论文部分内容阅读
随着我国高速铁路飞速发展,如何保证运营安全成为关键。在众多影响高速铁路行车安全的因素中,异物侵限问题随着列车运行速度提高、制动距离增加而愈发突出,而仅靠司机观察和人工巡检的预防措施已不能满足运营要求。因此,在铁路沿线重点路段安装异物侵限检测装置,及时准确地发现异物并报警对铁路系统的安全运营发挥着至关重要的作用。论文设计了基于机器视觉和嵌入式技术的铁路线路异物侵限检测系统。系统采用基于ARM的嵌入式异物检测硬件平台,设计了一套基于机器视觉的目标分类和目标跟踪异物检测算法,通过沿线布置分布式检测节点的方案实现在线侵限异物检测功能。论文首先设计了基于ARM的硬件检测平台,利用FPGA、图像采集芯片实现图像采集和预处理功能；通过移植嵌入式以太网协议栈LwIP结合以太网硬件接口实现了以太网通信功能；通过运用FatFs文件系统配合芯片内部的SSI通信接口实现了SD卡文件读写功能；同时,利用芯片丰富的GPIO接口设计了一套完整的ARM-FPGA通信方案。通过实验验证了硬件平台从图像采集到以太网传输的整体功能流程。论文重点研究了基于异物目标分类和运动行为分析相结合的嵌入式异物侵限检测算法。算法采用两级判别结构,首先利用支持向量机(SVM)及一组特征向量对背景差分图像得到的异物目标进行分类,根据分类结果滤除大部分行进列车目标,之后运用Kalman滤波器设计目标跟踪算法,对其余目标进行行为和运动趋势分析,滤除其中非侵限干扰信息,提高报警准确率,并对有侵限趋势的异物提前预警。通过实际运营铁路线路的多次现场实验,异物检测系统的异物报警准确率达到95.31%,误检率和漏检率均低于5%,平均检测频率达13帧/秒。实验结果表明,本论文设计的基于机器视觉的嵌入式铁路异物侵限检测系统具备了良好的异物检测报警能力,检测准确率和实时性均符合系统需求,高危目标趋势预警也使得系统具有更为广阔的适用范围。