我国轨道交通里程特别是西部复杂地貌环境下线路里程不断增加,轨道交通运营安全的可靠保障愈发困难。异物入侵严重影响列车运行安全,视频检测是目前轨道线路环境检测的主要方法。由于视频固有的局限性致使其无法沿途普及使用,只能定点布设,重点区域防控。为了缓解轨道交通行业日益增加的运营安全压力,使轨道交通安全保障技术满足轨道交通行业的需求,科技部规划的“十三五”国家重点研发计划课题“空天车地信息一体化轨道交通运营与安全综合保障技术”和“轨道交通系统安全保障技术”中都把基于移动平台的轨道交通运行环境实时识别技术研究作为核心研究内容。近年来基于无人机的目标识别在工农业生产和国防建设中取得了很大的进展。但由于轨道周界环境极其复杂,到目前为止,基于无人机的轨道交通线路环境检测仍处于人工查看阶段,没有实现自动识别。本文重点开展基于无人机的轨道线路环境实时感知系统关键技术研究。具体内容如下:针对无人机采集视频的抖动问题,提出了基于改进Harris角点和KLT特征点跟踪的视频快速稳像算法,获得稳定清晰的轨道线路环境感知视频源。针对轨道的感兴趣区域(ROI)提取问题,提出了改进Canny检测算子的边缘提取方法,大大消除了周围场景对当前轨道边缘提取的影响,并利用概率霍夫变换和卡尔曼滤波跟踪方法准确定位到钢轨位置,最后根据铁路限界规则成功提取出当前图像中轨道检测的感兴趣区域。对于轨道线路环境的入侵物检测问题,本文提出了基于融合地理位置信息轨道特征库的入侵检测方法。在特征库的构建阶段,以地理位置坐标为索引,采用先进的ALP特征描述子作为轨道视觉特征。轨道ALP视觉特征具有稳定性好、对环境光照及检测角度变化具有很强的鲁棒性等特点。最后,本文提出基于显著性检测的入侵物识别方法。通过融合轨道梯度显著图和Lab颜色空间显著图,并利用形态学方法准确提取出了入侵物区域。实验表明,本文提出的基于无人机的轨道交通线路环境感知技术对轨道入侵物检测成功率达到96%;对轨道中的小目标入侵和多目标入侵也可以有效识别出入侵物范围,且检测和识别的处理速度均满足旋翼无人机40 km/h巡检速度要求。