基于深度学习的铁路限界快速检测算法

摘要：

列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术.列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故.为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法.该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的.同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别.最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围.通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96％和98.12％,F1值分别达到99.68％和98.95％,限界区域检测的平均交并比MIoU达到96.88％,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运行控制等下游任务提供基础,提升列车运行的安全性.

关键词：铁路限界、行锚框、深度学习、铁路轨道、图像分割

所属期刊栏目：20

分类号：TP391;U216.3(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;江西省自然科学基金资助项目;教育部人文社会科学研究项目

在线出版日期：2023-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1223-1231