本申請(qǐng)涉及軌道異常檢測(cè)領(lǐng)域，尤其是涉及一種異物入侵檢測(cè)方法及軌道列車。
背景技術(shù)：
1、軌道交通異物入侵檢測(cè)是保障列車運(yùn)行安全的有效方法，隨著軌道交通網(wǎng)絡(luò)規(guī)模擴(kuò)大與運(yùn)行速度提升，傳統(tǒng)人工巡檢方式已無法滿足實(shí)時(shí)性需求，相關(guān)技術(shù)基于計(jì)算機(jī)視覺實(shí)現(xiàn)對(duì)異物入侵的自動(dòng)化檢測(cè)。
2、相關(guān)技術(shù)在實(shí)現(xiàn)異物入侵檢測(cè)時(shí)，將圖像平面視為均勻采樣空間，忽視透視成像規(guī)律導(dǎo)致的尺度差異，使得遠(yuǎn)距離小目標(biāo)的特征響應(yīng)強(qiáng)度不足，檢測(cè)靈敏度顯著降低，存在漏檢風(fēng)險(xiǎn)。此外，軌道交通現(xiàn)場數(shù)據(jù)呈現(xiàn)極端不均衡性，異常入侵事件罕見而正常樣本海量，難以獲取充足的小目標(biāo)樣本進(jìn)行有監(jiān)督訓(xùn)練，進(jìn)一步增大了小目標(biāo)識(shí)別的難度。
3、需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強(qiáng)對(duì)本申請(qǐng)的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)?zhí)峁┝艘环N異物入侵檢測(cè)方法及軌道列車，提高軌道場景下的遠(yuǎn)距離小目標(biāo)異物識(shí)別準(zhǔn)確度，有效降低異物漏檢風(fēng)險(xiǎn)。
2、為解決上述技術(shù)問題，本申請(qǐng)?zhí)峁┮韵录夹g(shù)方案：
3、本申請(qǐng)一方面提供了一種異物入侵檢測(cè)方法，包括：
4、同步獲取目標(biāo)監(jiān)測(cè)場景的目標(biāo)圖像和待測(cè)點(diǎn)云數(shù)據(jù)；
5、將所述目標(biāo)圖像輸入至圖像檢測(cè)模型，所述圖像檢測(cè)模型根據(jù)待檢測(cè)目標(biāo)所在圖像區(qū)域?qū)?yīng)的成像距離為其施加相匹配的特征提取權(quán)重，并根據(jù)差異化的特征提取權(quán)重提取的圖像特征進(jìn)行目標(biāo)識(shí)別，得到圖像檢測(cè)結(jié)果；其中，成像距離值超出預(yù)設(shè)距離閾值的圖像區(qū)域在特征提取過程中被分配的特征提取權(quán)重?cái)?shù)值，高于成像距離值未超出預(yù)設(shè)距離閾值的圖像區(qū)域被分配的特征提取權(quán)重值；
6、將所述待測(cè)點(diǎn)云數(shù)據(jù)輸入至三維場景檢測(cè)模型，得到點(diǎn)云檢測(cè)結(jié)果；
7、根據(jù)所述點(diǎn)云檢測(cè)結(jié)果和所述圖像檢測(cè)結(jié)果的融合結(jié)果，確定所述目標(biāo)監(jiān)測(cè)場景的異物入侵檢測(cè)結(jié)果。
8、本申請(qǐng)另一方面提供了一種軌道列車，包括列車自動(dòng)監(jiān)控系統(tǒng)，所述列車自動(dòng)監(jiān)控系統(tǒng)中存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述異物入侵檢測(cè)方法的步驟。
9、本申請(qǐng)?zhí)峁┑募夹g(shù)方案的優(yōu)點(diǎn)在于，由于通過同步獲取目標(biāo)監(jiān)測(cè)場景的目標(biāo)圖像和待測(cè)點(diǎn)云數(shù)據(jù)，不僅能將視覺傳感器與雷達(dá)傳感器進(jìn)行優(yōu)勢(shì)互補(bǔ)，而且當(dāng)單一傳感器因環(huán)境干擾或目標(biāo)特性導(dǎo)致檢測(cè)失效時(shí)，另一傳感器可提供冗余檢測(cè)信息，從而降低了漏檢風(fēng)險(xiǎn)；在圖像處理過程，根據(jù)待檢測(cè)目標(biāo)所在圖像區(qū)域?qū)?yīng)的成像距離為其施加相匹配的特征提取權(quán)重，且對(duì)成像距離較遠(yuǎn)的圖像區(qū)域分配更高的特征提取權(quán)重，補(bǔ)償了透視成像規(guī)律導(dǎo)致的遠(yuǎn)景目標(biāo)像素占比不足、特征微弱的問題，提升了軌道延伸方向上遠(yuǎn)距離異物的識(shí)別靈敏度，從而有效解決了軌道交通等縱深場景中遠(yuǎn)距離小目標(biāo)因成像尺度小而難以識(shí)別的問題，顯著提升對(duì)遠(yuǎn)距離異物的感知靈敏度；在點(diǎn)云處理過程中，通過三維場景檢測(cè)模型獲取包含目標(biāo)位置與類別信息的點(diǎn)云檢測(cè)結(jié)果，為異物入侵提供了精確的空間定位信息；最終通過融合圖像檢測(cè)結(jié)果與點(diǎn)云檢測(cè)結(jié)果進(jìn)行綜合判斷，既克服了單一視覺傳感器易受光照、遮擋等環(huán)境因素干擾的局限性，又彌補(bǔ)了點(diǎn)云數(shù)據(jù)稀疏性導(dǎo)致的信息不完整問題，從而在復(fù)雜環(huán)境下實(shí)現(xiàn)了對(duì)異物入侵的高魯棒性、高置信度檢測(cè)，增強(qiáng)了復(fù)雜軌道交通場景下異物檢測(cè)的準(zhǔn)確性與可靠性，顯著提升了軌道交通運(yùn)行環(huán)境的安全保障能力。此外，本申請(qǐng)還針對(duì)異物入侵檢測(cè)方法提供了相應(yīng)的軌道列車，進(jìn)一步使得所述方法更具有實(shí)用性，該軌道列車具有相應(yīng)的優(yōu)點(diǎn)。
10、上面已提及的技術(shù)特征、下面將要提及的技術(shù)特征以及單獨(dú)地在附圖中顯示的技術(shù)特征可以任意地相互組合，只要被組合的技術(shù)特征不是相互矛盾的。所有的可行的特征組合都是在本申請(qǐng)中明確地記載的技術(shù)內(nèi)容。在同一個(gè)語句中包含的多個(gè)分特征之中的任一個(gè)分特征可以獨(dú)立地被應(yīng)用，而不必一定與其他分特征一起被應(yīng)用。
11、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性的，并不能限制本申請(qǐng)。
1.一種異物入侵檢測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的異物入侵檢測(cè)方法，其特征在于，根據(jù)待檢測(cè)目標(biāo)所在圖像區(qū)域?qū)?yīng)的成像距離為其施加相匹配的特征提取權(quán)重，包括：
3.根據(jù)權(quán)利要求2所述的異物入侵檢測(cè)方法，其特征在于，確定所述目標(biāo)圖像中不同圖像區(qū)域所對(duì)應(yīng)的成像距離信息，包括：
4.根據(jù)權(quán)利要求2所述的異物入侵檢測(cè)方法，其特征在于，基于待檢測(cè)目標(biāo)的成像尺度隨成像距離的增大而減小，確定所述圖像平面中用于表征距離變化的基準(zhǔn)點(diǎn)：
5.根據(jù)權(quán)利要求1至4任一項(xiàng)所述的異物入侵檢測(cè)方法，其特征在于，將所述目標(biāo)圖像輸入至圖像檢測(cè)模型之前，還包括：
6.根據(jù)權(quán)利要求5所述的異物入侵檢測(cè)方法，其特征在于，所述圖像檢測(cè)模型框架為教師網(wǎng)絡(luò)-學(xué)生網(wǎng)絡(luò)；利用僅包含正常樣本的圖像訓(xùn)練集，訓(xùn)練圖像檢測(cè)模型框架包括：
7.根據(jù)權(quán)利要求6所述的異物入侵檢測(cè)方法，其特征在于，所述第一損失函數(shù)為：
8.根據(jù)權(quán)利要求5所述的異物入侵檢測(cè)方法，其特征在于，訓(xùn)練嵌入權(quán)重分配層的初始圖像檢測(cè)模型，包括：
9.根據(jù)權(quán)利要求8所述的異物入侵檢測(cè)方法，其特征在于，所述第二損失函數(shù)為：
10.根據(jù)權(quán)利要求5所述的異物入侵檢測(cè)方法，其特征在于，基于測(cè)試異常圖像特征與測(cè)試正常圖像特征在幅值維度與方向維度的特征偏離程度，確定測(cè)試圖像是否存在異物入侵，包括：
11.根據(jù)權(quán)利要求1至4任意一項(xiàng)所述的異物入侵檢測(cè)方法，其特征在于，將所述待測(cè)點(diǎn)云數(shù)據(jù)輸入至三維場景檢測(cè)模型之前，還包括：
12.根據(jù)權(quán)利要求11所述的異物入侵檢測(cè)方法，其特征在于，所述完整三維目標(biāo)框標(biāo)簽至少包含標(biāo)注目標(biāo)的位置、尺寸和類別信息，利用標(biāo)注樣本數(shù)量小于預(yù)設(shè)樣本數(shù)量閾值的第一點(diǎn)云訓(xùn)練樣本集，包括：
13.根據(jù)權(quán)利要求11所述的異物入侵檢測(cè)方法，其特征在于，所述點(diǎn)到框轉(zhuǎn)換網(wǎng)絡(luò)至少包括場景編碼器、標(biāo)注編碼器和特征提取網(wǎng)絡(luò)；
14.根據(jù)權(quán)利要求13所述的異物入侵檢測(cè)方法，其特征在于，通過所述場景編碼器將輸入的目標(biāo)點(diǎn)云樣本劃分為多個(gè)點(diǎn)云補(bǔ)丁，包括：
15.根據(jù)權(quán)利要求1至4任意一項(xiàng)所述的異物入侵檢測(cè)方法，其特征在于，根據(jù)所述點(diǎn)云檢測(cè)結(jié)果和所述圖像檢測(cè)結(jié)果的融合結(jié)果，確定所述目標(biāo)監(jiān)測(cè)場景的異物入侵檢測(cè)結(jié)果，包括：
16.根據(jù)權(quán)利要求15所述的異物入侵檢測(cè)方法，其特征在于，根據(jù)所述圖像置信度和所述點(diǎn)云置信度，確定融合置信度，包括：
17.根據(jù)權(quán)利要求15所述的異物入侵檢測(cè)方法，其特征在于，根據(jù)所述融合置信度確定所述目標(biāo)監(jiān)測(cè)場景的是否存在異物入侵之后，還包括：
18.一種軌道列車，包括列車自動(dòng)監(jiān)控系統(tǒng)，其特征在于，所述列車自動(dòng)監(jiān)控系統(tǒng)中存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至17任一項(xiàng)所述的異物入侵檢測(cè)方法的步驟。