【智慧交通案例分享】南方高铁激光雷达路端轨道异物侵限智能监测系统

Coovally AI模型快速验证

已于 2024-12-27 17:03:41 修改

阅读量1.2k

点赞数 29

文章标签：目标跟踪计算机视觉人工智能数据库开源算法

于 2024-12-27 16:03:15 首次发布

本文链接：https://blog.csdn.net/CooVally_AI/article/details/144768056

版权

前言

列车轨道异物侵限多发于公路跨铁路地段、公路与铁路并行紧邻地段、施工路段附近、铁路正线以及山区中可能发生坍塌落石地段，具有突发性、无规律性和不可预测性的特点。针对不明掉落物、人员入侵等严重威胁到轨道交通运营安全的问题。

传统的轨道侵限异物入侵检测方法主要依赖于人工巡检和传感器监测，但这些方法存在一些局限性。首先，人工巡检需要大量的人力和时间投入，效率低下且容易出现疏漏。其次，传感器监测技术虽然能够实时监测轨道状态，但在异物入侵检测方面存在一定的局限性，如对小尺寸、低对比度的异物检测效果不佳。因此，需要一种更加高效准确的轨道侵限异物入侵检测方法来提高轨道交通系统的安全性和运营效率。

深度学习作为一种基于人工神经网络的机器学习方法，具有强大的特征学习和模式识别能力，已经在图像识别、语音识别、自然语言处理等领域取得了显著的成果。基于深度学习的轨道侵限异物入侵检测系统能够通过学习大量的轨道图像数据，自动提取图像特征并进行异物检测，从而实现对轨道侵限异物的准确识别和及时报警。

依托领先的激光雷达感知技术，南方高铁根据轨道异物侵限的特点，推出了可定点安装于轨道路侧的激光雷达轨道线路异物侵限监测系统。

本方案设计核心基于激光雷达可快速、准确、大量的获取防护区域里出现的异物的位置点云数据，通过对点云数据进行预处理、匹配视觉传感器，即时精准抓取障碍物的体积和位置信息，并将险情及时通过终端显示软件、报警器等，为驾驶员及时提通报预警信号，从而有效规避事故发生。

系统组成

南方高铁激光雷达路端轨道异物侵限监测系统，根据列车运行环境，可安装于轨道异物侵限多发地段及月台周边，通过对高危区域进行全天时智能监测，及时对异物入侵进行预警，可有效提高险情处理效率。

本系统主要由激光雷达、摄像头、数据采集及处理算法单元、工控机处理器模块、信息分发传输核心控制单元、告警系统及远端服务器组成。通过雷达获取轨道的点云数据后进行算法分析和处理。首先采集并保存背景信息，系统启动后刷新探测区域内的点云并与背景信息比对，通过比对信息差异，提取差异点进行障碍物尺寸信息分析。当尺寸大于阈值时，系统发出报警，实现从监测-数据处理-报警的整体系统搭建。

系统架构图如下：