-
公开(公告)号：CN119493133A
公开(公告)日：2025-02-21
申请号：CN202411644536.7
申请日：2024-11-18
Applicant: 北京交通大学
IPC: G01S17/931 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种使用激光雷达的列车前向障碍物侵限检测方法及系统，属于列车运行障碍物检测技术领域，获取激光雷达的实时点云数据；使用预先训练的前向障碍物检测模型处理激光雷达输入的实时点云数据，检测列车运行前向的障碍物，得到障碍物的三维边界框和点云；其中，使用L型主干特征提取网络和跨维度自动编码网络构建列车前向障碍物检测算法，输入训练数据集训练，得到前向障碍物检测模型。本发明考虑了列车前向运行环境点云的空间分布形态，避免了无用特征的重复提取，在不损失输出特征映射大小的情况下增加了感受野的大小，获得了高分辨率的语义特征；实现了不同维度的高层特征与浅层特征之间的信息交互，从而增强了特征的位置语义信息。
-
公开(公告)号：CN119445204A
公开(公告)日：2025-02-14
申请号：CN202411438212.8
申请日：2024-10-15
Applicant: 北京交通大学
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06V10/22 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种受电弓异常检测方法及系统，属于基于计算机视觉的受电弓异常检测技术领域，获取受电弓图像；利用预先训练好的异常检测模型对获取的受电弓图像进行处理，得到检测结果，获取可靠性较强的异常二维矩形坐标框信息，实现对受电弓大火花、结构异常、异物三类异常的精准检测。本发明利用排除脏污干扰的受电弓定位方法，解决了因复杂环境干扰造成的受电弓异常检测精度低的问题。借助视觉大模型自动化生成数据集，不再需要耗费大量的人力物力，并在受电弓异常检测实现过程中使用深度学习神经网络方法，不需要人工调整参数，实现了完全的自动化和智能化。同时额外增加了检测结果可靠性的判别，弥补了AI算法带来的可信缺陷，提高了检测精度。
-
公开(公告)号：CN117437208B
公开(公告)日：2024-08-13
申请号：CN202311495987.4
申请日：2023-11-10
Applicant: 北京交通大学
IPC: G06T7/00 , G06T7/73 , G06V10/26 , G06V10/75 , G06V10/774 , G06V10/30 , G06N3/0464 , G06N3/0895 , G06V10/80
Abstract: 本发明提供一种使用多传感器融合的轨道异常检测方法及系统，属于基于计算机的轨道异常检测技术领域，包括：步骤1：扫描轨道场景，获取待检测的视觉图像和结构光深度图像；步骤2：使用实例分割算法，对轨道上的异常进行预检测，得到已知异常和部分未知异常检测结果的边界框和掩膜；步骤3：使用半监督的异常检测算法，对异常进行再检测，尤其关注未知的异常，得到未知异常检测结果的边界框和掩膜；步骤4：基于掩膜，将两次检测的结果在决策级上进行匹配融合，并进行非极大值抑制后处理，得到最终结果。本发明解决了轨道异常检测算法受未知异常侵入导致的误报和漏报，实现了无预先定义异常类别范围情况下的轨道异常的准确检测。
-
公开(公告)号：CN117622262B
公开(公告)日：2024-07-09
申请号：CN202311541463.4
申请日：2023-11-15
Applicant: 北京交通大学
IPC: B61L25/02
Abstract: 本发明提供一种列车自主感知定位方法及系统，属于列车自主感知定位技术领域，提取立体图像对中目标的位置边界框；关联立体图像对中同一目标的边界框生成最小包围的自适应锚框，估计深度值；利用滑动窗口筛选待匹配的轨迹，对包含相同目标的轨迹对分配相同的ID；关联地标的深度信息和ID，估计传感器在两帧时间内的运动，估计列车的瞬时速度，并通过时间积分计算得到列车的位移值，匹配数字轨道拓扑地图推算列车在全线的位置，结合列车瞬时速度判断线路关键位置，并对列车的推算位置进行校正。本发明减少了对地面设备的依赖，提高灵活性和可靠性，可以应对地面设备故障或覆盖不足的情况，并为列车的自主运行和导航提供了技术支持。
-
公开(公告)号：CN111160125B
公开(公告)日：2023-06-30
申请号：CN201911267535.4
申请日：2019-12-11
Applicant: 北京交通大学
IPC: G06V20/52 , G06V20/40 , G06V10/28 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种基于铁路监控的铁路异物入侵检测方法。该方法包括：利用已知的铁路场景下的监控视频的包含异物入侵的原始图像训练YOLOv3，得到训练完成的模型权重，获取待监测的铁路场景下的监控视频，从监控视频中提取一系列的待监测的原始图像，通过现有的高斯混合模型对待监测的原始图像进行处理，输出的二值图像依次使用形态学处理、阈值自适应和非极大值抑制算法处理，获取包含异物入侵的图像区域；将包含异物入侵的图像区域输入YOLOv3中，该YOLOv3根据训练完成的模型权重输出相应的原始图像中的异物类型和异物定位位置信息。本发明降低了高斯混合算法带来的误报率，提高了YOLOv3算法在远距离目标或和小目标上的检测效果，可以有效地监测出铁路异物入侵。
-
Patent Agency Ranking
公开(公告)号：CN114581861A
公开(公告)日：2022-06-03
申请号：CN202210205004.8
申请日：2022-03-02
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于深度学习卷积神经网络的轨道区域识别方法。该方法包括：获取不同场景下含轨道区域的图像，组成轨道图像数据集；构建轨道区域识别网络模型，该轨道区域识别网络模型包括多个卷积层和上采样层，利用轨道图像数据集对轨道区域识别网络模型进行训练，得到训练好的轨道区域识别网络模型；使用训练好的轨道区域识别网络模型对待识别场景下的轨道区域进行识别，得到待识别场景下的轨道区域的识别结果。本发明方法在深度残差卷积神经网络可以更加有效地提取到图像特征，深层特征与浅层特征的融合使得提取的轨道边界更加清晰，轻量化模型的运行环境更加具有普适性，适用于不同场景和不同尺寸下的轨道区域场景图像。
-
公开(公告)号：CN109801232A
公开(公告)日：2019-05-24
申请号：CN201811611677.3
申请日：2018-12-27
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于深度学习的单幅图像去雾方法。该方法包括：获取室内外合成雾和真实雾的数据集，该数据集包括：训练集、测试集和验证集；构造基于残差网络(Residual Network)的端到端(end-to-end)的深度卷积神经网络，将所述训练集和验证集输入所述深度卷积神经网络并训练模型，达到最大迭代次数后训练结束，获取所述深度卷积神经网络在本次迭代中的最优模型，用测试集测试所述深度卷积神经网络和最优模型的去雾效果；利用深度卷积神经网络和最优模型对待去雾的有雾图像进行去雾处理，得到无雾图像。本发明的方法对不同浓度的合成雾图和室外真实雾图实现了端到端的恢复图像清晰化和可视化，具有不错的去雾效果和实际应用价值。
-
公开(公告)号：CN119598652B
公开(公告)日：2025-05-09
申请号：CN202411644839.9
申请日：2024-11-18
Applicant: 北京交通大学
Abstract: 本发明提供一种面向车轨协同的轨道交通线路监控传感器布设优化方法及系统，属于轨道交通系统监控优化技术领域。基于监控传感器感知算法对异常事件的感知准确率，确定车轨协同下监控传感器对异常事件的联合感知准确率；根据车轨协同下监控传感器对异常事件的联合感知准确率，计算轨旁监控传感器的布设间距和布设数量；根据感知准确率阈值允许的最大监控传感器布设间距，对区域交界处距离较近的轨旁监控传感器进行优化。本发明充分考虑了监控传感器感知边界、感知准确率、布设成本等因素，并针对区域交界处轨旁监控传感器太近而造成的资源浪费现象，在保证监控传感器对于线路异常事件高感知准确率的前提下有效降低了监控传感器布设成本，更加经济。
-
公开(公告)号：CN119495061A
公开(公告)日：2025-02-21
申请号：CN202411416319.2
申请日：2024-10-11
Applicant: 北京交通大学
IPC: G06V20/54 , G06V10/26 , G06V10/22 , G06V10/774 , G06V10/776 , G06Q10/0635 , G06Q50/40
Abstract: 本发明提供一种轨道交通异物入侵风险辨识评估方法及系统，属于图像处理的目标识别技术领域，实时采集列车前方运行环境的图像数据；通过异物检测算法，逐帧对采集的图像数据进行异物检测，若检测到某一帧图像中存在异物则获取所检测到异物的类别和位置信息；通过轨道分割算法对该帧图像中的轨道区域进行分割，获取轨道区域的位置信息；基于异物与轨道区域的相对位置关系、异物与列车的距离、异物的类别，综合评估轨道交通异物入侵风险等级并输出。本发明可以实时且精准的辨识轨道交通场景中的异物入侵风险，同时建立了轨道交通异物入侵风险等级评价体系，实现了轨道交通异物入侵风险的高效检测、辨识和评估。
-
公开(公告)号：CN118097570B
公开(公告)日：2024-09-20
申请号：CN202311541737.X
申请日：2023-11-14
Applicant: 北京交通大学
Abstract: 本发明提供一种像素级轨道交通场景理解方法及系统，属于轨道交通安全运营控制技术领域，使用轻量双分支融合骨干网络对输入图像进行连续下采样操作，提取图像特征；将骨干网络提取到的特征图输入双向特征金字塔池化网络，获得多尺度感受野和深层语义特征，利用多任务多尺度损失函数从像素和边缘角度进一步优化该方法的场景理解效果。本发明轻量双分支融合骨干网络可以更快更有效地提取图像特征，双向特征金字塔池化网络从多尺度角度提取了语义特征，多任务多尺度的损失函数从边缘与像素两个角度监督该方法的学习过程，优化了场景理解方法的效果，在不增加推理时间的前提下提高了模型的理解准确率。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.041 seconds)
