車(chē)載單目攝像機(jī)下地鐵軌行區(qū)檢測(cè)與提取

譚飛剛,余志立,劉開(kāi)元,李 汀

(深圳信息職業(yè)技術(shù)學(xué)院交通與環(huán)境學(xué)院,深圳 518172)

引言

目前，我國(guó)地鐵進(jìn)入快速發(fā)展階段，截至2020年年底，全國(guó)45個(gè)城市開(kāi)通城市軌道交通運(yùn)營(yíng)線路總長(zhǎng)7 978.19 km[1]，其中地鐵6 302.79 km。安全、快速、準(zhǔn)時(shí)等特點(diǎn)使得地鐵成為居民出行交通工具首選。以深圳為例，地鐵客流量由2016年的12.97億人次，增長(zhǎng)至2019年的20.21億人次，客流量增長(zhǎng)了55.8%(2020年因疫情影響不作參考)，公共交通的主體由常規(guī)公交向地鐵轉(zhuǎn)變。地鐵的安全、快速使得其運(yùn)行環(huán)境對(duì)線路界限有非常嚴(yán)格的要求[2-4]。地鐵線路異物入侵對(duì)軌道交通安全運(yùn)營(yíng)構(gòu)成巨大威脅，輕則中斷行車(chē)影響乘客出行，重則出現(xiàn)財(cái)產(chǎn)損失和人員傷亡事故[5-6]。2017年12月6日，深圳地鐵11號(hào)線隧道被打樁機(jī)打穿異物墜落，導(dǎo)致中斷行車(chē)13 h；2018年6月26日，北京地鐵機(jī)場(chǎng)線因大風(fēng)吹入鋼板至軌行區(qū)導(dǎo)致接觸軌停電，導(dǎo)致多趟列車(chē)延誤。因此，地鐵異物侵限被定為行業(yè)一級(jí)防災(zāi)響應(yīng)[7-9]。因地鐵線路異物入侵具有突發(fā)性、線路環(huán)境復(fù)雜、破壞力巨大等特征，使得地鐵軌道異物侵限自動(dòng)檢測(cè)技術(shù)面臨巨大挑戰(zhàn)[10-11]，如何利用科學(xué)技術(shù)實(shí)現(xiàn)異物侵限智能檢測(cè)與預(yù)警是當(dāng)前軌道交通運(yùn)輸亟待解決的難題[12-13]。

目前，國(guó)內(nèi)外軌道交通異物入侵檢測(cè)方法主要有接觸式和非接觸式兩類(lèi)[14]。接觸式檢測(cè)技術(shù)主要包含單電網(wǎng)檢測(cè)、雙電網(wǎng)傳感器檢測(cè)、光纜傳感監(jiān)測(cè)技術(shù)、光纖光柵防護(hù)網(wǎng)技術(shù)、傾角傳感器；非接觸式檢測(cè)技術(shù)主要包含主動(dòng)紅外入侵探測(cè)、激光入侵探測(cè)、雷達(dá)式微波檢測(cè)、對(duì)射型微波入侵探測(cè)、超聲波探測(cè)、固定區(qū)域視頻監(jiān)測(cè)等。這些檢測(cè)技術(shù)存在對(duì)于落在軌道上的靜態(tài)異物無(wú)法測(cè)量，設(shè)備固定在軌道旁，只能實(shí)現(xiàn)固定區(qū)域有限距離檢測(cè)等缺陷[7]。

隨著機(jī)器視覺(jué)的快速發(fā)展，基于視頻的軌行區(qū)異物自動(dòng)檢測(cè)，特別是基于車(chē)載攝像機(jī)軌行區(qū)異物檢測(cè)成為當(dāng)前研究的熱點(diǎn)[15-16]。軌行區(qū)檢測(cè)與提取作為檢測(cè)算法的第一步，目前主要有2種方法：基于累計(jì)灰度閾值，基于邊緣檢測(cè)和霍夫直線檢測(cè)算法?；诨叶乳撝禉z測(cè)算法容易受光照變化影響，特別是陰影覆蓋不同軌道時(shí)，影響軌行區(qū)提取?；谶吘墮z測(cè)和霍夫直線檢測(cè)算法，直線檢測(cè)結(jié)果容易受軌旁其他設(shè)備輪廓干擾[17-18]。針對(duì)霍夫直線檢測(cè)算法的結(jié)果進(jìn)行修正，解決了軌旁設(shè)備輪廓干擾問(wèn)題。試驗(yàn)結(jié)果表明，本文方法具有較高的速度和準(zhǔn)確率。

1 算法描述

本文算法整體流程如圖1所示，總共包含獲取攝像機(jī)圖像、圖像預(yù)處理、Canny邊緣檢測(cè)、ROI區(qū)域提取、霍夫直線檢測(cè)、直線坐標(biāo)調(diào)整和提取軌行區(qū)7個(gè)部分。首先，通過(guò)網(wǎng)絡(luò)攝像機(jī)獲取列車(chē)運(yùn)行前方圖像；然后，進(jìn)行圖像預(yù)處理操作，主要包含圖像灰度處理、高斯濾波等操作；在此基礎(chǔ)上再進(jìn)行后續(xù)鋼軌檢測(cè)與提取操作。

圖1 算法流程

地鐵軌行區(qū)與高鐵或普鐵線路軌行區(qū)不同，其旁邊鋪設(shè)了大量軌旁設(shè)備，如線纜、信號(hào)機(jī)、接觸軌、管道等。這些設(shè)備在進(jìn)行輪廓檢測(cè)時(shí)容易對(duì)鋼軌檢測(cè)造成很大干擾。如圖2所示，圖2(a)為某市地鐵三號(hào)線車(chē)載攝像機(jī)運(yùn)行中拍攝畫(huà)面，圖2(b)為Canny算法檢測(cè)結(jié)果。從圖2可以看出，軌旁欄桿、圍墻及建筑物均檢測(cè)出豐富的輪廓，為減少其干擾，對(duì)邊緣圖像設(shè)置感興趣區(qū)域(ROI)。根據(jù)圖像大小(1280×720)及軌行區(qū)在圖像中位置，人工手動(dòng)設(shè)置感興趣區(qū)域的4個(gè)頂點(diǎn)位置為(400，720)、(680，300)、(710，300)、(800，720)。

圖2 地鐵車(chē)載視頻canny邊緣檢測(cè)示例

1.1 霍夫直線檢測(cè)

霍夫變換(Hough Transform)由Paul Hough于1962年提出，并由Richard Duda和Peter Hart推廣使用，它是圖像處理領(lǐng)域內(nèi)幾何形狀檢測(cè)的基本方法之一[19]。Hough直線檢測(cè)的基本原理在于利用點(diǎn)與線的對(duì)偶性[20-21]，假如在圖像空間中直線由式(1)表示，那么過(guò)某一點(diǎn)P(x0，y0)的所有直線參數(shù)均滿足式(2)。

y=kx+b

(1)

y0=kx0+b

(2)

式中，k，b分別為斜率和截距。

將式(2)轉(zhuǎn)化為式(3)，可以看出圖像空間中的直線與參數(shù)空間中的點(diǎn)為一一對(duì)應(yīng)，參數(shù)空間中的直線與圖像空間中的點(diǎn)也是一一對(duì)應(yīng)。最后，通過(guò)統(tǒng)計(jì)特性來(lái)實(shí)現(xiàn)直線檢測(cè)。

b=y0-kx0

(3)

1.2 直線坐標(biāo)調(diào)整

將canny邊緣檢測(cè)后的ROI進(jìn)行霍夫直線檢測(cè)，其檢測(cè)結(jié)果如圖3所示。從圖3可以看出，霍夫直線檢測(cè)雖把鋼軌檢測(cè)出來(lái)，但周?chē)鷧^(qū)域多出10多條直線，特別還包含多條與鋼軌垂直的直線。

圖3 霍夫直線檢測(cè)結(jié)果

為避免上述誤檢，提高檢測(cè)準(zhǔn)確度，對(duì)霍夫直線檢測(cè)結(jié)果進(jìn)行調(diào)整，具體描述如下。

(1)計(jì)算直線斜率。利用式(4)計(jì)算每條直線的斜率。

(4)

式中，(x1，y1)，(x2，y2)分別為直線的兩個(gè)端點(diǎn)。

(2)利用式(5)的條件對(duì)直線進(jìn)行左右分類(lèi)，同時(shí)排除水平方向直線。因?yàn)樵趫D像中y軸向下為正，故若k<-th則將其加入右邊直線候選集，若k>th則加入左邊直線候選集。其中，th為閾值，k為直線斜率。

(5)

(3)利用式(6)的條件來(lái)排除水平偏移大的直線段，即若直線坐標(biāo)滿足式(6)則移除。其中，P(x0，y0)代表直線的一個(gè)端點(diǎn)；xl，xr分別為鋼軌標(biāo)注的x方向坐標(biāo)；t為閾值。

|xl-x0|+|xr-x0|>2t

(6)

(4)求取平均坐標(biāo)，將左右兩個(gè)直線候選集中直線端點(diǎn)坐標(biāo)分別求取x、y方向的平均值，并根據(jù)平均值確定最后的直線坐標(biāo)。

基于上述4個(gè)步驟后，本文th取0.3，t取20，得到如圖4所示的檢測(cè)結(jié)果?？梢钥闯?，消除了所有的干擾直線，只有2條與軌道重疊的直線。

圖4 直線坐標(biāo)調(diào)整后檢測(cè)結(jié)果

1.3 軌行區(qū)提取

根據(jù)直線坐標(biāo)調(diào)整后的結(jié)果，提取出左右2條直線的端點(diǎn)坐標(biāo)，將其組成四邊形，其所形成的區(qū)域即為軌行區(qū)(圖5)。由圖5可見(jiàn)，兩條軌道間的軌行區(qū)基本全部準(zhǔn)確提取，為下一步軌行區(qū)異物檢測(cè)提供ROI區(qū)域，這樣不僅可有效減少其他區(qū)域的干擾，且減少了數(shù)據(jù)處理區(qū)域，可有效提高處理速度。

圖5 軌行區(qū)提取結(jié)果

圖6 與經(jīng)典霍夫直線檢測(cè)結(jié)果對(duì)比

2 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)設(shè)置

通過(guò)在列車(chē)駕駛室操縱臺(tái)前放置一臺(tái)攝像機(jī)，以列車(chē)司機(jī)視角拍攝列車(chē)運(yùn)行前方畫(huà)面的方法來(lái)采集數(shù)據(jù)，數(shù)據(jù)來(lái)源于某市地鐵3號(hào)運(yùn)營(yíng)線路，包含地面、高架和地下隧道3種場(chǎng)景。視頻總時(shí)長(zhǎng)3 h，視頻分辨率為1 280×720。實(shí)驗(yàn)仿真平臺(tái)采用配置為CPU：Intel i5-8265U，運(yùn)行內(nèi)存8GB內(nèi)存，搭載64位Windows10系統(tǒng)的筆記本電腦，編程環(huán)境為python 3.8+opencv 4.1。

2.2 結(jié)果分析

根據(jù)露天、室內(nèi)、隧道等場(chǎng)景存在光照、背景環(huán)境等差異，選擇地面軌道、地面車(chē)站、隧道軌道和地下車(chē)站4個(gè)場(chǎng)景進(jìn)行檢測(cè)，其檢測(cè)結(jié)果如圖6所示。由圖6可見(jiàn)，本文所提方法能準(zhǔn)確檢測(cè)出2條軌道，而經(jīng)典霍夫直線檢測(cè)在相同參數(shù)條件下，未經(jīng)任何處理時(shí)，會(huì)檢測(cè)出許多額外的直線段。

為評(píng)價(jià)各算法邊緣檢測(cè)效果，采用區(qū)域重疊率進(jìn)行比較，其計(jì)算方法如式(7)所示。

(7)

其中，Au，At分別為算法提取軌行區(qū)面積和標(biāo)注的軌行區(qū)面積；p∈[0，1]，其值越大，表面算法提取的區(qū)域約接近真實(shí)區(qū)域。

選用文獻(xiàn)[20]的方法與本文方法進(jìn)行對(duì)比，其對(duì)比結(jié)果如表1所示。從表1可以看出，雖然文獻(xiàn)[20]的方法在時(shí)間上比本文方法稍快一點(diǎn)，但其準(zhǔn)確率遠(yuǎn)低于本文方法。

表1 不同算法對(duì)比

3 結(jié)論

針對(duì)地鐵軌行區(qū)異物檢測(cè)關(guān)鍵技術(shù)之一的軌行區(qū)檢測(cè)與提取問(wèn)題，提出一種基于霍夫直線檢測(cè)的改進(jìn)方法。通過(guò)對(duì)霍夫直線檢測(cè)結(jié)果進(jìn)行處理，根據(jù)直線斜率等參數(shù)過(guò)濾掉水平方向及鋼軌偏離大的直線后，構(gòu)建候選直線集合；然后對(duì)候選直線集合進(jìn)行平均處理，改善直線間斷開(kāi)的問(wèn)題；從而計(jì)算出直線兩個(gè)端點(diǎn)，準(zhǔn)確檢測(cè)出鋼軌，進(jìn)而有效提取出軌行區(qū)域，為后續(xù)軌行區(qū)的異物檢測(cè)提供基礎(chǔ)。通過(guò)對(duì)比實(shí)驗(yàn)，其結(jié)果表明，本文所提方法可有效應(yīng)對(duì)地面區(qū)間、地面站臺(tái)、地下隧道及站臺(tái)處的軌行區(qū)檢測(cè)。