王維華

(陜西交通職業(yè)技術(shù)學(xué)院 軌道交通學(xué)院，西安 710018)

0 引言

地鐵在運(yùn)行中可能出現(xiàn)的障礙物包括掉落的混凝土、軌旁設(shè)備、意外跌落的行人等，在地鐵行駛中，障礙物的出現(xiàn)危險(xiǎn)系數(shù)很高，因此，應(yīng)該加強(qiáng)障礙物的檢測(cè)。障礙物檢測(cè)是地鐵研究中的一個(gè)必不可少的研究方向，在地鐵列車運(yùn)行過(guò)程中，通過(guò)對(duì)接觸式障礙物檢測(cè)系統(tǒng)的應(yīng)用，雖然可以及時(shí)發(fā)現(xiàn)前方障礙物，但只能在與障礙物碰撞之后才能使地鐵緊急制動(dòng)，這樣一來(lái)，地鐵可能受到較大的沖擊力，無(wú)法保證地鐵與乘客的安全[1]，因此，需要改進(jìn)這種障礙物的檢測(cè)方法。關(guān)于障礙物的非接觸檢測(cè)很多學(xué)者進(jìn)行了研究，如張磊等人[2]利用自上而下掃描圖像得到像素分布情況，之后提取出障礙物的區(qū)域目標(biāo)，但是這種方法存在應(yīng)用局限，只能對(duì)那些比地面要高的障礙物進(jìn)行檢測(cè)；劉威等人基于單目視覺(jué)相機(jī)的支持執(zhí)行對(duì)障礙物的檢測(cè)任務(wù)，發(fā)現(xiàn)這種方法精度并不高，外界因素容易對(duì)其形成干擾[3]；徐進(jìn)等人對(duì)以傳感器融合技術(shù)為基礎(chǔ)的算法進(jìn)行研究及分析，在一定程度上實(shí)現(xiàn)了對(duì)視覺(jué)傳感器數(shù)據(jù)檢測(cè)準(zhǔn)確性的提升[4]。楊潔等人對(duì)全局背景運(yùn)動(dòng)補(bǔ)償參數(shù)估計(jì)方法加以運(yùn)用檢測(cè)障礙物，提高了檢測(cè)的速度[5]。當(dāng)前，非接觸式的障礙物檢測(cè)主要應(yīng)用激光雷達(dá)、超聲波、紅外測(cè)距傳感器、可見(jiàn)光成像系統(tǒng)等，激光雷達(dá)雖然具有不受惡劣天氣影響的優(yōu)點(diǎn)，但其分辨率與精度都很低，無(wú)法實(shí)現(xiàn)對(duì)自主檢測(cè)小障礙物要求的滿足[6]，超聲波通過(guò)主動(dòng)發(fā)射與接收脈沖檢測(cè)障礙物，如果存在多傳感器工作的情況，會(huì)有相互之間的干擾產(chǎn)生，對(duì)最終檢測(cè)結(jié)果產(chǎn)生較為明顯的不利影響[7]。在可見(jiàn)光成像中，包含的信息十分豐富，對(duì)于圖像細(xì)節(jié)類信息的獲取同樣非常多，這是可見(jiàn)光成像技術(shù)的明顯優(yōu)勢(shì)，如果光照條件比較理想，通過(guò)對(duì)可見(jiàn)光成像技術(shù)的運(yùn)用，能夠達(dá)到將障礙物檢測(cè)精度提高的目的。另一方面，紅外光所具有的優(yōu)點(diǎn)更加得突出，在該技術(shù)的支持下，基于對(duì)物體自身紅外輻射的探測(cè)，經(jīng)由光電轉(zhuǎn)換以及信號(hào)處理等多個(gè)環(huán)節(jié)的轉(zhuǎn)換處理，物體表面的熱分布情況會(huì)以相對(duì)應(yīng)的視頻圖像的形式被輸出出來(lái)，整體而言，該技術(shù)可以進(jìn)行全天候的應(yīng)用，周圍的環(huán)境光照等因素不會(huì)對(duì)其產(chǎn)生較大的影響，亦可滿足遠(yuǎn)距離探測(cè)的要求，對(duì)于夜晚等光照條件不理想的環(huán)境探測(cè)而言，同樣表現(xiàn)出很好的適用性。所以，對(duì)可見(jiàn)光與近紅外兩種技術(shù)進(jìn)行結(jié)合的雙目視覺(jué)技術(shù)在短時(shí)間內(nèi)便得到了很快的發(fā)展，基于兩種技術(shù)的成像系統(tǒng)之間能夠達(dá)到優(yōu)劣勢(shì)充分互補(bǔ)的目的，對(duì)于圖像采集模塊對(duì)環(huán)境適應(yīng)性的提升具有明顯的積極意義[8-10]。由于在場(chǎng)站環(huán)境下，單一傳感器檢測(cè)速度慢、準(zhǔn)確性差、范圍小[11]，為了彌補(bǔ)單一傳感器檢測(cè)中存在的缺陷，本文設(shè)計(jì)了基于紅外成像系統(tǒng)和可見(jiàn)光成像系統(tǒng)的地鐵障礙物檢測(cè)系統(tǒng)。

1 系統(tǒng)功能需求與運(yùn)行平臺(tái)分析

1.1 系統(tǒng)功能需求分析

地鐵的運(yùn)行速度一般在80～100 km/h，設(shè)定的地鐵制動(dòng)距離為400 m，地鐵車輛障礙物檢測(cè)系統(tǒng)應(yīng)該具備的功能如下：1)由于地鐵車輛大部分線路在地下運(yùn)行，光線條件比較昏暗，因此，系統(tǒng)的運(yùn)行需要保證能夠在光線不太好的環(huán)境下獲得地鐵前方的障礙物信息；2)可以及時(shí)檢測(cè)地鐵前方的障礙物，并且進(jìn)行不同級(jí)別的預(yù)警；3)建立地鐵運(yùn)行中的障礙物數(shù)據(jù)庫(kù)，實(shí)時(shí)記錄相關(guān)信息，便于后期的調(diào)查研究。

1.2 系統(tǒng)運(yùn)行平臺(tái)選擇

系統(tǒng)運(yùn)行的平臺(tái)包括以DSP技術(shù)[12]為核心的平臺(tái)、基于嵌入式ARM的平臺(tái)、以工控機(jī)(IPC,industrial personal computer)[13]為基礎(chǔ)的平臺(tái)，由于以DSP技術(shù)為核心的平臺(tái)系統(tǒng)開(kāi)發(fā)周期長(zhǎng)，基于嵌入式ARM的平臺(tái)不能滿足大量圖像的處理要求，因此選擇工控機(jī)為地鐵車輛障礙物檢測(cè)系統(tǒng)的運(yùn)行平臺(tái)。本文使用的工控機(jī)配置具體如下：CPU為Intel Core i5-4590，3.30 GHz；內(nèi)存為8 GB。相機(jī)視場(chǎng)角為51.46°，芯片尺寸為6.4 mm×6.4 mm，感光度為ISO100，鏡頭焦距為15 mm，拍攝的圖片大小為1280×720，處理的圖片的分辨率為640×480，兩個(gè)攝像機(jī)的光軸相互平行。

2 系統(tǒng)架構(gòu)與硬件設(shè)計(jì)

2.1 系統(tǒng)架構(gòu)與功能模塊

綜合而言，可見(jiàn)光系統(tǒng)在對(duì)豐富圖像信息的獲取之上具有較為明顯的優(yōu)勢(shì)，而紅外成像系統(tǒng)則不會(huì)受到光照等因素的過(guò)多影響，出于對(duì)這些優(yōu)點(diǎn)的把握，選擇對(duì)紅外與可見(jiàn)光兩種成像系統(tǒng)進(jìn)行結(jié)合的方式，達(dá)到獲取地鐵車輛運(yùn)行過(guò)程中障礙物信息的目的，基于車載方式的支持進(jìn)行單個(gè)紅外成像系統(tǒng)以及單個(gè)可見(jiàn)光系統(tǒng)的安裝。作為地鐵車輛運(yùn)行過(guò)程中的圖像識(shí)別裝置，障礙物視覺(jué)檢測(cè)系統(tǒng)的功能體現(xiàn)為對(duì)整個(gè)地鐵車輛運(yùn)行環(huán)節(jié)的障礙物進(jìn)行檢測(cè)，圖1為系統(tǒng)的設(shè)計(jì)方案。概括而言，障礙物視覺(jué)檢測(cè)系統(tǒng)主要由圖像采集模塊、信息處理模塊、行為分析模塊、用戶接口模塊、地鐵列車接口模塊以及全局服務(wù)模塊構(gòu)成。

圖1 地鐵障礙物檢測(cè)系統(tǒng)設(shè)計(jì)方案

圖像采集模塊主要包括紅外成像系統(tǒng)和可見(jiàn)光成像系統(tǒng)，通過(guò)上位工控機(jī)完成兩類成像系統(tǒng)的并行工作方式設(shè)置，保證采集的圖像在檢測(cè)結(jié)果上具有互補(bǔ)性。為了更好地對(duì)障礙物圖像信息進(jìn)行采集，通過(guò)雙目校正獲得紅外成像系統(tǒng)和可見(jiàn)光成像系統(tǒng)的相對(duì)位置關(guān)系，消除兩個(gè)系統(tǒng)的圖像畸變，令它們的成像坐標(biāo)原點(diǎn)一致，校正通過(guò)MatLab標(biāo)定得到的內(nèi)外參數(shù)導(dǎo)出到XML文件，調(diào)用OpenCV庫(kù)函數(shù)[14]校正紅外成像系統(tǒng)和可見(jiàn)光成像系統(tǒng)的相機(jī)內(nèi)外參數(shù)，以此對(duì)采集的障礙物圖像進(jìn)行校正[15-16]。

信息處理模塊的主要功能在于完成障礙物的檢測(cè)，是系統(tǒng)的核心部分。圖像采集之后進(jìn)行二值化預(yù)處理，之后采用BEEMD 算法[17]進(jìn)行紅外圖像和可見(jiàn)光圖像的融合，最后采用YOLO[18]障礙物類別檢測(cè)。

行為分析模塊主要是根據(jù)障礙物的檢測(cè)信息實(shí)現(xiàn)地鐵列車的減速控制、加速控制等。

用戶接口模塊主要是連接顯示器，在顯示器中顯示地鐵運(yùn)行的基本信息、前方的障礙物信息、參照物信息等，同時(shí)設(shè)置一個(gè)緊急的剎車制動(dòng)按鈕，方便地鐵的調(diào)試運(yùn)行。

列車接口模塊主要由牽引與制動(dòng)控制單元構(gòu)成，亦即車輛牽引動(dòng)力單元以及列車制動(dòng)停車控制單元。障礙物檢測(cè)系統(tǒng)的上位工控機(jī)對(duì)全局服務(wù)模塊進(jìn)行管理，同時(shí)，進(jìn)行障礙物檢測(cè)等相關(guān)信息的存儲(chǔ)[19-20]。

2.2 系統(tǒng)硬件設(shè)計(jì)

從具體的硬件構(gòu)成上來(lái)看，地鐵障礙物檢測(cè)系統(tǒng)主要有系統(tǒng)主機(jī)、紅外成像系統(tǒng)、可見(jiàn)光成像系統(tǒng)幾大模塊，其中，系統(tǒng)主機(jī)的功能在于對(duì)紅外成像系統(tǒng)、可見(jiàn)光成像系統(tǒng)采集的圖像信息進(jìn)行接收，并執(zhí)行對(duì)信息的分析任務(wù)，一旦檢查到障礙物，由繼電器做出相應(yīng)的動(dòng)作，達(dá)到緊急制動(dòng)地鐵的目的。圖2所示為地鐵障礙物檢測(cè)系統(tǒng)的硬件平臺(tái)示意圖。根據(jù)該圖可知，系統(tǒng)主機(jī)中進(jìn)行工控機(jī)、紅外傳感器控制板、可見(jiàn)光CCD傳感器控制板、數(shù)據(jù)存儲(chǔ)硬盤(pán)以及散熱風(fēng)扇幾個(gè)重要模塊的安裝。待工控機(jī)完成對(duì)圖像數(shù)據(jù)的分析工作之后，若是發(fā)現(xiàn)有障礙物出現(xiàn)，則在第一時(shí)間經(jīng)由主控板將繼電器斷開(kāi)，以此實(shí)現(xiàn)對(duì)地鐵的緊急制動(dòng)。圖3為地鐵障礙物檢測(cè)系統(tǒng)中主控板的設(shè)計(jì)示意圖。

圖2 硬件平臺(tái)

圖3 主控板的設(shè)計(jì)圖

3 系統(tǒng)軟件實(shí)現(xiàn)方法

地鐵障礙物檢測(cè)系統(tǒng)的軟件工作流程見(jiàn)圖4。啟動(dòng)系統(tǒng)后，初始化紅外系統(tǒng)和可見(jiàn)光系統(tǒng)，開(kāi)始圖像采集；圖像采集模塊在地鐵運(yùn)行中實(shí)時(shí)檢測(cè)軌道線路中的障礙物信息；利用YOLO障礙物檢測(cè)技術(shù)進(jìn)行軌道、障礙物檢測(cè)，一旦發(fā)現(xiàn)障礙物及時(shí)進(jìn)行預(yù)警；收到警報(bào)信息后，地鐵司機(jī)進(jìn)行列車的速度控制，檢測(cè)的障礙物信息和列車的運(yùn)行信息、報(bào)警信息等可以存儲(chǔ)在上位工控機(jī)中。

圖4 軟件實(shí)現(xiàn)流程

4 圖像處理實(shí)現(xiàn)

4.1 圖像預(yù)處理

對(duì)于紅外成像系統(tǒng)與可見(jiàn)光成像系統(tǒng)而言，在具體的圖像采集過(guò)程中，兩個(gè)成像系統(tǒng)都有可能會(huì)受到外部環(huán)境因素的影響，這會(huì)在一定程度上造成對(duì)采集圖像信息的干擾，導(dǎo)致圖像誤判現(xiàn)象的發(fā)生，所以，需要采用相應(yīng)的技術(shù)或手段執(zhí)行對(duì)采集圖像的預(yù)處理任務(wù)。此處對(duì)最大類間方差法(Otsu)加以采用，針對(duì)圖像作相應(yīng)的二值化預(yù)處理，在Otsu的支持下對(duì)圖像作背景與目標(biāo)的有效分割。

圖像分割是基于對(duì)數(shù)理統(tǒng)計(jì)、模糊理論以及區(qū)域相似等相關(guān)具體標(biāo)準(zhǔn)的參照，在物理意義層面之上對(duì)圖像作相應(yīng)描述，亦即使其表示為一些連通區(qū)域的集合。分析圖像分割的目的，在于對(duì)圖像進(jìn)行若干區(qū)域的劃分，以此為人們觀察與理解提供便利。被劃分的區(qū)域之間不能夠重疊，相互之間應(yīng)表現(xiàn)出各自的獨(dú)立性，在不同的區(qū)域，部分特征會(huì)有明顯不同的表現(xiàn)，而在另一區(qū)域之內(nèi)，則有一致性或相似性體現(xiàn)出來(lái)。在一定意義上可以說(shuō)，圖像分割的準(zhǔn)確性會(huì)對(duì)后續(xù)圖像處理工作開(kāi)展的順利程度產(chǎn)生直接影響。OTSU算法在提出以來(lái)便得到了研究人員的較多關(guān)注，究其原因，在于該方法有著簡(jiǎn)單易懂的原理，計(jì)算效率也較高，可以在較多領(lǐng)域應(yīng)用，并達(dá)到很好的分割效果。作為一種無(wú)須進(jìn)行實(shí)時(shí)監(jiān)督，且沒(méi)有參數(shù)調(diào)控、可以自動(dòng)尋優(yōu)的圖像分割方法，OTSU將一維直方圖作為算法基礎(chǔ)，通過(guò)類間方差最大化的實(shí)現(xiàn)來(lái)選擇具體的閾值。在OTSU算法的具體應(yīng)用下，對(duì)于圖像I(x，y)，目標(biāo)和背景的分割閾值記作T，有：

(1)

式(1)中,ω0、ω1分別代表目標(biāo)像素點(diǎn)數(shù)占整幅圖像的比例、像素點(diǎn)數(shù)占整幅圖像的比例；μ0、μ1、μ代表圖像原灰度灰度、圖像平均灰度、圖像的總平均灰度；g代表類間方差；M×N代表背景較暗時(shí)的圖像大??；N0、N1分別代表像素的灰度值小于閾值T的像素個(gè)數(shù)、像素灰度值大于閾值T的像素個(gè)數(shù)。對(duì)公式(1)簡(jiǎn)化之后，得出公式g=ω0ω1(μ0-μ1)2；進(jìn)一步地，采用遍歷的方法，得出最佳閾值T為178。圖像的處理效果如圖5所示(其中，圖5(a)為處理之前的原始圖像，圖5(b)為二值化處理之后的圖像)。

圖5 圖像處理效果

4.2 紅外與可見(jiàn)光圖像融合

紅外與可見(jiàn)光圖像傳感器在成像上有不同的機(jī)理，這決定它們拍攝的圖像同樣有較大差異呈現(xiàn)出來(lái)。所以，需要借助于相應(yīng)的算法融合兩種特征并不相同的圖像，獲取有著豐富場(chǎng)景信息的圖像。BEEMD算法主要在高斯白噪聲輔助分析能力的支持下，通過(guò)對(duì)集成均值方式的采用，獲取準(zhǔn)確度比較高的特征分量和殘差分量[21-22]。詳細(xì)而言，BEEMD算法的主要思想為基于高斯白噪聲輔助分析能力的支持，以提出的噪聲模型為依據(jù)獲取幾個(gè)含有不同幅值的噪聲圖像，并借助于優(yōu)化的BEMD對(duì)圖像進(jìn)行分解，通過(guò)對(duì)集成均值方式的采用，得到可以滿足較高準(zhǔn)確度要求的特征分量以及殘差分量。模態(tài)混疊主要由信號(hào)間歇而引起，其存在會(huì)導(dǎo)致分解之后的內(nèi)蘊(yùn)分量頻率出現(xiàn)嚴(yán)重混合的問(wèn)題，并由此而喪失本有的物理意義。針對(duì)BEMD算法，進(jìn)行一定量的高斯白噪聲的添加反而對(duì)于圖像的分解具有很好的促進(jìn)作用。其原因主要如下：在進(jìn)行包絡(luò)面的構(gòu)造之時(shí)，對(duì)于圖像數(shù)據(jù)極值點(diǎn)的分布所提要求比較嚴(yán)格，對(duì)于一些有著明顯紋理變化的細(xì)節(jié)區(qū)域，其區(qū)域極值點(diǎn)的數(shù)量比較多，紋理變化速度也相對(duì)緩慢，而與之相對(duì)應(yīng)的，細(xì)節(jié)并不明顯的區(qū)域卻存在缺少必要區(qū)域極值點(diǎn)的問(wèn)題，這對(duì)于BEMD算法包絡(luò)面的構(gòu)造又具有不利影響。通過(guò)將一定量的高斯白噪聲引入其中，可以相應(yīng)地增加圖像局部區(qū)域極值點(diǎn)的數(shù)量，對(duì)于包絡(luò)面的構(gòu)造具有積極影響，可以很好地發(fā)揮出對(duì)算法的驅(qū)動(dòng)作用。具體地，圖像融合需要經(jīng)歷以下幾個(gè)步驟：

1)將滿足一定比例要求的高斯白噪聲引入其中，讓其可以均勻地填充在整個(gè)圖像空間之中；

2)將對(duì)稱延拓的方法加以采用，以配準(zhǔn)之后等待融合的圖像為對(duì)象，執(zhí)行對(duì)其的延拓處理任務(wù)，基于這一操作得到含有高斯白噪聲的圖像，數(shù)量一共為n個(gè)；

3)基于BEMD算法的支持對(duì)得到的上述含有高斯白噪聲的n個(gè)圖像進(jìn)行分解處理，進(jìn)一步得到每層n個(gè)內(nèi)蘊(yùn)模分量IMF；

4)針對(duì)各層n個(gè)內(nèi)蘊(yùn)模分量IMF，將它們的平均值求解出來(lái)，由此可以得到等待融合的圖像的特征分量EIMF，之后，采用求解均值的方法得到參殘差分量Res；

5)進(jìn)行初始化處理，設(shè)定分解層數(shù)i=1，對(duì)最大的分解層數(shù)進(jìn)行限定，一共為I層(即i

6)針對(duì)等待分解的圖像，將其視作殘差分量Ri-1,n=An，執(zhí)行對(duì)每張圖像第第i層內(nèi)蘊(yùn)模分量IMFi的計(jì)算任務(wù)；

7)在完成具體的計(jì)算之后，可以獲取各層n個(gè)圖像的IMF分量和殘差分量R，在此基礎(chǔ)之上，對(duì)第i層的IMFi分量求均值，可進(jìn)一步獲取等待融合的圖像各層的特征分量EIMFi；

8)對(duì)IMF篩選的停止條件進(jìn)行設(shè)置，以具體的Cauchy-type收斂條件為參照依據(jù)，當(dāng)SD<ζ時(shí)，停職篩選作業(yè)的進(jìn)行，設(shè)定ζ的數(shù)值為0.2。

圖6 融合前后的圖像

5 障礙物檢測(cè)的實(shí)現(xiàn)

在借助紅外系統(tǒng)和可見(jiàn)光成像系統(tǒng)采集地鐵前方的障礙物目標(biāo)圖像，并對(duì)圖像進(jìn)行預(yù)處理和圖像融合之后，進(jìn)一步執(zhí)行YOLO障礙物類別檢測(cè)[23-25]，實(shí)現(xiàn)地鐵的障礙物檢測(cè)功能。圖7為障礙物檢測(cè)信息處理流程圖。

圖7 障礙物檢測(cè)信息處理流程圖

YOLO障礙物類別檢測(cè)所用的是一種新型的網(wǎng)絡(luò)結(jié)構(gòu)，包括53個(gè)卷積層的Darknet53，采用金字塔思想，對(duì)第1個(gè)預(yù)測(cè)層前的特征圖進(jìn)行上采樣處理，在第2個(gè)、第3個(gè)預(yù)測(cè)層前添加卷積層，使圖像的特征更加細(xì)膩。根據(jù)圖8可知，當(dāng)一副包含目標(biāo)信息的原始圖片輸入之后，網(wǎng)絡(luò)會(huì)先對(duì)其進(jìn)行多個(gè)網(wǎng)格的分解，之后經(jīng)由迭代卷積逐一對(duì)各網(wǎng)格內(nèi)是否包含目標(biāo)物體進(jìn)行檢測(cè)，如果檢測(cè)到某網(wǎng)格內(nèi)有目標(biāo)物體存在，則將其作為初始網(wǎng)格，針對(duì)網(wǎng)格中心位置與邊界范圍作微調(diào)處理，以此將目標(biāo)物體精準(zhǔn)位置確定下來(lái)。在進(jìn)行識(shí)別的整個(gè)過(guò)程中，卷積神經(jīng)網(wǎng)絡(luò)會(huì)基于某一特定順序的卷積與池化，執(zhí)行對(duì)圖像的編碼任務(wù)，以此將固定特征信息提取出來(lái)，之后經(jīng)由上采樣將采集到的含有特征的編碼信息還原為初始圖片，最終，經(jīng)全連接層將其輸出。在整個(gè)識(shí)別過(guò)程中，特征圖越小，可識(shí)別的目標(biāo)也會(huì)越小。YOLOv3網(wǎng)絡(luò)中，如果輸入像素為256×256的圖片，能夠提取的特征最小尺寸像素為8×8，可以滿足在途列車障礙物檢測(cè)場(chǎng)景中對(duì)遠(yuǎn)距離目標(biāo)的檢測(cè)。

圖8 YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)

6 試驗(yàn)分析

根據(jù)本文研究的監(jiān)測(cè)方法，進(jìn)行一個(gè)用于功能檢測(cè)的實(shí)驗(yàn)平臺(tái)的搭建，平臺(tái)寬度相同于地鐵列車兩車輪之間的間距，具體數(shù)值為1 435 mm，車載機(jī)箱所處的位置在底層板上，照相機(jī)則位于地面上方1.6 m的位置。借助于內(nèi)外參數(shù)矩陣，照相機(jī)可將圖像上鐵軌和實(shí)際鐵軌之間的關(guān)系確定下來(lái)。結(jié)合城規(guī)列車運(yùn)行過(guò)程中表現(xiàn)出來(lái)的相應(yīng)特點(diǎn)，本文提出了一種對(duì)外參數(shù)進(jìn)行計(jì)算的模型，基于對(duì)照相機(jī)鏡頭平面和水平面之間夾角的確定，可以參照內(nèi)參數(shù)矩陣將外參數(shù)矩陣求解出來(lái)。在完成對(duì)實(shí)驗(yàn)平臺(tái)的搭建任務(wù)之后，保持照相機(jī)固定狀態(tài)，對(duì)其鏡頭平面和水平面之間的夾角進(jìn)行測(cè)量，為5°。在系統(tǒng)的各個(gè)設(shè)備之間，借助于電纜將它們之間的相互連接建立起來(lái)，平臺(tái)的下端，位于兩端位置處的輪軌能夠沿著鐵軌的方向，以一個(gè)相對(duì)而言比較慢的速度對(duì)試驗(yàn)平臺(tái)進(jìn)行推進(jìn)。針對(duì)列車處于靜態(tài)狀態(tài)之下系統(tǒng)的功能，此試驗(yàn)平臺(tái)可以進(jìn)行模擬，雖然無(wú)法做到對(duì)列車動(dòng)態(tài)狀態(tài)之下系統(tǒng)功能的模擬，但是可以發(fā)揮出推動(dòng)試驗(yàn)平臺(tái)的作用，執(zhí)行對(duì)鐵軌邊界特定障礙物的掃描任務(wù)，并在此基礎(chǔ)之上，通過(guò)對(duì)數(shù)據(jù)處理時(shí)間的具體計(jì)算，又可達(dá)到估算列車實(shí)際運(yùn)行狀態(tài)的目的，這同樣意味著系統(tǒng)可以在列車運(yùn)行狀態(tài)之下發(fā)揮出對(duì)障礙物的檢測(cè)功能。

為了將系統(tǒng)對(duì)障礙物的檢測(cè)應(yīng)用效果確定下來(lái)，在實(shí)際的地鐵運(yùn)行過(guò)程中，通過(guò)具體操作將障礙物識(shí)別程序啟動(dòng)，紅外成像系統(tǒng)與可見(jiàn)光成像系統(tǒng)均在地鐵上安裝，它們同時(shí)進(jìn)行地鐵運(yùn)行圖像信息的采集，并由此而生成相應(yīng)的障礙物檢測(cè)數(shù)據(jù)庫(kù)，在列車的行駛過(guò)程中，如果發(fā)現(xiàn)存在障礙物，則將相應(yīng)的警報(bào)信息發(fā)出，若是沒(méi)有發(fā)現(xiàn)障礙物，列車保持原狀態(tài)正常運(yùn)行。

將試驗(yàn)平臺(tái)放置于鐵軌上，平臺(tái)靜止不動(dòng)，設(shè)定人站在鐵軌正前方作為障礙物，己知軌道長(zhǎng)度為11.8m，根據(jù)障礙物直線檢測(cè)的要求，照像機(jī)識(shí)別出鐵軌為直線。

識(shí)別結(jié)果見(jiàn)圖9。根據(jù)圖9可知，識(shí)別結(jié)果較為理想，可以實(shí)現(xiàn)列車運(yùn)行中前方列車80～500 m安全限界范圍內(nèi)的障礙物識(shí)別，在500 m內(nèi)能夠識(shí)別出行人等障礙物，識(shí)別的障礙物大小為40 cm×40 cm；300 m內(nèi)可以識(shí)別更小的物體，如掉落在軌道上的石塊等。這樣的識(shí)別能力已足夠滿足安全要求。

圖9 障礙物識(shí)別效果

7 結(jié)束語(yǔ)

本文基于紅外成像系統(tǒng)與可見(jiàn)光成像系統(tǒng)設(shè)計(jì)了地鐵障礙物檢測(cè)系統(tǒng)，先對(duì)紅外成像系統(tǒng)與可見(jiàn)光成像系統(tǒng)進(jìn)行校正，之后采集相關(guān)的圖像信息，由于紅外與可見(jiàn)光圖像傳感器的成像機(jī)理不同，所拍攝的圖像也存在有較大的差異。利用BEEMD 算法對(duì)圖像進(jìn)行融合之后進(jìn)行YOLO障礙物類別檢測(cè)，最后對(duì)系統(tǒng)的應(yīng)用進(jìn)行分析，結(jié)果表明該系統(tǒng)的障礙物識(shí)別能力滿足地鐵列車的安全運(yùn)行需求。