基于多傳感和圖像小波變換的地鐵障礙物融合檢測方法

收稿日期：2023-10-20

作者簡介：宋遠（1989—），男，本科，工程師，研究方向：自動化控制。

摘要 為進一步提升地鐵車輛行車質量，避免運行途中突遇障礙物導致的列車逼停、車輛故障晚點等情況的發生，文章從多種傳感器獲取數據的特點入手，提出了基于小波變換的圖像融合方法，然后對基于多傳感器信息融合的地鐵車輛在途障礙物檢測系統進行了設計，較好地實現了地鐵障礙物的識別檢測，有效提升了地鐵列車的行車質量，保障了行車安全。

關鍵詞 地鐵車輛；傳感器；圖像識別；地鐵障礙物；融合檢測

中圖分類號 U284.48文獻標識碼 A文章編號 2096-8949（2024）01-0001-04

0 引言

地鐵作為居民日常出行的主要交通工具，其行車安全十分關鍵，如何做好車輛運行過程中障礙物的檢測，及時采取避讓措施，保障人員生命財產安全意義重大。目前我國地鐵車輛在實際運行過程中障礙物檢測，主要有軌旁裝置測量法、工程車輛（軌網檢測車）測量法、傳感器測量法等，軌旁檢測裝置主要是在軌道附近安裝攝像機、激光傳感器等，實時監測軌道工作狀態并通過網絡將數據上傳至控制中心，發揮障礙物檢測的功能。工程車輛測量法采用專用的軌網檢測車按照施工點對軌道進行定期檢查，清除軌道周邊障礙物及異物[1]。但當地鐵車輛運行中突然遇見障礙物時，該作業方法不能及時制止報警，且軌網檢測車長時間穿梭在軌道上會致使軌道產生形變，存在較大安全隱患。目前，應用較多的是多傳感器融合法，對地鐵車輛運行過程中的在途障礙物進行圖像等識別檢測，在實際檢測過程中，偶爾發生傳感器采集數據不準確、速度慢、錯誤報警等現象。所以，如何選到合適的傳感器關系重大，其直接影響目標融合數據是否能夠成功提取，最終影響障礙物的檢測效果。

1 不同傳感器獲取數據特點

面對復雜的地鐵車輛運行環境，各種傳感器在運行中都有獨特的特點，常見傳感器類型及工作特點如圖1所示，考慮地鐵行車隧道光線較暗的因素，該文選取攝像機、熱成像儀的傳感技術進行研究分析。因為在外界昏暗環境下，攝像機跟熱成像儀較為適用，后者可以直觀形象地顯示圖像，快速定位發熱物體，但成像對比度以及細節分辨力比較低、無法清晰表達物體細節，且穿透能力較弱，不能穿透墻壁，對于透明物體檢測效果不佳，倘若將清晰度較高的光學攝像機拍攝的圖像依據相應規則與熱成像圖像進行融合，便可以實現優勢互補的效果。

2 基于小波變換的圖像融合方法研究

2.1 小波變換基本原理

在采集信號數據處理時，已知連續信號，且，有的連續小波變換公式[2]：

（1）

式（1）中的表達函數是一維小波變換，推廣到二維小波變換的函數表達式為：

（2）

針對一些，與，存在，則對應的DWT函數表達式為：

（3）

其中，及是及離散化的表現。在二維小波離散尺度下，需要1個二維尺度函數與3個二維小波、、，每個二維函數都是2個一維函數相乘：

（4）

方向敏感的小波為：

（5）

2.2 算法流程

該文圖像融合技術的具體算法流程如下[3]：

（1）將準備融合處理的熱成像圖像跟光學圖像進行匹配。

（2）分組標記，對熱成像圖像、光學圖像利用Wavelet Transform技術進行分解，分別獲得熱成像圖像、光學圖像的高頻信號和低頻信號特征量。

（3）依據融合規則對熱成像圖像、光學圖像的高頻信號和低頻信號特征量進行處理。

（4）將處理后的各圖像高頻信號特征量與低頻信號特征量進行逆向Wavelet Transform 操作。

（5）最終輸出融合圖像。如圖2所示。

3 基于傳感器信息融合的地鐵車輛障礙物檢測系統設計

地鐵車輛在途障礙物檢測系統工作流程如圖3所示。

圖像預處理主要是對目標圖像進行降噪、灰度處理等。軌道起始點自適應搜尋可以為后面的軌道限界提取步驟明確限界檢測起點。在限界值提取步驟中，借助區域骨架方法對城市軌道交通運行軌道自身的限界值進行萃取，該方法可以在城市軌道交通運行軌道起始參考點已設定的基礎上，精準識別出理想的目標軌道限界值關聯區域，如圖4所示。

3.1 地鐵軌道起點自適應搜尋

在地鐵隧道中，普遍存在亮暗交錯的環境特征，如圖5所示。

在該軌道起始點自搜尋算法中，采取列像素灰度均值的參數來體現圖像變化的強烈程度。根據相關研究經驗，對圖像下方1 925×45分辨率的目標區域開展軌道起始點的自動搜尋[4]。設定經過處理的圖像為，是在x=n處列像素點的灰度均值，計算公式如下：

（6）

將圖5中的右面軌道進行局部放大操作（如圖6所示），直方圖如圖7所示。

由圖6與圖7可知，在目標軌道的起點處，陡然變化。為進一步彰顯的變化，該文采取了相鄰列像素點灰度均值梯度：

（7）

進一步做歸一化處理，以的絕對值做直方圖，如圖8所示。在圖8中，可以通過絕對值直方圖中的2個峰值來實現判斷軌道起始點的目的。

3.2 地鐵車輛運行障礙物檢測流程

地鐵運行障礙物的查找及感應監測是整個地鐵運行中的重中之重。雖然在整個軌道交通運行過程中，每天運營結束后，檢修人員都會對地鐵車輛及隧道內設施設備進行維護性檢查，且每天正式運行前，也都會有專門的壓道車及工作人員對整個隧道線路進行巡查，但也無法完全避免地鐵車輛運行途中偶發隧道掉落的混凝土塊、隨風卷入的大體積垃圾、松動掉落的軌旁檢測設備、誤入的牲畜動物等情況。地鐵行業雖具有獨立的行駛路權，但侵入軌行區的障礙物具有突發性強、危險性高的特征[5]。該文主要對侵入軌行區的存在溫度差的障礙物進行檢測，一般地鐵軌道處于陰暗少光的環境中，如圖9所示。

為了更好提取到目標障礙物相關特征量，該文采用Wavelet Transform的圖像融合方法，去掉目標信號中高頻部分，突出顯示目標信號中低頻部分，非常適用于城市軌道交通隧道工作環境的障礙物低頻特征量的提取。如圖10所示，為目標障礙物示例圖片經過Wavelet Transform處理后的圖像，通過觀察不難發現，采用Wavelet Transform處理過的障礙物低頻特征量可以依靠溫差很好成像。地鐵障礙物提取檢測流程如圖11所示。

對Wavelet Transform處理后的目標信號中障礙物低頻部分開展邊緣檢測，能夠獲取在途障礙物的圖像矩陣，再利用光學攝像機及熱成像儀進行統籌標定，各個像素矢量均單獨標定，不需額外搭建立體模型，建立障礙物上幾何點與其坐標點之間的一一對應關系，通過相關算法獲得障礙物的內外參數，最終得到該目標障礙物的具體坐標位置。地鐵運行實際軌行區環境中的相關實驗結果如圖12所示。

4 結語

實際地鐵車輛運行過程中，軌行區環境昏暗，大概率會遇到因行車震動造成掉落的建筑土塊、超過行車限界的軌旁裝置、意外誤入的行人動物等突發情況，導致各種故障頻繁發生，嚴重影響了地鐵運行質量，降低了行車效率。因此，該文首先介紹了光學攝像機、熱成像儀等多種傳感器獲取數據的特點，然后提出了基于小波變換的圖像融合方法，最后對基于多傳感器信息融合的地鐵車輛在途障礙物檢測系統進行了設計，包含地鐵軌道起點自適應搜尋、地鐵車輛運行障礙物檢測流程等，較好地實現了地鐵障礙物的識別檢測，有效提升了地鐵列車的行車質量，保障了行車安全，對后續地鐵運行在途障礙物檢測研究具有一定借鑒意義。

參考文獻

[1]路向陽， 李雷， 雷成健， 等. 城市軌道交通全自動駕駛技術發展綜述[J]. 機車電傳動， 2018（1）： 6-12.

[2]翟光耀. 基于毫米波雷達與機器視覺信息融合的有軌電車障礙物檢測[D]. 蘇州：蘇州大學， 2019.

[3]蓋雪， 姜建平. 人工智能技術在電力設備運維檢修中的研究及應用[J]. 工程建設與設計， 2021（2）： 151-152.

[4]劉愛東， 李知宇， 王豐， 等. 基于GPS授時同步的標校系統嵌入式設計[J]. 電子設計工程， 2018（7）： 55-58.

[5]胡松， 王道累. 攝像機標定方法的比較分析[J]. 上海電力學院學報， 2018（4）： 366-370.