城市轨道交通的不断发展,对安全运行提出了更高的要求,城市轨道交通环境感知方面的研究成为了重中之重。与此同时,环境感知在汽车智能辅助驾驶系统的成功应用案例,为城市轨道交通障碍物检测问题提供了新的思路和解决途径。本论文围绕轨道交通环境感知以及轨道前方障碍物检测开展了深入的研究,将实例分割网络引入到障碍物检测的问题中,选用了基于Mask R-CNN实例分割网络的环境感知方法来解决城市轨道交通障碍物检测的问题。本论文研究的主要工作和取得的成果包括:(1)阐述了研究城市轨道交通环境感知的重要意义,总结了国内外学者对于轨道交通环境感知以及障碍物检测问题的成果和存在的问题,提出了基于实例分割网络的城市轨道交通环境感知的设计方案,包括整体设计方案概述、基于车载相机传感器和车载主机的视觉信息采集设计、数据集构建的设计以及实例分割网络设计共四个方面。(2)为了对实例分割网络进行充分的训练以达到良好的检测效果,针对当前城市轨道交通运行场景还没有公开数据集的严峻问题,通过车载相机传感器和车载主机实现了基于城市轨道交通的视觉信息采集。通过采集到的视频信息,经筛选、标定后,选用其中的18000帧样本完成运行场景数据集的构建。(3)介绍了三种具有重要影响的实例分割算法,经在城市轨道交通运行场景数据集的训练、比较,选取了综合性能最好的Mask R-CNN实例分割网络完成图像分割,来解决障碍物检测的研究任务。(4)对Mask R-CNN实例分割网络用于特征提取的骨干卷积网络进行了改进,通过四种不同的骨干卷积网络的比较,选取Res Ne Xt-101实现了基于Mask R-CNN实例分割网络的城市轨道环境感知,通过Mask R-CNN实例分割网络很好的完成了本轨、邻轨和障碍物的精确图像分割,列车障碍物检出率达到99.9%,图像分割准确率高达98.4%,完成了本论文对于障碍物检测的研究任务。