地鐵車輛障礙物檢測技術(shù)應(yīng)用分析

柳 召

（中鐵第一勘察設(shè)計院集團(tuán)有限公司，陜西 西安 710043）

障礙物檢測技術(shù)是近年來隨著計算機(jī)視覺和人工智能技術(shù)的快速發(fā)展而興起的一種新型技術(shù)。通過對地鐵車輛周圍環(huán)境進(jìn)行實時監(jiān)測和分析，該技術(shù)能夠及時發(fā)現(xiàn)并處理潛在的障礙物，從而有效避免事故的發(fā)生。與傳統(tǒng)的障礙物檢測方法相比，基于計算機(jī)視覺和人工智能的障礙物檢測技術(shù)具有更高的準(zhǔn)確性和實時性，能夠更好地適應(yīng)地鐵車輛運(yùn)行環(huán)境的特點。

1 系統(tǒng)功能需求與運(yùn)行平臺

1.1 功能需求

城市地下軌道交通系統(tǒng)設(shè)計有實現(xiàn)高速行進(jìn)，通常速度范圍為80～100 km/h，為滿足緊急制動需求，該系統(tǒng)能夠在400 m范圍內(nèi)安全停車。因此，該系統(tǒng)裝備了多項關(guān)鍵的偵測技術(shù)以確保運(yùn)行安全。首先，鑒于大部分軌道位于地下，環(huán)境缺乏光照，偵測技術(shù)必須具備在光線不足情況下準(zhǔn)確識別前方潛在障礙物的能力。其次，該技術(shù)應(yīng)能實時檢測前方軌道上的障礙物，并能夠?qū)瘓蠹墑e進(jìn)行區(qū)分，以便快速作出反應(yīng)。最后，系統(tǒng)需要維護(hù)并更新關(guān)于障礙物的數(shù)據(jù)記錄，為未來的分析提供便利。通過這一系列精細(xì)和高效的技術(shù)措施，顯著提高了地下鐵路系統(tǒng)的安全性和可靠性。

1.2 運(yùn)行平臺

經(jīng)過對包括基于數(shù)字信號處理技術(shù)的平臺、基于嵌入式ARM架構(gòu)的平臺以及工業(yè)個人電腦（IPC）平臺等多種方案的全面評估后，本研究團(tuán)隊選擇以工控機(jī)為基礎(chǔ)架構(gòu)，以實現(xiàn)地鐵車輛障礙物檢測系統(tǒng)的部署。此決策基于以下關(guān)鍵因素：與以DSP為核心的平臺相較，工控機(jī)具有更短的開發(fā)周期優(yōu)勢；與基于ARM架構(gòu)的平臺比較，工控機(jī)在處理大量圖像數(shù)據(jù)方面顯示出更高的效率。所采納的工控機(jī)配置如下：其核心處理器選用Intel Core i5-4590（主頻3.30 GHz），配備8 GB內(nèi)存。在成像設(shè)備方面，研究組配置了視角為51.46°的攝像頭，搭配尺寸為6.4 mm×6.4 mm、ISO感光度為100、焦距為15 mm的感光芯片。原始攝像機(jī)拍攝的分辨率為1 280×720，經(jīng)過處理的圖像分辨率調(diào)整為640×480。系統(tǒng)中并行設(shè)置了兩個光軸互相平行的攝像頭，從而為地鐵車輛障礙物檢測系統(tǒng)提供了高效能和高精準(zhǔn)度的硬件保障，進(jìn)而確保了基于此硬件組合的操作優(yōu)化。

2 系統(tǒng)架構(gòu)與硬件設(shè)計

2.1 系統(tǒng)架構(gòu)與功能模塊

在獲取詳細(xì)圖像信息的過程中，可見光成像技術(shù)因其在特定領(lǐng)域展現(xiàn)出的顯著優(yōu)勢而不可或缺。同樣，紅外成像技術(shù)因其對環(huán)境光變化的高度不敏感性，在特殊環(huán)境條件下展示出額外的價值?；趯@些獨特性的認(rèn)識，開發(fā)了一種結(jié)合紅外與可見光成像技術(shù)的方法，該方法旨在地鐵運(yùn)行環(huán)境中有效識別障礙物信息，并通過車載系統(tǒng)的支持實現(xiàn)成像系統(tǒng)的獨立運(yùn)作。在地鐵運(yùn)行過程中，該障礙物視覺檢測系統(tǒng)承擔(dān)著至關(guān)重要的圖像識別職能，主要用于檢測行進(jìn)路徑上可能出現(xiàn)的障礙物?？傮w而言，該障礙物視覺檢測系統(tǒng)集成了多個關(guān)鍵組件，包括圖像采集與處理、行為分析、用戶界面交互、地鐵車輛通訊接口以及全方位的服務(wù)支持。在圖像采集模塊方面，系統(tǒng)將紅外與可見光感測技術(shù)進(jìn)行了集成，并通過中央控制單元同步這兩種成像技術(shù)，以期在檢測結(jié)果上達(dá)成互補(bǔ)效果。為了精確捕獲障礙物的圖像信息，該系統(tǒng)采用了立體視覺校正技術(shù)，精確校準(zhǔn)了紅外成像與可見光成像之間的空間位置關(guān)系，有效消除了圖像畸變，并確保了兩個成像系統(tǒng)在空間坐標(biāo)上的一致對應(yīng)。此外，該校正過程利用MatLab進(jìn)行參數(shù)標(biāo)定，并將標(biāo)定結(jié)果以XML格式記錄，然后借助OpenCV庫的函數(shù)進(jìn)一步微調(diào)兩套系統(tǒng)中相機(jī)的參數(shù)，以優(yōu)化障礙物圖像的重現(xiàn)質(zhì)量。信息處理模塊的角色至關(guān)重要，其主要任務(wù)是對障礙物進(jìn)行準(zhǔn)確識別。該模塊先將獲得的圖像數(shù)據(jù)進(jìn)行二值化處理，之后，通過采用邊界元素法與經(jīng)驗?zāi)B(tài)分解（BEEMD）算法，實現(xiàn)紅外與可見光圖像的有效融合。接著，利用YOLO（You Only Look Once）算法精確識別障礙物種類?；谒R別的障礙物信息，行為分析模塊便承擔(dān)起調(diào)節(jié)地鐵速度的職責(zé)，通過加速或減速來適應(yīng)行駛條件。而用戶界面模塊則旨在提升與用戶的互動經(jīng)驗，通過在顯示屏上詳細(xì)展現(xiàn)地鐵運(yùn)行情況、預(yù)測的障礙物及其他關(guān)鍵信息，并配置緊急停車按鈕，進(jìn)一步優(yōu)化了地鐵的調(diào)試與操作流程。至于列車接口模塊，它集成了引擎和制動控制系統(tǒng)，關(guān)鍵在于調(diào)節(jié)地鐵的牽引力并執(zhí)行制動過程。上位工控機(jī)的職責(zé)是對障礙物檢測系統(tǒng)進(jìn)行全面管理與數(shù)據(jù)存儲，它不僅監(jiān)控整個服務(wù)模塊的運(yùn)行，還處理所有與障礙物檢測相關(guān)的數(shù)據(jù)信息。

2.2 系統(tǒng)硬件設(shè)計

在地鐵障礙物檢測系統(tǒng)的構(gòu)造方面，該系統(tǒng)由若干關(guān)鍵性組件構(gòu)建而成（如圖1），這些組件包括但不限于系統(tǒng)主控單元以及紅外與可見光成像設(shè)備。系統(tǒng)主控單元的主要職責(zé)為收集和分析通過紅外及可見光成像裝置獲取的視覺信息。一旦在分析過程中檢測到障礙物存在，系統(tǒng)將立即通過激活繼電器的方式啟動地鐵的緊急制動功能。

圖1 系統(tǒng)硬件

3 系統(tǒng)軟件實現(xiàn)方法

在地鐵障礙物檢測系統(tǒng)的初始階段，首先執(zhí)行的是紅外與可視光攝像系統(tǒng)的初始化程序，目的在于為接下來的圖像采集工作做準(zhǔn)備。在地鐵運(yùn)營的全過程中，該系統(tǒng)持續(xù)對軌道進(jìn)行實時監(jiān)測，以便及時發(fā)現(xiàn)任何潛在的障礙物。該系統(tǒng)采用了先進(jìn)的YOLO障礙物識別技術(shù)，能夠高精度識別出軌道上存在的障礙物，并在檢測到障礙物的第一時間，迅速激活警報系統(tǒng)。隨后，地鐵司機(jī)在接收到警報信號后，將即刻采取相應(yīng)措施，調(diào)整列車速度，確保旅客安全。重要的是，所有的障礙物檢測數(shù)據(jù)、列車運(yùn)行數(shù)據(jù)以及報警信號等重要信息都會被詳細(xì)記錄在控制系統(tǒng)的上位機(jī)中，并保留以供后續(xù)的深入分析和處理之需。

4 圖像處理實現(xiàn)

4.1 圖像預(yù)處理

在紅外和可見光成像系統(tǒng)捕獲圖像時，外部環(huán)境因素容易對成像質(zhì)量造成干擾，進(jìn)而影響圖像的清晰度和解釋準(zhǔn)確性。為了降低這些干擾的影響，對獲取的圖像實施精確的預(yù)處理措施是至關(guān)重要的環(huán)節(jié)。在眾多預(yù)處理技術(shù)中，Otsu算法因其獨特的邏輯結(jié)構(gòu)而廣泛應(yīng)用于圖像的二值化處理，其處理過程不僅大大簡化了圖像內(nèi)容，也為進(jìn)一步的圖像分析打下了堅實的基礎(chǔ)。Otsu算法的核心目的是對圖像中的不同區(qū)域進(jìn)行劃分，使之成為具有獨特特征且互不重疊的區(qū)域，從而提供了分割精度的優(yōu)化，這是提高后續(xù)圖像后處理工作效率和質(zhì)量的關(guān)鍵環(huán)節(jié)。自O(shè)tsu算法推廣以來，其直觀的處理邏輯和高效的計算性能在眾多應(yīng)用場景中展現(xiàn)了出色的圖像分割能力，因此受到了廣泛的研究和應(yīng)用。該算法最顯著的特點是，依托于一維直方圖分析，它能夠自動最大化類間方差，以尋求最優(yōu)的閾值劃分，無需復(fù)雜參數(shù)設(shè)定，極大地提高了操作的便捷性。Otsu算法所依據(jù)的圖像分割策略基于數(shù)學(xué)統(tǒng)計學(xué)和模糊理論，通過合理選取和實施算法，有效提升了圖像處理的精確性和效率。

4.2 紅外與可見光圖像融合

在成像技術(shù)中，紅外和可見光系統(tǒng)捕捉視覺信息的差異顯著，需通過圖像融合技術(shù)綜合各自優(yōu)勢，全面捕獲信息。邊界擴(kuò)展的經(jīng)驗?zāi)B(tài)分解（BEEMD）算法，以其優(yōu)異的高斯白噪聲分析能力，通過生成不同噪聲水平的圖像副本和改進(jìn)的BEMD處理，有效提取高質(zhì)量的圖像特征及殘余分量，極大增強(qiáng)了圖像處理的精確性。BEEMD算法通過引入高斯白噪聲，增加極值點的局部數(shù)量，有助于改進(jìn)圖像分解質(zhì)量，解決模態(tài)混疊問題，提升算法性能。

圖像融合技術(shù)的實施遵循一系列系統(tǒng)化且精確的步驟。首先，通過按比例引入高斯白噪聲，確保其在圖像全域內(nèi)的均勻分布。隨后，采用對稱擴(kuò)展技術(shù)對待融合圖像進(jìn)行預(yù)處理，并生成含有高斯白噪聲的圖像副本?；贐EMD算法，對這些噪聲強(qiáng)化后的圖像進(jìn)行逐一分解，目的是提取各個圖像的內(nèi)在模態(tài)分量（IMF）。通過對這些IMF分層分量進(jìn)行平均處理，生成了準(zhǔn)備融合圖像的顯著特征部分EIMF，并據(jù)此計算出相應(yīng)的殘差部分Res。在項目實施初期，設(shè)定了分解的層次為1，并制定了上限，確保了分解步驟的有序進(jìn)行。將待分解的圖像視為殘差部分，對各層IMF進(jìn)行計算處理。此計算過程完成后，得到了各層的IMF分量及其殘差，隨后通過平均化過程，得到了各層預(yù)期融合圖像的顯著特征部分EIMF。為了提高融合過程的精確度，特別引入了IMF篩選的終止條件，基于Cauchy型的收斂準(zhǔn)則，當(dāng)測定值SD低于預(yù)設(shè)的閾值（設(shè)為0.2）時，篩選過程即告終止。接著，對目標(biāo)紅外圖像和可見光圖像分別進(jìn)行分解，以獲得其各自的EIMF和Res部分。進(jìn)一步地，采納了一種基于局部區(qū)域能量的融合策略，巧妙地將兩種不同類型圖像的EIMF融合，形成了融合后的EIMFci。最終，通過應(yīng)用模糊邏輯規(guī)則，將Resai與Resbi融合得到Resc，并將EIMFci與Resc進(jìn)行重疊，實現(xiàn)了圖像的全面融合。

5 障礙物檢測的實現(xiàn)

整合紅外與可見光成像技術(shù)，文章首先采集地鐵前方障礙物的圖像數(shù)據(jù)，然后對所得圖像進(jìn)行必要的預(yù)處理及融合。本方法采用YOLO（You Only Look Once）算法來進(jìn)行障礙物的精確識別，該算法通過Darknet53模型架構(gòu)，有效提高地鐵途徑上障礙物的檢測率。Darknet53由53層卷積層構(gòu)成，該架構(gòu)采用分層分析技術(shù)對圖像執(zhí)行高級處理，例如在重要的預(yù)測層之前執(zhí)行上采樣操作，并在之后的預(yù)測層中增加卷積層，以改善圖像特征分辨率。該網(wǎng)絡(luò)對包含目標(biāo)的圖像進(jìn)行分割，劃分為多個網(wǎng)格，并對每個網(wǎng)格進(jìn)行逐層卷積以檢測潛在的目標(biāo)物體。識別出含有目標(biāo)物體的網(wǎng)格隨后將被調(diào)整位置，實現(xiàn)目標(biāo)的精確定位。在此過程中，網(wǎng)絡(luò)根據(jù)特定程序執(zhí)行圖像的卷積與池化操作，提取關(guān)鍵特征，隨后通過上采樣技術(shù)將圖像恢復(fù)至原尺寸，并通過全連接層輸出最終結(jié)果。在YOLOv3算法的應(yīng)用中，對于256×256像素的輸入圖像，系統(tǒng)能夠識別至少8×8像素大小的最小特征，這一點在地鐵運(yùn)行過程中有利于遠(yuǎn)距離障礙物的檢測。

6 實驗探究

構(gòu)建一個適應(yīng)于地鐵輪距標(biāo)準(zhǔn)（即1 435 mm寬度）的功能化檢測試驗平臺。該平臺裝配有機(jī)械結(jié)構(gòu)，并且在距離平臺1.6 m的高度位置配置了攝像系統(tǒng)。通過采用內(nèi)外參數(shù)矩陣的方法，實現(xiàn)了圖像中鐵軌與現(xiàn)實鐵軌間的精確映射?？紤]到城市軌道交通的運(yùn)行特征，文章提出了一種新穎的外部參數(shù)計算模型，該模型基于攝像設(shè)備鏡頭平面與水平面之間的夾角測定內(nèi)部參數(shù)。在完成試驗平臺的建設(shè)后，固定安裝攝像設(shè)備，并準(zhǔn)確測量了攝像機(jī)鏡頭與水平面之間的夾角為5°。通過電纜連接平臺各個部件，實現(xiàn)了試驗平臺沿著軌道進(jìn)行緩慢移動的功能。盡管此設(shè)置不能完整模擬列車的動態(tài)行駛過程，但足以掃描并檢測鐵軌邊緣的潛在障礙物。通過對數(shù)據(jù)處理時間的細(xì)致分析，仿真出列車的實際行駛狀態(tài)，從而使系統(tǒng)能夠在移動中準(zhǔn)確執(zhí)行障礙物探測任務(wù)。進(jìn)一步實驗設(shè)計包括在地鐵實際行駛過程中對障礙物檢測系統(tǒng)的性能進(jìn)行測試，通過安裝紅外線和可見光成像系統(tǒng)，并啟動障礙物識別程序進(jìn)行實際操作，同時收集圖像信息以建立一個全面的檢測數(shù)據(jù)庫。一旦系統(tǒng)探測到障礙物，即立即發(fā)出警報，否則不會對列車的正常行駛產(chǎn)生任何干擾。為了驗證系統(tǒng)在直線軌道上的障礙物檢測能力，將試驗平臺設(shè)置在鐵軌上，并使用人形物作為障礙物進(jìn)行模擬實驗。試驗中設(shè)定鐵軌長度為11.8 m，以確保攝像機(jī)能夠準(zhǔn)確識別鐵軌，滿足直線檢測的準(zhǔn)則要求。

7 結(jié)語

通過系統(tǒng)功能需求與運(yùn)行平臺、系統(tǒng)架構(gòu)與硬件設(shè)計、系統(tǒng)軟件實現(xiàn)方法、圖像處理實現(xiàn)以及障礙物檢測的實現(xiàn)等關(guān)鍵環(huán)節(jié)的分析，為地鐵車輛的障礙物檢測系統(tǒng)設(shè)計與優(yōu)化提供了理論支持和實踐指導(dǎo)。實驗探究部分驗證了該技術(shù)的可行性和有效性，為地鐵車輛的安全運(yùn)行提供了有力保障。未來，隨著技術(shù)的不斷進(jìn)步和應(yīng)用領(lǐng)域的拓展，地鐵車輛障礙物檢測技術(shù)將在保障城市軌道交通安全方面發(fā)揮更加重要的作用。