-
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：CN119992504A
公开(公告)日：2025-05-13
申请号：CN202411799289.8
申请日：2024-12-09
Applicant: 北京交通大学
IPC: G06V20/58 , G06V10/774 , G06V10/25 , G06V10/77 , G06V10/82 , G06N3/0464 , G06V10/766
Abstract: 本发明提供一种基于点云特征聚合增强的列车前向净空目标检测方法及系统，属于列车前向净空目标检测技术领域，获取车载点云数据，构建场景点云数据集；将稀疏的点云划分为规则的体素网格，体素特征编码将点云信息转化为紧凑的特征表示，并利用3D稀疏卷积逐层下采样提取多尺度体素特征；使用集合抽样对提取的多层次体素特征进行采样、分组和特征提取，将多尺度体素特征聚合到体素中心点；采用完全稀疏的高度压缩方法将提取的分层多尺度体素特征映射为BEV特征图，并通过2D稀疏卷积处理和跳跃连接，融合不同分辨率的BEV特征图；引入3D回归框的质心偏移损失以优化多任务损失，指导检测头实现列车前向净空目标分类和三维边界框回归。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN119598652A
公开(公告)日：2025-03-11
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：CN117496349A
公开(公告)日：2024-02-02
申请号：CN202311480411.0
申请日：2023-11-08
Applicant: 北京交通大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种轨道扣件异常检测方法及系统，属于基于计算机的轨道扣件异常检测技术领域，使用高精度三维线扫激光采集设备扫描轨道扣件，采集配准成对的扣件深度图和灰度图；使用基于像元级的维度互补式图像融合方法，高效融合深度图与对应的灰度图，构建轨道扣件融合数据集；构建特征融合‑解耦模块，实现骨干网络的多维度特征融合和任务解耦；采用检测准确率指标引导的损失函数再权重方式，在训练过程中不断调整类别权重矩阵，从而实现轨道扣件异常检测。本发明提供基于多源数据融合的轨道扣件异常状态检测方法，可有效利用多源数据信息，解决了仅依靠二维视觉易受到表面锈蚀和污渍干扰所造成误判的问题，实现了轨道扣件异常状态的准确检测。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
