6.2.5 注意力模块

    6.2.6 双向特征金字塔网络

6.3 实验与结果分析

    6.3.1 数据采集

    6.3.2 数据增强

    6.3.3 损失函数

    6.3.4 实验参数

    6.3.5 评价指标

    6.3.6 消融实验

    6.3.7 不同方法对比实验

    6.3.8 联合低照度图像增强的落石侵限检测

6.4 小结

7 基于激光雷达的铁路落石侵限智能检测方法

7.1 铁路异物侵限激光雷达检测方法分析

7.2 基于激光雷达的铁路场景点云数据获取与预处理

    7.2.1 激光雷达点云数据

    7.2.2 激光雷达数据预处理

7.3 铁路场景数据轨道面点云分割

    7.3.1 常用点云分割方法

    7.3.2 随机抽样一致性地面分割

    7.3.3 基于样本约束的随机抽样一致性轨道面点云分割

7.4 铁路场景数据轨道面异物聚类

    7.4.1 常用点云聚类方法

    7.4.2 轨道面异物目标点云聚类

    7.4.3 轨道面异物目标点云参数自适应聚类

7.5 实验与结果分析

    7.5.1 铁路场景激光雷达数据滤波处理

    7.5.2 铁路场景轨道面点云分割

    7.5.3 铁路场景轨道面异物聚类检测

7.6 基于视频与激光雷达的铁路落石侵限融合检测

7.7 小结

8 结论与展望

8.1 结论

8.2 展望

参考文献

作者简历及攻读博士学位期间取得的科研成果

学位论文数据集

文章摘要:中国已经成为世界上规模最大、运营速度最高的高速铁路国家。截止2021年底,我国铁路运营总里程突破15万公里,其中高铁运营里程突破4万公里,路网规模大、覆盖不同气候和环境条件、运营场景复杂是我国铁路主要特点。近年来,我国已发生多起因高铁运行环境异常导致的行车安全事故,造成人民生命和财产重大损失,因此高铁运行安全防控极为重要。通对高铁事故分析归纳,典型危情场景包括周界入侵、落石侵限与自然灾害。针对高速铁路运行环境安全保障,高铁实际运营中部署了多种监测系统。其中,自然灾害的监测系统应用广泛,效果显著,但是针对周界入侵与落石侵限两种典型场景的侵限监测却仍有不足。近年来,随着人工智能技术飞速发展,环境感知设备迭代升级,智能化与精准化是高铁运行安全监测技术的发展方向。本文从高铁典型侵限场景——周界入侵与落石侵限的实际问题出发,开展面向高铁运行环境安全的侵限监测关键技术研究。面向复杂铁路运行环境,分析不同侵限监测技术适用性,提出基于视频与雷达的高铁侵限监测方法,将检测结果融合决策,进一步提升侵限检测能力,保障列车运行安全,降低环境安全风险,论文主要工作如下:（1）基于光照分解的低照度深度学习增强方法。针对低照度环境监控视频中目标难以检测的问题,结合光照分解理论与深度学习方法,提出了一种多尺度光照分解与增强网络,对低照度图像进行增强。首先,将低照度图像通过构建光照分解子网络,分解为反射图与光照图。其次,设计两个图像增强子网络,将光照图与反射图分别输入增强子网络进行增强。最终将增强后光照图与反射图进行合成,得到照度增强图像。针对图像增强过程中易出现的伪影、模糊等问题,设计一种多尺度特征提取模块,提升网络对不同大小特征的学习能力。通过实验结果表明,该方法可以有效提升低照度图像亮度、对比度与细节,在主客观评价指标上,对比其他主流方法均取得了最好的效果。（2）基于视频的铁路周界入侵深度学习检测方法。铁路监测视频中不同远近人员成像面积差异大,且复杂多变自然环境会产生干扰,这导致周界中目标难以检测。因此,提出一种改进的Fair MOT框架的周界入侵检测模型。为提高对不同成像大小行人的检测性能,通过增加感受野模块来丰富网络感受野,提取不同尺度特征特性;为提高对夜间行人的检测性能,通过增加空间注意力模块来微调特征,提取更多前景行人的特征;通过使用铁路周界入侵真实数据与行人跟踪数据集混合训练网络,提高该方法针对铁路场景人员识别的泛化性与鲁棒性。在铁路周界入侵真实场景数据中进行了多种实验,结果分析表明,改进方法在白天或夜晚不同大小目标检测中,均取得了最高的F1分数,表明该周界入侵检测方法可以更有效地应用于实际场景,具有实用价值。同时与低照度增强方法进行联合检测,可以进一步增强检测算法在低照度场景的周界入侵检测能力。（3）基于毫米波雷达的铁路周界入侵智能检测方法。针对视频检测方法对特殊复杂自然环境抗干扰能力较弱的问题,基于抗干扰能力强的毫米波雷达,提出一种周界入侵智能检测方法。首先,针对毫米波雷达数据维数较高,对算法计算能力消耗较大,利用主成分分析方法对高维数据进行降维。其次针对支持向量机检测模型最优参数选择难题,提出基于反向精英学习策略联合灰狼优化算法的参数寻优方法,通过该方法寻找支持向量机最优参数值。实验表明,本文方法构建的检测模型具有更高识别率与最快收敛速度。同时,基于视频与毫米波雷达进行周界入侵联合检测。结果表明,通过两种方式进行决策融合检测,具有更好的识别效果。（4）基于视频的铁路落石侵限检测深度学习方法。针对落石侵限检测中,与铁路背景相似和小尺度落石异物检测难点,提出一种基于深度学习的铁路落石侵限检测方法。针对落石与背景相似问题,融合混合注意力模块,强化网络对前景目标特征的学习能力。针对小目标落石,在网络结构中融合双向特征金字塔模块,加强了不同层级特征间相互交流。同时采集大量不同场景模拟落石数据,构建模拟落石数据集,在训练中使用Mosaic数据增强方法,增强检测方法的泛化能力。实验结果表明,对比多种主流目标检测方法,本文方法取得了最高准确度,不同大小目标识别结果稳定。同时与低照度增强方法进行联合检测,可以进一步增强检测算法在低照度场景的落石侵限检测能力。（5）基于激光雷达的铁路落石侵限检测智能方法。针对视频检测方法对特殊复杂自然环境抗干扰能力较弱的问题,基于抗干扰能力强的激光雷达,提出一种落石侵限智能检测方法。首先,针对铁路场景大量无效背景点云数据,通过直通与统计滤波方法,提取铁路限界内点云数据。其次,构建基于样本约束的随机抽样一致性算法,对限界内轨道面点云进行分割。最后,提出一种参数自适应的聚类方法,将分割的轨道面落石等异物目标点云进行聚类,得到落石等异物侵限结果。实验结果表明,本文方法,有效降低点云数据计算量,对比其他方法,取得了最好检测结果。同时,基于视频与激光雷达进行落石侵限联合检测。结果表明,通过两种方式进行决策融合检测,具有更好的识别效果。

文章来源：《中国铁道科学》 网址: http://www.zgtdkxzz.cn/qikandaodu/2022/0928/885.html