-
公开(公告)号：CN119992504A
公开(公告)日：2025-05-13
申请号：CN202411799289.8
申请日：2024-12-09
Applicant: 北京交通大学
IPC: G06V20/58 , G06V10/774 , G06V10/25 , G06V10/77 , G06V10/82 , G06N3/0464 , G06V10/766
Abstract: 本发明提供一种基于点云特征聚合增强的列车前向净空目标检测方法及系统，属于列车前向净空目标检测技术领域，获取车载点云数据，构建场景点云数据集；将稀疏的点云划分为规则的体素网格，体素特征编码将点云信息转化为紧凑的特征表示，并利用3D稀疏卷积逐层下采样提取多尺度体素特征；使用集合抽样对提取的多层次体素特征进行采样、分组和特征提取，将多尺度体素特征聚合到体素中心点；采用完全稀疏的高度压缩方法将提取的分层多尺度体素特征映射为BEV特征图，并通过2D稀疏卷积处理和跳跃连接，融合不同分辨率的BEV特征图；引入3D回归框的质心偏移损失以优化多任务损失，指导检测头实现列车前向净空目标分类和三维边界框回归。
-
公开(公告)号：CN119598652B
公开(公告)日：2025-05-09
申请号：CN202411644839.9
申请日：2024-11-18
Applicant: 北京交通大学
Abstract: 本发明提供一种面向车轨协同的轨道交通线路监控传感器布设优化方法及系统，属于轨道交通系统监控优化技术领域。基于监控传感器感知算法对异常事件的感知准确率，确定车轨协同下监控传感器对异常事件的联合感知准确率；根据车轨协同下监控传感器对异常事件的联合感知准确率，计算轨旁监控传感器的布设间距和布设数量；根据感知准确率阈值允许的最大监控传感器布设间距，对区域交界处距离较近的轨旁监控传感器进行优化。本发明充分考虑了监控传感器感知边界、感知准确率、布设成本等因素，并针对区域交界处轨旁监控传感器太近而造成的资源浪费现象，在保证监控传感器对于线路异常事件高感知准确率的前提下有效降低了监控传感器布设成本，更加经济。
-
公开(公告)号：CN119495061A
公开(公告)日：2025-02-21
申请号：CN202411416319.2
申请日：2024-10-11
Applicant: 北京交通大学
IPC: G06V20/54 , G06V10/26 , G06V10/22 , G06V10/774 , G06V10/776 , G06Q10/0635 , G06Q50/40
Abstract: 本发明提供一种轨道交通异物入侵风险辨识评估方法及系统，属于图像处理的目标识别技术领域，实时采集列车前方运行环境的图像数据；通过异物检测算法，逐帧对采集的图像数据进行异物检测，若检测到某一帧图像中存在异物则获取所检测到异物的类别和位置信息；通过轨道分割算法对该帧图像中的轨道区域进行分割，获取轨道区域的位置信息；基于异物与轨道区域的相对位置关系、异物与列车的距离、异物的类别，综合评估轨道交通异物入侵风险等级并输出。本发明可以实时且精准的辨识轨道交通场景中的异物入侵风险，同时建立了轨道交通异物入侵风险等级评价体系，实现了轨道交通异物入侵风险的高效检测、辨识和评估。
-
公开(公告)号：CN118097570B
公开(公告)日：2024-09-20
申请号：CN202311541737.X
申请日：2023-11-14
Applicant: 北京交通大学
Abstract: 本发明提供一种像素级轨道交通场景理解方法及系统，属于轨道交通安全运营控制技术领域，使用轻量双分支融合骨干网络对输入图像进行连续下采样操作，提取图像特征；将骨干网络提取到的特征图输入双向特征金字塔池化网络，获得多尺度感受野和深层语义特征，利用多任务多尺度损失函数从像素和边缘角度进一步优化该方法的场景理解效果。本发明轻量双分支融合骨干网络可以更快更有效地提取图像特征，双向特征金字塔池化网络从多尺度角度提取了语义特征，多任务多尺度的损失函数从边缘与像素两个角度监督该方法的学习过程，优化了场景理解方法的效果，在不增加推理时间的前提下提高了模型的理解准确率。
-
公开(公告)号：CN119251790A
公开(公告)日：2025-01-03
申请号：CN202411324446.X
申请日：2024-09-23
Applicant: 北京交通大学
Abstract: 本发明提供了一种轨道交通限界检测方法。该方法包括：对采集的列车的运行环境图像数据进行处理，生成深度图；利用语义分割算法提取深度图中的轨道区域，根据轨道区域和深度图计算出轨道的三维空间坐标；利用轨道先验约束方程对轨道的三维空间坐标进行卷积最优变换处理，形成轨道三维点云数据；基于轨道三维点云数据及先验知识，通过最小化误差平方和的方法拟合出直线和曲线段的轨道中心线；通过方差矢量最小化的方法在所述轨道三维点云数据中提取多场景轨道平面；结合轨道中心线和轨道平面构建三维立体轨道限界包围盒，实现车辆限界和建筑限界的三维检测。本发明方法通过构建三维点云数据和限界包围盒，实现了对车辆限界和建筑限界的快速检测。
-
Patent Agency Ranking
公开(公告)号：CN119251177A
公开(公告)日：2025-01-03
申请号：CN202411324445.5
申请日：2024-09-23
Applicant: 北京交通大学
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/26 , G06V20/70 , G06T7/13 , G06V10/44 , G06V10/82 , G06N3/0464 , G06V20/40
Abstract: 本发明提供了一种受电弓异常倾斜检测方法和装置。该方法包括：提取属于干净受电弓类别的当前受电弓图像的受电弓二维矩形坐标框信息；对当前受电弓图像中受电弓的下臂杆进行像素分割，得到下臂杆掩膜图像；提取受电弓的下臂杆的四条边界轮廓线段，计算出两条边界线的斜率值；计算出当前受电弓的下臂杆的相对倾斜角度，将当前受电弓的下臂杆的相对倾斜角度与设定的倾斜角度阈值进行比较，根据比较结果判断当前受电弓是否存在受电弓异常倾斜，利用受电弓二维矩形坐标框信息在当前受电弓图像上对受电弓进行倾斜标签的标注。本发明方法解决了受电弓检测不准确、不及时的问题，实现了排除外界因素干扰的受电弓异常倾斜精准实时检测。
-
公开(公告)号：CN117671451A
公开(公告)日：2024-03-08
申请号：CN202311488897.2
申请日：2023-11-09
Applicant: 北京交通大学
IPC: G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08 , G06V10/764 , G06V10/766
Abstract: 本发明提供了一种基于少样本学习的铁路场景目标检测方法。该方法包括：获取铁路场景图像样本，构建基础数据集、生成数据集和微调数据集；构建用于铁路场景目标检测的卷积神经网络模型，依次使用基础数据集、生成数据集和微调数据集训练卷积神经网络模型，得到训练好的卷积神经网络模型；将待识别的铁路场景图像输入到训练好的卷积神经网络预测模型中，训练好的卷积神经网络预测模型输出所述待识别的铁路场景图像的目标识别结果。本发明提出了结合样本生成与图像风格迁移进行二次微调的训练框架，从数据增强和迁移学习的角度提高了铁路少样本目标检测的准确率。避免了复杂模型占用计算机资源多的情况，具有运行内存小、检测速度快等优点。
-
公开(公告)号：CN117437208A
公开(公告)日：2024-01-23
申请号：CN202311495987.4
申请日：2023-11-10
Applicant: 北京交通大学
IPC: G06T7/00 , G06T7/73 , G06V10/26 , G06V10/75 , G06V10/774 , G06V10/30 , G06N3/0464 , G06N3/0895 , G06V10/80
Abstract: 本发明提供一种使用多传感器融合的轨道异常检测方法及系统，属于基于计算机的轨道异常检测技术领域，包括：步骤1：扫描轨道场景，获取待检测的视觉图像和结构光深度图像；步骤2：使用实例分割算法，对轨道上的异常进行预检测，得到已知异常和部分未知异常检测结果的边界框和掩膜；步骤3：使用半监督的异常检测算法，对异常进行再检测，尤其关注未知的异常，得到未知异常检测结果的边界框和掩膜；步骤4：基于掩膜，将两次检测的结果在决策级上进行匹配融合，并进行非极大值抑制后处理，得到最终结果。本发明解决了轨道异常检测算法受未知异常侵入导致的误报和漏报，实现了无预先定义异常类别范围情况下的轨道异常的准确检测。
-
公开(公告)号：CN120047726A
公开(公告)日：2025-05-27
申请号：CN202510048442.1
申请日：2025-01-13
Applicant: 北京交通大学
IPC: G06V10/764 , G06T7/11 , G06V10/26 , G06V10/774 , G06T3/4038 , G06T3/4046 , G06T5/50 , G06V10/82 , G06N3/0464 , G06N3/088 , G06F17/16 , G06F17/18
Abstract: 本发明提供一种无监督轨道异常检测方法及系统，属于基于计算机视觉的轨道监管技术领域，包括：采集俯拍视角的轨道图像；采用轨道关键部件区域分割模块实现像素级分割和背景简化，生成关键部件伪图像；采用自生成特征聚合网络提取伪图像中的多尺度特征，得到高维度特征向量矩阵；利用多元高斯拟合函数对高维度特征向量矩阵进行拟合，得到正常图像的最优参数；设计内外均衡的异常分数度量函数，计算正常图像的最优参数与测试图像的高维度特征向量矩阵的差异，计算异常分数实现异常图像判别和异常像素定位。本发明解决了标注数据类别有限导致的轨道巡检内容覆盖不全面的问题，实现了降低复杂背景因素干扰下的轨道未知类别异物检测。
-
公开(公告)号：CN118097570A
公开(公告)日：2024-05-28
申请号：CN202311541737.X
申请日：2023-11-14
Applicant: 北京交通大学
Abstract: 本发明提供一种像素级轨道交通场景理解方法及系统，属于轨道交通安全运营控制技术领域，使用轻量双分支融合骨干网络对输入图像进行连续下采样操作，提取图像特征；将骨干网络提取到的特征图输入双向特征金字塔池化网络，获得多尺度感受野和深层语义特征，利用多任务多尺度损失函数从像素和边缘角度进一步优化该方法的场景理解效果。本发明轻量双分支融合骨干网络可以更快更有效地提取图像特征，双向特征金字塔池化网络从多尺度角度提取了语义特征，多任务多尺度的损失函数从边缘与像素两个角度监督该方法的学习过程，优化了场景理解方法的效果，在不增加推理时间的前提下提高了模型的理解准确率。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
