详情

原文传递基于机器视觉的轨道障碍物检测算法研究

论文题名：	基于机器视觉的轨道障碍物检测算法研究
关键词：	轨道障碍物;机器视觉;图像分割;快速二值化算法;Tsallis熵
摘要：	铁路在我国交通运输领域占主导地位，肩负着带动国民经济发展的重大使命。我国铁路线路里程长、途经环境复杂，由自然灾害引起的山体滑坡、滞留的人等随机异物造成高速运行列车前方出现异物侵限，严重影响行车安全。在高速铁路飞跃发展的今天，仅靠人为检测、固定点安装监测点已不能满足社会实现自动化的需求。随着轨道交通中全自动驾驶的实现及基于机器视觉的检测技术的研究应用，如何实现高速列车前方异物的智能检测已成为铁路运营的新趋势，具有不可替代的现实意义。　　本文在对当前国内外已有的铁路障碍物检测技术研究的基础上，采用基于车载单目机器视觉的方式实现障碍物的检测。通过对获取视频帧的图像分析，重点研究铁路轨道障碍物图像的分割算法，着力对算法进行改进以达到提高实时性及鲁棒性的目的，并将改进算法应用于综合判别体系中检测障碍物，按照两步检测步骤判断是否存在障碍物。本文主要研究内容包括: 　　(1)铁路轨道边缘检测。针对列车前方轨面存在的静态障碍物，首先需将获取的帧序列图像进行预处理，提高算法的实时性、减小外来噪声的干扰;其次对处理后的图像进行边缘检测、提取轨道线及建立检测窗，提高算法处理效率及检测的准确率;在以上处理过程中，对不同的平滑去噪、边缘检测算法进行定性、定量分析，据此选择合适的算法达到建窗的目的。　　(2)轨道障碍物检测算法研究。一种实时性好、鲁棒性强的分割算法是快速实现障碍物检测的关键，本文从提高算法实时性和智能优化两方面对算法进行改进，完成障碍物图像的分割。一方面引入限定范围及递推的思想，首先根据快速二值化算法自身的特点推导出四个参数的递推公式，并计算待处理图像的复杂度，然后在限定最佳阂值的遍历范围内，验证算法的可行性，最后将改进的算法应用到轨道障碍物的图像分割中。另一方面提出基于改进粒子群优化的二维Tsallis熵分解算法。首先将二维Tsallis熵算法降维分解为两个一维Tsallis熵，同时在目标函数中引入类内离散测度函数;其次通过引入敏感粒子对传统粒子群算法易早熟、难收敛的缺陷进行完善;最终以此目标函数作为改进后粒子群优化算法的寻优函数，完成图像的全局最优解阂值分割。　　(3)静态障碍物的检测。针对路轨多变环境的问题，目前障碍物检测无法在单一指标下进行判断，本文统计分割之后的黑白像素比并利用灰度共生矩阵判断轨枕的完整性，以此两项作为精确检测指标，同时将图像灰度特征作为初步检测指标，建立综合判别体系判断检测窗口内是否存在障碍物。　　通过对不同场景下、不同障碍物的实验验证分析，并对算法进行客观指标下的衡量，结果表明，本文的改进算法可以提高障碍物检测的实时性与准确性。
作者：	胥田田
专业：	信号与信息处理
导师：	李积英
授予学位：	硕士
授予学位单位：	兰州交通大学
学位年度：	2018
正文语种：	中文