新的特征点数据存储在三维电子地图数据库中,否则持续匹配。
进一步地,当特征点数据匹配度小于P时,根据多列列车相同特征点匹配度综合分析确认该特征点是否更新。
本发明还公开了一种基于图像匹配的高铁列控定位系统
所述定位系统包括初始三维电子地图数据库模块、图像获取模块、图像处理模块、特征点匹配模块和三维电子地图数据库模块;
其中,
所述初始三维电子地图数据库模块,用于存储初始三维电子地图数据;
所述图像获取模块,用于采集列车运行过程中沿途的地形图像;
所述图像处理模块,用于将所述图像获取模块采集的图像进行数据化解析,并将解析后的图像数据信息进行存储;
所述特征点匹配模块,用于存储特征点匹配度阈值P,并将解析后的图像数据信息进行调取并进行特征点匹配;
所述三维电子地图数据库模块,用于存储三维电子地图数据。
进一步地,所述初始三维电子地图数据包括列车未正式运行前工程列车慢速运行采集的特征点数据以及与特征点对应的地理坐标。
进一步地,所述定位系统还包括电子地图数据结构的构建系统,用于构建基于图像匹配的电子地图数据结构。
本发明的有益效果:
本发明通过高速摄像机获取列车行进过程中沿线具有明显特征的地理建筑或地形为特征点,通过引入辨识度λ,使得特征点的筛选更为快速;并与存储于三维电子地图数据库中的特征点数据进行比较,获得该特征点所在的地理位置,从而实现列车定位;
本发明通过构建初始三维电子地图数据库,并在列车行进过程中不断更新得到更为完善的三维电子地图数据库,使得列车定位更为准确。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本发明实施例的列车高铁列控定位方法的流程图;
图2示出了本发明实施例中特征点获取模型关系示意图;
图3示出了本发明实施例的电子地图数据结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地说明,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种基于图像匹配的高铁列控定位方法及其系统,该方法利用图像匹配技术,通过图像匹配算法,结合列车基于轨道的特征运输方式,实时获取铁路沿线的三维环境特征点,并与初始三维电子地图数据库中特征点进行匹配,获取特征点地理坐标,从而确定列车的位置。
请参照图1,本发明高铁列控定位方法包括以下步骤:
第一步:建立初始三维电子地图数据库
在线路开始运营前,通过工程列车慢速运行,沿途采集线路的关键特征点,在获得完整的初始三维电子地图数据库后,建立初始三维电子地图数据库列车逐步提升速度,形成相应速度等级,新车加入时,同步至新车。
同时,在生成初始三维电子地图数据库时,要测量每个特征点距离初始特征点的距离,建立相邻特征点或者是相邻两个特征点之间的链接关系,以便列车在获取特征点后,知道列车所在的绝对位置和距离起始点的距离。
第二步:初始定位
在初始三维电子地图数据库建立以后,可以通过获取站内特征点,根据站内特征点确定列车当前所处轨道的绝对位置,从而获得初始的列车位置。
由于初始特征点一般在站内,比较容易获取,且容易观察方便更换。
第三步:连续定位(区间定位和特征点获取)
由于初始三维电子地图数据库中的每一个特征点都链接了下一个特征点的具体位置,当列车快要到达下一个特征点,提前让高速摄像机做好准备,一旦到达,立即获得图像,如果在该位置到来时,获得的图像失败,则认为该特征点获取不成功,然后继续找下一个特征点。
第四步:特征点匹配
设置特征点匹配度阈值,若匹配度大于等于阈值,则认为该特征点匹配合格,执行第五步。
第五步:获取地理坐标,形成列车位置。
根据特征点所处位置获取当前地理坐标,形成列车当前所处位置。
另外若特征点匹配不合格,则将匹配不合格的特征点数据进行更新,并将更新后的特征点数据形成电子地图数据库。
特征点是有一定明显特征的点,特征点的选取能够与环境进行明显的区分,这样选出来的特征点才能够在后续捕获过程中,更好的进行辨识,实现快速捕捉。为了减少因测速测距导致施工调试工作量,采用边生成、边识别的方法进行特征点获取。
建立初始三维电子地图数据库的方法如下:
S1:建立特征点获取模型,λ=F(x)/L,L=C/t;
S2:用高速摄像机获取列车运行途中地形图像;
S3:根据特征点获取模型进行特征点筛选,特征点筛选通过先设置λ
S4:在筛选后的特征点之间建立链接;
S5:设置特征点匹配阈值,大于阈值则认为匹配成功,小于阈值进一步更新该特征点,将新的特征点进行存储。
请参照图2,x表示对应的具体每一个点每一时刻列车运行的距离,F(x)表示在距离为x时的图像的平均反射高度,L表示列车运行距离,L的长度与时间成反比:L=C/t,其中C为常量,t为列车运行经过该特征点的时间。
建立三维电子地图数据库的方法包括如下步骤:
A1:设置特征点匹配度阈值P,匹配度阈值P根据实际应用效果确定;
A2:在列车行进过程中通过高速摄像机获取图像,将图像中特征点数据与初始三维电子地图数据库中特征点数据进行匹配;
A3:若匹配的匹配度大于等于P则保存原特征点,小于P则更新该特征点;
A4:将更新后的特征点数据继续匹配,若匹配成功将新的特征点数据替代所述初始三维电子地图存储在三维电子地图数据库中,否则持续匹配。
特征点匹配度小于阈值时,判断是否是由于地面环境发生改变而导致,将该特征点数据发送至三维电子地图数据库存储,等待后续列车辨识,综合多列列车相同特征点综合分析,如果多数列车都认为该点为环境改变,三维电子地图数据库根据表决机制更新旧的特征点;旧的特征点更新后,新的特征点要持续匹配,如果匹配成功,则新的特征点成立。
本发明还公开了一种基于图像匹配的高铁列控定位系统
该定位系统包括初始三维电子地图数据库模块图像获取模块、图像处理模块、特征点匹配模块和三维电子地图数据库模块;
初始三维电子地图数据库模块,用于存储初始三维电子地图数据,初始三维电子地图数据包括列车未正式运行前工程列车慢速运行采集的特征点数据以及特征点对应的地理坐标;
图像获取模块,用于采集列车运行过程中沿途的地形图像;
图像处理模块,用于将所述图像获取模块采集的图像进行数据化解析,并将解析后的图像数据信息进行存储;
特征点匹配模块,用于存储特征点匹配度阈值P,并将解析后的图像数据信息进行调取并进行特征点匹配;
三维电子地图数据库模块,用于存储三维电子地图数据,包括更新后的特征点数据以及特征点对应的地理坐标。
本发明为了提高高速摄像机获取图像的成功率,通过存储天气因素、光线因素以及背景条件,确定高速摄像机在拍摄时对应的拍摄条件,从而更好的滤除拍摄干扰,获得更优化的三维特征点。为了能够实现图像识别后与电子地图的匹配,本发明提出一种电子地图数据结构,该数据结构的构建方法包括以下步骤:
选定列车行车路段,将路段区段信息以数据化形式进行存储;
确定特征点的属性,并根据特征点的属性制定不同的附加属性,特征点包括一般点和特殊点,一般点为在正常地形的特征点,正常地形包括城市,特殊点表示在特殊地形的特征点,特殊地形包括隧道、车站、桥梁和草原,对于特殊点到来之前会设置相应的提醒设置,让列车提前准备相应背景下的图像获取条件;
存储特征点之间的链接关系并存储特征点之间的距离误差范围,建立特征点之间的链接关系具体指的是建立特征点与下一特征点和下二特征点之间的实际距离关系和误差距离;
储存焦距、天气、光线和滤镜信息,并将各种信息的具体形式以对应的数字形式存储,天气因素包括雨天、雾天、雪天、阴天和晴天,光线因素包括白天光线、强光光线、夜晚光线和傍晚光线,滤镜信息包括草原背景、隧道背景和森林背景;
将上述信息以数据化形式编码形成一个电子地图数据结构,可以在列车运行过程中自动运行。
上述步骤之间不存在绝对的顺序关系,可以在上述步骤中加入其他操作,并不仅限于上述步骤。
本发明还提出了一种基于图像匹配的电子地图数据结构的构建系统,用于构建基于图像匹配的电子地图数据结构。
该构建系统包括路段信息存储单元、特征点单元、外部因素存储单元、数据结构编码单元;
路段信息存储单元,用于将路段区段信息以数据化形式进行存储;
特征点单元,用于将特征点属性信息以及附加属性信息以数据化形式进行存储,特征点单元的特征点数据化存储之前对特征点图像进行数据提取,再将提取的图像数据进行存储;
特征点单元,还用于存储特征点之间的链接关系及特征点之间的距离误差;
外部因素单元,用于存储焦距、天气、光线和滤镜各种影响获取图像的外部因素;
数据结构编码单元,用于将路段信息存储单元、特征点单元和外部因素存储单元存储的数据信息进行整体编码形成一个完整的电子地图数据结构。
请参照图3,示例性地对上述电子地图数据结构进行说明。
列车从A站到B站,假设有4个特征点,实际上列车运行过程中特征点数目很多。特征点1为初始特征点,以特征点1为列车起始点。
则线路数据结构如下:
Line:A-B
Section:section1
Feature1:2(一般点,对应图中特征点2)
P_ABB:0(0:一般点;1:车站;2:隧道;3:桥梁;4:草原)
D_Start:100(距离Seciton1起始点距离100米)
Feature points{1111 2222 3333 4345 5544 6677 88899 2345 4555 55003223 3333 4567 5678 6970.......}图像匹配特征点(此处数据代表该处特征点图像数据,与具体图像数据有差异,此处仅是示例性列出)
D_LFP: 0(表示无链接特性,本特征点没有被上一个特征点链接)
D_NFP:500(距下一特征点距离500米)
D_NFP error:5(距下一特征点距离误差+/- 5米)
D_NSP : 1500(距下二特征点距离1500米)
D_NSP error:10(距下二特征点距离误差+/-10米)
PS_Spc:2(下一特征点滤镜,2表示隧道背景)
Focus:2(下一特征点2倍焦距)
Weather:1(当前区段天气情况:1-雨天,2-雾天,3-晴天,4-阴天)
Light:1(当前为:1-白天,2-傍晚,3-夜晚)
Feature2:3(对应图中特征点3)特征点属性(特殊点)
P_ABB:2(0:一般点;1:车站;2:隧道;3:桥梁;4:草原)
D_Start:600(区段起始点距离600米)
Feature points{ }图像匹配特征点
D_LFP:500(距上一特征点距离500米)
D_NFP:1000(距下一特征点距离1000米 )
D_NFP error:10(距下一特征点距离误差+/-10米)
D_NSP :1500(距下二特征点5的距离)
D_NSP error:10(距下二特征点距离误差+/-10米)
PS_Spc:4(下一特征点滤镜:4表示:草原背景)
Focus:2(下一特征点2倍焦距)
Weather:1(当前区段天气情况:1-雨天,2-雾天,3-晴天,4-阴天)
Light:1(当前为:1-白天,2-傍晚,3-夜晚)
Section2:
…………………………………………………………………………
END
当列车获取得到特征点2的特征时,与上述Feature points(特征点) 数据进行比较,相似度大于75%,比较成功,确定当前位置,根据列车所处地形及当时天气、光线等因素的不同调取不同的图像拍摄条件以获得更优化的特征点。上述电子地图数据结构中数据均为示例性展出,并非定值,具体可视现实情况相应调整。
尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
机译: 一种图像匹配方法,以及用于执行图像匹配处理的算术系统
机译: 利用基于区域和基于边界的图像匹配进行图像查询的方法和系统
机译: 基于模型的编码系统中基于全景图像的人脸图像匹配方法