一种基于接触网及其附属器件的列车定位方法与流程

本发明属于列车定位的技术领域，具体涉及一种基于接触网及其附属器件的列车定位方法。

背景技术：

在轨道交通运输过程中，确定列车当前的位置对维护轨道交通的稳定运行十分重要。然而随着对列车定位精度的要求不断提高，当前列车的定位方法以及使用的定位设备均存在有较大的缺陷与不足。

通过轮轴计数器进行测距定位的方法中，随着列车行驶距离的增加计数器会因轮径误差、车轮蛇行打滑等原因导致测距误差逐渐变大，从而导致根据行驶距离得到的定位不准确；通过地面有源射频识别标签获得列车位置的方法中，由于信号的发射半径较大，导致定位误差较大；通过gps定位的方法中，定位效果依赖于gps信号强度，列车在隧道中或者地下运行时的定位效果极差；通过轨道电路的定位方法需要大量的建设和维护成本。

技术实现要素：

本发明的目的在于针对现有技术中的上述不足，提供一种基于接触网及其附属器件的列车定位方法，以解决现有列车定位精度低的问题。

为达到上述目的，本发明采取的技术方案是：

一种基于接触网及其附属器件的列车定位方法，其包括：

s1、基于接触网悬挂状态4c检测装置实时获取接触网设备的高清视频，对接触网中接触悬挂、附加悬挂、支撑装置、定位装置进行清晰成像；

s2、逐帧提取4c装置获取的高清视频，获取包含完整沿途所有接触网附属器件清晰图像，包括接触线、吊弦、承力索以及连接零件和绝缘子；

s3、对高清图像进行预处理，确定接触网附属器件区域；

s4、采用hog特征提取附属器件所在区域的特征；

s5、选取接触网附属器件区域样本中的10％作为验证样本，并与4c检测装置实时拍摄高清视频中的位置关联，获得图像与位置信息一一对应的检测样本库，并提取样本库图像的sift特征，作为图像识别部分的基准；

s6、当列车实时行驶过程中，利用车载电脑实时录取4c检测装置传输的视频信息，重复s1-s4得到接触网附属器件区域的图像，提取附属器件区域图像样本的sift特征与s5中的检测样本进行比对，进而对列车进行定位。

优选地，s2逐帧提取4c装置获取的高清视频，获取包含完整沿途所有接触网附属器件清晰图像，包括接触线、吊弦、承力索以及连接零件和绝缘子，包括：

根据高速工业相机的采样频率和车速，抽样提取含有接触网附属器件的高清图片；

设定列车运行速度为离散量，则跨越相邻支柱时间间隔δti为：

其中，f高速为高速工业相机的采样频率，v为列车实时运行速度，l为标准接触网支柱间隔；

计算列车行驶通过相邻支柱实时采集高清图像的数量ni：

ni＝δti·f高速

从ni中等间距地选取5张高清图片，ni为所选取图片的序号，则具体取值为：

ni＝0.2ni,0.4ni,0.6ni,0.8ni,ni

对列车经过相邻支柱的间隔时间内的所有图像进行5次均匀抽样。

优选地，s3对高清图像进行预处理，包括：

s3.1、利用灰度变化的公式对彩色图片进行处理：

g(x,y)＝0.299r(x,y)+0.587g(x,y)+0.114b(x,y)

其中，r(x,y)为红色分量；g(x,y)为绿色分量；b(x,y)为蓝色分量；g(x,y)为灰色图像，x和y分别为所变换像素点位置的横纵坐标；

s3.2、利用sobel算子对附属器件边缘轮廓进行加强；

sobel算子包含两组3x3的矩阵，分别为横向及纵向，将两组3x3的矩阵与图像作平面卷积，分别得到横向及纵向的亮度差分近似值gx和gy，其变换公式为：

其中，a为灰度图片信息，同时利用公式对图像中梯度的大小和方向进行计算：

并设置阈值gmax，若某点的梯度g大于gmax，则判断某点为边界点并设置为白点，否则某点设置为黑点；

s3.3、采用hough变换实现直线检测，对附属器件区域进行定位，将图像空间中共线的点映射到参数空间，利用局部峰值检测出直线参数后再映射到图像空间，得到图像直线检测结果；

设平面上有若干个点，过每个点的直线分别对应于极坐标上的一条正弦曲线，若正弦曲线有共同的交点(ρ,θ),则判断所述直线共线，对应于极坐标下的直线方程为：

ρ＝xcosθ+ysinθ；

其中，ρ和θ分别为极坐标下正弦曲线交点的极径和极角；

检测附属器件边缘所在直线的过程为：

依次遍历灰度图像a1中的所有像素，判断是否满足hough峰值数，若满足，则经过所述像素的所有直线区域的计数器加1；为得到经过某个像素的所有直线区域，依次用θ的所有可能取值根据式求出ρ的值，得到很多组(ρ，θ)，多组(ρ，θ)中满足要求的直线，即为接触网立柱的边缘。

优选地，s4中采用hog特征提取附属器件所在的区域的特征，包括：

s4.1、对接触网附属器件区域进行图像标准化；

i(x,y)＝i(x,y)^gamma

其中，i(x,y)为图像(x,y)位置处的像素值，gamma为压缩系数，取值为0.5；

s4.2、计算图像的梯度与方向，在图像的(x,y)位置，计算图像的水平方向的梯度g1x与垂直方向的梯度g1y，并计算得到每个像素位置的梯度方向值：

g1x(x,y)＝i(x+1,y)-i(x,y)

g1y(x,y)＝i(x,y+1)-i(x,y)

像素点(x,y)处的梯度幅值g1(x,y)和梯度方向α(x,y)分别为：

s4.3、划分单元格和区域，将图像分成多个单元格，给每个单元格构建梯度方向直方图，把多个单元组成的区域内归一化梯度直方图，收集hog特征。

优选地，s5中选取接触网附属器件区域样本中的10％作为验证样本，并与4c检测装置实时拍摄高清视频中的位置关联，获得图像与位置信息一一对应的检测样本库，并提取样本库图像的sift特征，作为图像识别部分的基准，包括：

s5.1、定义一个图像空间的尺度空间l(x,y,σ)是由可变尺寸的高斯函数g(x,y,σ)与输入图像的卷积得到：

l(x,y,σ)＝g(x,y,σ)*i(x,y)

其中，(x,y)是空间坐标，σ是尺度坐标，σ的大小决定图像的平滑程度；

采用高斯差分尺度空间，在尺度空间检测稳定的关键点：

d(x,y,σ)＝(g(x,y,kσ)-g(x,y,σ))*i(x,y)＝l(x,y,kσ)-l(x,y,σ)

其中，d是两个相邻的尺度的差,即两个相邻的尺度在尺度上相差一个相乘系数k；

s5.2、空间极值点检测，寻找尺度空间极值点，将每一个采样点和其所有相邻点比较，若采样点大于或者小于所有相邻点时，则所述采样点为尺度空间极值点；

s5.3、去掉局部曲率明显不对称的像素；

s5.4、稳定关键点方向信息匹配；

优选地，s5.4中稳定关键点方向信息匹配，包括：

通过求取每个极值点的梯度实现方向的分配；

对于任一关键点，计算其梯度幅值m(x,y)和方向θ(x,y)为：

通过计算以关键点为中心的邻域内所有点的梯度方向得出梯度方向直方图进而确定当前关键点的主方向。

优选地，s6当列车实时行驶过程中，利用车载电脑实时录取4c检测装置传输的视频信息，重复s1-s4得到接触网附属器件区域的图像，提取附属器件区域图像样本的sift特征与s5中的检测样本进行比对，进而对列车进行定位，包括：

s6.1、通过计算两组特征点的128维的关键点的欧式距离实现sift特征值比对；

s6.2、若欧式距离越小，则相似度越高；当欧式距离小于设定的阈值时，判定为匹配成功，进而判断得到列车是否已经到达一个接触网定位点，并对列车进行定位。

本发明提供的基于接触网及其附属器件的列车定位方法，具有以下有益效果：

本发明利用列车接触网悬挂状态检测检测装置和列车左右两侧的接触网附属器件特征进行定位，简单方便，成本低，受列车运行环境的影响较小；同时，本发明能够很好地解决传统定位方法中存在的定位误差较大，定位间隔大而存在较大的定位盲区的问题，对接触网立柱特征的识别率高且识别速度快，能够实现对列车位置的快速精确定位。

附图说明

图1为基于接触网及其附属器件的列车定位方法的原理框图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

根据本申请的一个实施例，参考图1，本方案的基于接触网及其附属器件的列车定位方法，包括：

s1、基于接触网悬挂状态4c检测装置实时获取接触网设备的高清视频，对接触网中接触悬挂、附加悬挂、支撑装置、定位装置进行清晰成像；

s2、逐帧提取4c装置获取的高清视频，获取包含完整沿途所有接触网附属器件清晰图像，包括接触线、吊弦、承力索以及连接零件和绝缘子；

s3、对高清图像进行预处理，确定接触网附属器件区域；

s4、采用hog特征提取附属器件所在区域的特征；

s5、选取接触网附属器件区域样本中的10％作为验证样本，并与4c检测装置实时拍摄高清视频中的位置关联，获得图像与位置信息一一对应的检测样本库，并提取样本库图像的sift特征，作为图像识别部分的基准；

s6、当列车实时行驶过程中，利用车载电脑实时录取4c检测装置传输的视频信息，重复s1-s4得到接触网附属器件区域的图像，提取附属器件区域图像样本的sift特征与s5中的检测样本进行比对，进而对列车进行定位。

根据本申请的一个实施例，以下将对上述步骤进行详细描述。

步骤s1、利用接触网悬挂状态检测装置(4c)实时获取接触网设备的高清视频，对接触网中接触悬挂、附加悬挂、支撑装置、定位装置及其他周围进行清晰成像。

步骤s2、对于4c装置获取的高清视频进行逐帧提取，获取包含完整沿途所有接触网附属器件清晰图像，包括接触线、吊弦、承力索以及连接零件和绝缘子，其具体包括：

考虑高速工业相机的采样频率和车速，抽样提取含有接触网附属器件的高清图片。

假设f高速表示高速工业相机的采样频率，v为列车实时运行速度，l为标准接触网支柱间隔，若忽略其他影响因素，并考虑列车运行速度为离散量，则：

跨越相邻支柱时间间隔为：

列车行驶通过相邻支柱实时采集高清图像数量：

ni＝δti·f高速(2)

从ni中等间距地选取5张高清图片，ni为所选取图片的序号，则具体取值方案为：

ni＝0.2ni,0.4ni,0.6ni,0.8ni,ni(3)

通过对列车经过相邻支柱的间隔时间内的所有图像进行5次均匀抽样，保证能够获取最佳检测视角的高清接触网图像并能大幅节约检测识别所消耗的时间。

步骤s3、对高清图像进行预处理，确定接触网附属器件区域，以提高下一步处理的精度和速率，其具体步骤包括：

步骤s3.1、采用灰色变换，将4c转置采集的彩色图片转化为灰度图，过滤无关信息，包括：

利用灰度变化的公式对彩色图片进行处理：

g(x,y)＝0.299r(x,y)+0.587g(x,y)+0.114b(x,y)(4)

其中，r(x,y)为红色分量；g(x,y)为绿色分量；b(x,y)为蓝色分量；g(x,y)为灰色图像。

步骤s3.2、利用sobel算子对附属器件边缘轮廓进行加强，方便对附属器件区域的提取。

该算子包含两组3x3的矩阵，分别为横向及纵向，将两组3x3矩阵与图像作平面卷积，分别得出横向及纵向的亮度差分近似值gx和gy，变换公式如下：

其中，a为灰度图片信息，同时利用公式对图像中梯度的大小和方向进行计算：

并设置合适的阈值gmax，如果某点的梯度g大于gmax，则该点认为是边界点并设置为白点，否则该点设置为黑点：

步骤s3.3、采用hough变换实现直线检测，对附属器件区域进行定位，其基本原理是将图像空间中共线的点映射到参数空间，利用局部峰值检测出直线参数后再映射到图像空间，得到图像直线检测结果。

设平面上有若干个点，过每个点的直线分别对应于极坐标上的一条正弦曲线。若这些正弦曲线有共同的交点(ρ,θ),则这些直线共线，对应于极坐标下的直线方程表示为：

ρ＝xcosθ+ysinθ(10)

检测附属器件边缘所在的直线的过程为：

依次遍历灰度图像a1中的所有像素，判断是否满足hough峰值数。若满足，则经过该像素的所有直线区域的计数器加1。为了得到经过某个像素的所有直线区域，依次用θ的所有可能取值(θ取值范围为-90°～90°)根据式求出ρ的值，从而得到很多组(ρ，θ)，就对应了满足要求的直线，即为接触网立柱的边缘。

步骤s4、对于处理好的附属器件区域图像，采用hog特征提取实现对附属器件所在的区域的特征提取，其具体包括：

步骤s4.1、对接触网附属器件区域进行图像标准化：

i(x,y)＝i(x,y)^gamma(11)

其中，i(x,y)为图像(x,y)位置处的像素值，gamma表示压缩系数，通常取值为0.5。

步骤s4.2、计算图像的梯度与方向：

在图像的(x,y)位置，计算图像的水平方向的梯度g1x与垂直方向的梯度g1y，并据此得出每个像素位置的梯度方向值：

g1x(x,y)＝i(x+1,y)-i(x,y)(12)

g1y(x,y)＝i(x,y+1)-i(x,y)(13)

像素点(x,y)处的梯度幅值g(x,y)和梯度方向α(x,y)分别为：

步骤s4.3、划分单元格和区域，将图像分成多个单元格，给每个单元格构建梯度方向直方图，把多个单元组成的区域内归一化梯度直方图，然后即可收集hog特征。

步骤s5：从上述接触网附属器件区域样本中选取10％作为验证样本，并与4c检测装置实时拍摄高清视频中的位置关联，获得图像与位置信息一一对应的检测样本库；并提取样本库图像的sift特征，作为后续图像识别部分的基准。

提取sift特征的具体步骤为：

步骤s5.1、尺度空间极值检测：

一个图像空间的尺度空间定义为l(x,y,σ)是由可变尺寸的高斯函数g(x,y,σ)与输入图像的卷积得到：

l(x,y,σ)＝g(x,y,σ)*i(x,y)(16)

其中，(x,y)是空间坐标，σ是尺度坐标，σ的大小决定图像的平滑程度。

为了有效的在尺度空间检测到稳定的关键点，采用高斯差分尺度空间：

d(x,y,σ)＝(g(x,y,kσ)-g(x,y,σ))*i(x,y)＝l(x,y,kσ)-l(x,y,σ)(17)

d是两个相邻的尺度的差,即两个相邻的尺度在尺度上相差一个相乘系数k。

步骤s5.2、空间极值点检测，为了寻找尺度空间的极值点，每一个采样点要和其所有相邻点比较，看其是否比它的图像域和尺度域的相邻点大或者小。

步骤s5.3、除去不好的特征点，去掉局部曲率非常不对称的像素。

步骤s5.4、稳定关键点方向信息匹配：

方向的分配是通过求每个极值点的梯度来实现的。

对于任一关键点，其梯度幅值和方向为：

通过计算以关键点为中心的邻域内所有点的梯度方向得出梯度方向直方图来确定当前关键点的主方向。

步骤s5.5、关键点描述，对关键点周围像素区域分块，计算快内梯度直方图，生成具有独特性的描述子。

步骤s6、列车实时行驶过程中，利用车载电脑实时录取4c检测装置传输的视频信息，重复步骤s1,s2,s3,s4得到接触网附属器件区域的图像，提取附属器件区域图像样本的sift特征与步骤5中的检测样本进行比对,其检测过程如下：

步骤s6.1、通过计算两组特征点的128维的关键点的欧式距离实现sift特征值比对；

步骤s6.2、欧式距离越小，则相似度越高，当欧式距离小于设定的阈值时，可以判定为匹配成功，则可以进一步判断列车是否已经到达一个接触网定位点，从而对列车进行定位。

本发明基于图像处理和识别算法，对于铁路接触网及其附属器件行识别，精准定位列车位置，同时，本发明利用接触网悬挂状态检测装置(4c)对接触网设备进行高清成像，接着对提取图像进行预处理，即先对原始彩色图像进行灰度化，并利用hog特征描述法实现对于图像中接触网立柱标识牌及其他特征区域的定位提取，最后采用sift特征值比对进行识别，确定对应附属器件所在位置，精确定位当前列车行驶位置。

本发明利用列车接触网悬挂状态检测检测装置和列车左右两侧的接触网附属器件特征进行定位，简单方便，成本低，受列车运行环境的影响较小；同时，本发明能够很好地解决传统定位方法中存在的定位误差较大，定位间隔大而存在较大的定位盲区的问题，对接触网立柱特征的识别率高且识别速度快，能够实现对列车位置的快速精确定位。

虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通，为大家解决相关问题。

此文章来源于网络,如有侵权,请联系删除