详情

原文传递用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆

专利名称：	用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆
摘要：	为了改善在沿着行驶路段没有附加的基础设施的情况下对轨道车辆（BFZ）或铁路车辆（SFZ）的自动（自主）或辅助驾驶，提出：基于多个表示轨道/铁轨区域（FSB、GLB）的图像（BIFSB、BIGLB），在分别在图像中确定的图像区域（BIB）（在该图像区域内，关于以图像方式示出的轨道/铁轨区域（FSB、GLB）所检测到的轨道/铁轨（FS、GL）基本上位于同一位置），基于在该图像区域（BIB）内所检测到的轨道/铁轨的部分，借助于边缘识别算法，通过在所检测到的图像内该轨道/铁轨相对于所检测到的整个图像的不断变化的图像部分来识别轨道车辆所使用的轨道/铁轨（FS、GL）的走向，而且将该走向与所存储的已知的元信息（MI）进行对照，其中这些元信息不仅包含与轨道相关的或者是与铁轨相关的主要元数据而且包含与轨道路段相关的或者是与铁路路段相关的次要元数据。
专利类型：	发明专利
国家地区组织代码：	德国;DE
申请人：	西门子交通有限责任公司
发明人：	A.谢弗-恩克勒;A.舍恩贝格尔;C.德雷克斯勒;W.特鲁姆勒
专利状态：	有效
申请日期：	2017-12-07T00:00:00+0800
发布日期：	2019-09-17T00:00:00+0800
申请号：	CN201780075716.X
公开号：	CN110248858A
代理机构：	中国专利代理(香港)有限公司
代理人：	孙云汉;刘春元
分类号：	B61L15/00(2006.01);B;B61;B61L;B61L15
申请人地址：	德国慕尼黑
主权项：	1.一种用于在轨道交通（BVK）中的基于轨道的图像分析、尤其是用于在铁路交通（SVK）中的基于铁轨的图像分析的方法，其特征在于， a) 从轨道车辆（BFZ）、尤其是铁路车辆（SFZ）出发、尤其是从内燃机车驾驶员（FZF、TFS、TRW）的视角出发和/或从在车辆（BFZ、SFZ）中或在车辆（BFZ、SFZ）上的位置固定的、观察轨道的位置出发，检测多个表示轨道区域（FSB）、尤其是铁轨区域（GLB）的图像（BIFSB、BIGLB）， b) 在所述图像（BIFSB、BIGLB）中分别确定如下图像区域（BIB），在所述图像区域内，关于以图像方式示出的轨道区域（FSB、GLB）所检测到的轨道（FS）、尤其是铁轨（GL）基本上位于同一位置， c) 基于在所述图像区域（BIB）内所检测到的轨道（FS、GL）的部分，借助于边缘识别算法，通过在所检测到的图像内所述轨道（FS、GL）相对于所检测到的整个图像的不断变化的图像部分来识别所述轨道车辆（BFZ、SFZ）所使用的轨道（FS、GL）的走向，而且将所述走向与所存储的已知的图像元信息（BMI）进行对照，所述图像元信息包含与所述轨道（FS、GL）相关的一级元数据、尤其是平行地延伸的轨道（FS、GL）的距离以及轨道顶端、尤其是铁路顶端的宽度；而且/或者包含与轨道路段（BST）、尤其是与铁路路段（SST）相关的二级元数据，尤其是在轨道路段（BST、SST）上的设施、即所谓的路段设施（SAL）、如轨道交叉道口、道岔或发出或者引导信号的设施处在哪些地理位置或位置坐标。 2.根据权利要求1所述的方法，其特征在于，在所述图像（BIFSB、BIGLB）中识别在哪里能找到所述路段设施（SAL），其方式是 a) 针对所述轨道车辆（BFZ、SFZ）的当前确定的地理位置，在所述图像（BIFSB、BIGLB）中确定图像分区（BTB），在所述图像分区中，能识别出显著的设施特征、尤其是信号设施的信号（SI）， b) 在所述图像分区（BTB）中确定第一图像部分（BAS1），所述轨道车辆（BFZ、SFZ）所使用的轨道（FS、GL）穿过所述第一图像部分， c) 借助于在所存储的图像元信息（BMI）中的二级元数据的已知的关于所述路段设施（SAL）的距离的第一元数据来确定：基于在所述图像部分（BAS1）中的轨道（FS、GL）的宽度，所述路段设施（SAL）与所述轨道（FS、GL）间隔多远， d) 借助于在所存储的图像元信息（BMI）中的二级元数据的已知的关于所述路段设施（SAL）的外边缘的第二元数据来尝试：在c)中所确定的距所述轨道（FS、GL）的距离内一直识别所述路段设施（SAL）的外边缘，直至已知的外边缘和所识别出的外边缘基本上重合。 3.根据权利要求1或2所述的方法，其特征在于，在所述图像（BIFSB、BIGLB）中识别所述轨道车辆（BFZ、SFZ）朝哪个方向、尤其是向左、向右还是直行地行驶，其方式是针对根据所识别出的走向来判断的轨道（FS、GL）， a) 通过对按照所述图像区域（BIB）由所述轨道车辆（BFZ、SFZ）所使用的轨道（FS、GL）的线性调整，人工地产生伪直行轨道、尤其是伪直行铁轨， b) 将所述伪直行轨道与所使用的轨道（FS、GL）以如下方式进行比较： b1) 如果经比较的轨道（FS、GL）相同，则识别出直行方向， b2) 如果所使用的轨道（FS、GL）在所述伪直行轨道左侧，则识别出向左转、尤其是左转弯， b3) 如果所使用的轨道（FS、GL）在所述伪直行轨道右侧，则识别出向右转、尤其是右转弯。 4.根据权利要求3所述的方法，其特征在于，根据所使用的轨道（FS、GL）距所述伪直行轨道以及距所述轨道车辆（BFZ、SFZ）的距离，计算向左转/左转弯或者是向右转/右转弯的转弯度，所述距离根据在所述图像区域（BIB）内的轨道（FS、GL）的宽度和分别在对于相应地识别直行方向、向左转或向右转来说重要的第二图像部分（BAS2）内的轨道（FS、GL）的宽度来计算。 5.根据权利要求1至4之一所述的方法，其特征在于，在所述图像（BIFSB、BIGLB）中识别是否有至少一个对象（OBJ）、优选地人员、动物、可移动的或者位置固定的对象处在所使用的轨道（FS、GL）上，其方式是 a) 人员的与人员相关的身高和/或可移动的对象的与对象相关的大小被设置得与所述轨道（FS、GL）的已知的宽度成比例，所述宽度从在所存储的图像元信息（BMI）中的一级元数据的已知的关于所述轨道（FS、GL）的宽度的第三元数据中获得， b) 在所述图像（BIFSB、BIGLB）中，将所使用的轨道（FS、GL）以及在所使用的轨道（FS、GL）左侧和右侧的关键区域分成多个分析部分，所述多个分析部分距所述轨道车辆（BFZ、SFZ）的距离升高，所述关键区域优选地根据所述轨道（FS、GL）的周围环境、例如郊区或者城市来不一样宽地定尺寸， c) 针对每个分析部分，使用周围环境特定的图案识别算法来识别所述对象（OBJ）。 6.根据权利要求5所述的方法，其特征在于，在有正在移动的对象（OBJ）、例如正在移动的人员、正在移动的动物、其它迎面而来的或者在前面行驶的轨道车辆等等的情况下，将多个连续的图像（BIFSB、BIGLB）的分析部分设置得彼此相关，以便识别和跟踪所述移动用来预先计算与所述对象（OBJ）的可能的碰撞。 7.根据权利要求5或6所述的方法，其特征在于，在所述图像（BIFSB、BIGLB）中识别所述轨道车辆（BFZ、SFZ）与已在所使用的轨道（FS、GL）上被识别出的对象（OBJ）间隔多远，其方式是将在所述图像区域（BIB）内的轨道（FS、GL）的像素宽度与在所述对象（OBJ）所处的第三图像部分（BAS3）内的轨道（FS、GL）的像素宽度设置得彼此相关，其中根据所述比例和所述轨道（FS、GL）的从已知的第三元数据中获得的宽度来计算所提及的距离。 8.根据权利要求1至7之一所述的方法，其特征在于，在所述图像（BIFSB、BIGLB）中识别是否有至少一个陌生的对象（OBJ）处在所述轨道路段（BST、SST）的所使用的轨道（FS、GL）上，其方式是 a) 借助于所述边缘识别算法对所述轨道车辆（BFZ、SFZ）所使用的轨道（FS、GL）的走向的识别失败或者 b) 依据通过轨道（FS）的轨道载体或者是在平行地延伸的铁轨（GL）之间的铁轨载体所形成的规则的图案以如下方式来执行不规则识别：在识别出不规则时，优选地如果有对象（OBJ）、例如轨旁设备或正在玩耍的儿童处在所使用的轨道（FS、GL）上，则将所述不规则与被用作参考信息并且之前在行驶路段初始化过程中拍摄的路段图像进行对照。 9.根据权利要求1至8之一所述的方法，其特征在于，所述图像（BIFSB、BIGLB）利用同一结构类型的多个图像记录设备（BAZG）、例如利用视频摄像机来拍摄，或者利用不同结构类型的多个图像记录设备（BAZG）、例如利用视频摄像机、激光传感器、基于雷达的传感器、基于无线电定位和测距的传感器、红外摄像机和/或热成像摄像机来拍摄。 10.根据权利要求1至9之一所述的方法，其特征在于，利用所述方法来协助在沿着行驶路段没有附加的基础设施的情况下对所述轨道车辆（BFZ、SFZ）的自动（自主）或辅助驾驶。 11.一种用于在轨道交通（BVK）中的基于轨道的图像分析、尤其是用于在铁路交通（SVK）中的基于铁轨的图像分析的设备（BAV），其特征在于 a) 至少一个图像记录设备（BAZG），利用所述图像记录设备，从轨道车辆（BFZ）、尤其是铁路车辆（SFZ）出发、尤其是从内燃机车驾驶员（FZF、TFS、TRW）的视角出发和/或从在车辆（BFZ、SFZ）中或在车辆（BFZ、SFZ）上的位置固定的、观察轨道的位置出发，能检测多个表示轨道区域（FSB）、尤其是铁轨区域（GLB）的图像（BIFSB、BIGLB），而且能将所述图像存储在图像存储装置（BSPE）中， b) 计算/分析装置（BAWE），所述计算/分析装置与所述图像记录设备（BAZG）和所述图像存储装置（BSPE）连接并且在功能上进行合作地来构造，尤其是构造得具有非易失性可读存储器（SP）和处理器（PZ），使得在图像（BIFSB、BIGLB）中分别确定如下图像区域（BIB），在所述图像区域内，关于以图像方式示出的轨道区域（FSB、GLB）所检测到的轨道（FS、GL）基本上位于同一位置，在所述非易失性可读存储器（SP）中存储有对基于轨道的图像分析进行控制的程序模块（PGM）的处理器可读的控制程序指令，所述处理器（PZ）实施所述程序模块（PGM）的控制程序指令，用于计算/分析辅助的并且基于轨道的图像分析， c) 所述计算/分析装置（BAWE），所述计算/分析装置与信息数据库（IDB）连接并且在功能上进行合作地来构造，使得基于在所述图像区域（BIB）内所检测到的轨道（FS、GL）的部分，借助于边缘识别算法，通过在所检测到的图像内所述轨道（FS、GL）相对于所检测到的整个图像的不断变化的图像部分来识别轨道车辆（BFZ、SFZ）所使用的轨道（FS、GL）的走向并且将所述走向与存储在所述信息数据库（IDB）中的已知的图像元信息（BMI）进行对照，其中优选地两者、即所述图像存储装置（BSPE）和所述信息数据库（IDB）作为结构单元集成在共同的存储设备中，所述图像元信息不仅包含与所述轨道（FS、GL）相关的一级元数据、尤其是平行地延伸的轨道（FS、GL）的距离以及轨道顶端、尤其是铁路顶端的宽度，而且包含与轨道路段（BST）、尤其是与铁路路段（SST）相关的二级元数据，尤其是在轨道路段（BST、SST）上的设施、即所谓的路段设施（SAL）、如轨道交叉道口、道岔或发出或者引导信号的设施处在哪些地理位置或位置坐标。 12.根据权利要求11所述的设备（BAV），其特征在于，所述计算/分析装置（BAWE）被构造为使得在所述图像（BIFSB、BIGLB）中识别在哪里能找到所述路段设施（SAL），其方式是 a) 针对所述轨道车辆（BFZ、SFZ）的当前确定的地理位置，在所述图像（BIFSB、BIGLB）中确定图像分区（BTB），在所述图像分区中，能识别出显著的设施特征、尤其是信号设施的信号（SI）， b) 在所述图像分区（BTB）中确定第一图像部分（BAS1），所述轨道车辆（BFZ、SFZ）所使用的轨道（FS、GL）穿过所述第一图像部分， c) 借助于在所存储的图像元信息（BMI）中的二级元数据的已知的关于所述路段设施（SAL）的距离的第一元数据来确定：基于在所述图像部分（BAS1）中的轨道（FS、GL）的宽度，所述路段设施（SAL）与所述轨道（FS、GS）间隔多远， d) 借助于在所存储的图像元信息（BMI）中的二级元数据的已知的关于所述路段设施（SAL）的外边缘的第二元数据来尝试：在c)中所确定的距所述轨道（FS、GL）的距离内一直识别所述路段设施（SAL）的外边缘，直至已知的外边缘和所识别出的外边缘基本上重合。 13.根据权利要求11或12所述的设备（BAV），其特征在于，所述计算/分析装置（BAWE）构造为使得：在所述图像（BIFSB、BIGLB）中识别所述轨道车辆（BFZ、SFZ）朝哪个方向、尤其是向左、向右还是直行地行驶，其方式是针对根据所识别出的走向来判断的轨道（FS、GL）， a) 通过对按照所述图像区域（BIB）由所述轨道车辆（BFZ、SFZ）所使用的轨道（FS、GL）的线性调整，人工地产生伪直行轨道、尤其是伪直行铁轨， b) 将所述伪直行轨道与所使用的轨道（FS、GL）以如下方式进行比较： b1) 如果经比较的轨道（FS、GL）相同，则识别出直行方向， b2) 如果所使用的轨道（FS、GL）在所述伪直行轨道左侧，则识别出向左转、尤其是左转弯， b3) 如果所使用的轨道（FS、GL）在所述伪直行轨道右侧，则识别出向右转、尤其是右转弯。 14.根据权利要求13所述的设备（BAV），其特征在于，所述计算/分析装置（BAWE）构造为使得：根据所使用的轨道（FS、GL）距所述伪直行轨道以及距所述轨道车辆（BFZ、SFZ）的距离，计算向左转/左转弯或者是向右转/右转弯的转弯度，所述距离根据在所述图像区域（BIB）内的轨道（FS、GL）的宽度和分别在对于相应地识别直行方向、向左转或向右转来说重要的第二图像部分（BAS2）内的轨道（FS、GL）的宽度来计算。 15.根据权利要求11至14之一所述的设备（BAV），其特征在于，所述计算/分析装置（BAWE）构造为使得：在所述图像（BIFSB、BIGLB）中识别是否有至少一个对象（OBJ）、优选地人员、动物、可移动的或者位置固定的对象处在所使用的轨道（FS、GL）上，其方式是 a) 人员的与人员相关的身高和/或可移动的对象的与对象相关的大小被设置得与所述轨道（FS、GL）的已知的宽度成比例，所述宽度从在所存储的图像元信息（BMI）中的一级元数据的已知的关于所述轨道（FS、GL）的宽度的第三元数据中获得， b) 在所述图像（BIFSB、BIGLB）中，将所使用的轨道（FS、GL）以及在所使用的轨道（FS、GL）左侧和右侧的关键区域分成多个分析部分，所述多个分析部分距所述轨道车辆（BFZ、SFZ）的距离升高，所述关键区域优选地根据所述轨道（FS、GL）的周围环境、例如郊区或者城市来不一样宽地定尺寸， c) 针对每个分析部分，使用周围环境特定的图案识别算法来识别所述对象（OBJ）。 16.根据权利要求15所述的设备（BAV），其特征在于，所述计算/分析装置（BAWE）构造为使得：在有对象（OBJ）、例如人员、动物、其它迎面而来的或者在前面行驶的轨道车辆等等正在移动的情况下，将多个连续的图像（BIFSB、BIGLB）的分析部分设置得彼此相关，以便识别和跟踪所述移动用来预先计算与所述对象（OBJ）的可能的碰撞。 17.根据权利要求15或16所述的设备（BAV），其特征在于，所述计算/分析装置（BAWE）构造为使得：在所述图像（BIFSB、BIGLB）中识别所述轨道车辆（BFZ、SFZ）与已在所使用的轨道（FS、GL）上被识别出的对象（OBJ）间隔多远，其方式是将在所述图像区域（BIB）内的轨道（FS、GL）的像素宽度与在所述对象（OBJ）所处的第三图像部分（BAS3）内的轨道（FS、GL）的像素宽度设置得彼此相关，其中根据所述比例和所述轨道（FS、GL）的从已知的第三元数据中获得的宽度来计算所提及的距离。 18.根据权利要求11至17之一所述的设备（BAV），其特征在于，所述计算/分析装置（BAWE）构造为使得：在所述图像（BIFSB、BIGLB）中识别是否有至少一个陌生的对象（OBJ）处在所述轨道路段（BST、SST）的所使用的轨道（FS、GL）上，其方式是 a) 借助于所述边缘识别算法对所述轨道车辆（BFZ、SFZ）所使用的轨道（FS、GL）的走向的识别失败或者 b) 依据通过轨道（FS）的轨道载体或者是在平行地延伸的铁轨（GL）之间的铁轨载体所形成的规则的图案以如下方式来执行不规则识别：在识别出不规则时，优选地如果有对象（OBJ）、例如轨旁设备或正在玩耍的儿童处在所使用的轨道（FS）或者是所使用的铁轨（GL）上，则将所述不规则与被用作参考信息并且之前在行驶路段初始化过程中拍摄的路段图像进行对照。 19.根据权利要求11至18之一所述的设备（BAV），其特征在于，包含同一结构类型的多个图像记录设备（BAZG）、例如多个视频摄像机，或者不同结构类型的多个图像记录设备（BAZG）、例如多个视频摄像机、激光传感器、基于雷达的传感器、基于无线电定位和测距的传感器、红外摄像机和/或热成像摄像机，所述图像记录设备拍摄所述图像（BIFSB、BIGLB）。 20.根据权利要求11至19之一所述的设备（BAV），其特征在于，所述图像记录设备（BAZG）可枢转地来构造。 21.根据权利要求11至20之一所述的设备（BAV），其特征在于，所述图像记录设备（BAZG）具有修正组件（KOK），所述修正组件将天气和亮度数据一并包括在对图像资料的分析内。 22.根据权利要求11至21之一所述的设备（BAV），其特征在于，所述图像记录设备（BAZG）具有变焦距组件（BVK），所述变焦距组件根据距所述轨道（FS、GL）的距离来选择正确的拍摄角度，以便这样对多次分析进行最优地辅助。 23.根据权利要求11至22之一所述的设备（BAV），其特征在于，所述图像记录设备（BAZG）具有照明组件（BLK）、尤其是在人类可见的区域之内或之外工作的头灯。 24.根据权利要求11至23之一所述的设备（BAV），其特征在于虚拟机，所述虚拟机就“轨道交通系统的软件定义信号识别”而言来构造并且起作用。 25.根据权利要求11至24之一所述的设备（BAV），其特征在于，利用所述设备（BAV）能协助在沿着行驶路段没有附加的基础设施的情况下对所述轨道车辆（BFZ、SFZ）的自动（自主）或辅助驾驶。 26.一种用于在轨道交通（BVK）中的基于轨道的图像分析、尤其是用于在铁路交通（SVK）中的基于铁轨的图像分析的轨道车辆（BFZ），其特征在于，根据权利要求11至25之一所述的用于基于轨道的图像分析或者是用于基于铁轨的图像分析的设备（BAV）集成到轨道车辆（BFZ、SFZ）中。
所属类别：	发明专利