障礙物對列車的正常運(yùn)營構(gòu)成了極大的安全隱患,鋼軌識別是實(shí)現(xiàn)障礙物檢測的關(guān)鍵步驟。鋼軌識別算法需要能夠快速有效地檢測列車前方鋼軌的位置,同時不能占用過多的計(jì)算資源,影響障礙物檢測程序的運(yùn)行速度。為解決上述問題,文中提出一種基于擴(kuò)展Haar特征提取和DBSCAN密度聚類的鋼軌識別算法。首先通過仿射變換、池化、灰度均衡化、邊緣檢測等算法對圖像進(jìn)行預(yù)處理,然后基于擴(kuò)展Haar特征提取圖像中鋼軌的特征點(diǎn),最后利用DBSCAN算法對特征點(diǎn)進(jìn)行聚類,提取出有效的特征數(shù)據(jù)點(diǎn)進(jìn)行曲線擬合,從而識別鋼軌的位置。通過車載實(shí)驗(yàn)結(jié)果表明,該方法能夠在列車運(yùn)行過程中有效檢測到鋼軌的位置,滿足多場景、多工況的實(shí)際使用需求。 

【文章來源】：計(jì)算機(jī)科學(xué). 2020,47(S1)北大核心CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

同一線路下的不同軌道

面對不同的環(huán)境因素的干擾,本文利用左右鋼軌幾何特征與位置特征,通過擴(kuò)展Haar特征和DBSCAN聚類算法來識別圖像中鋼軌的位置,其流程如圖2所示。從列車的前視攝像機(jī)獲取到前方圖像后,對圖像的鋼軌進(jìn)行識別。算法主要分為3步:1)圖像預(yù)處理;2)使用擴(kuò)展Haar特征提取特征點(diǎn);3)通過DBSCAN聚類算法篩選出有效的特征點(diǎn),并對篩選出的特征點(diǎn)進(jìn)行擬合獲取。下文對各個步驟分別進(jìn)行介紹。2.1 圖像預(yù)處理

其中,E(Gx)為整個圖像像素的均值,σ(Gx)為整個圖像像素的方差。最后,對有砟軌道圖像進(jìn)行腐蝕處理,減少道砟碎石對圖像特征提取造成的影響。圖像預(yù)處理結(jié)果如圖3所示。2.2 擴(kuò)展Haar特征提取

【參考文獻(xiàn)】：
期刊論文
[1]基于Sobel算子的圖像邊緣檢測研究[J]. 袁春蘭,熊宗龍,周雪花,彭小輝.  激光與紅外. 2009(01)



本文編號：3467196