王 維 梁汝軍 黃 濤

（中車南京浦鎮(zhèn)車輛有限公司，210031，南京∥第一作者，高級工程師）

列車運行前方軌道障礙物檢測系統(tǒng)是城市軌道交通無人駕駛列車的關鍵裝備之一［1］。上海軌道交通10號線是目前國內(nèi)唯一一條正在運營中的無人駕駛地鐵線路。其列車檢測前方軌道障礙物的系統(tǒng)為一個基于機械觸發(fā)原理的障礙物檢測系統(tǒng)，只有在列車高速運行撞到障礙物后，才觸發(fā)列車車頭下方安裝的機械行程桿運動，進而觸發(fā)繼電器開關電路，使列車緊急停車。該檢測系統(tǒng)存在明顯不足：一方面，系統(tǒng)不能對列車前進方向軌道內(nèi)的障礙物實現(xiàn)提前檢測與預警，以確保行車安全；另一方面，通過機械的碰撞實現(xiàn)障礙物的檢測不可避免地會對車輛設備造成損傷。本文提出了一種基于視頻圖像識別技術的障礙物識別系統(tǒng)。該系統(tǒng)安裝在無人駕駛列車的前方，設置的雙目攝像機實時采集列車前進方向的圖像，通過軟件智能分析識別列車前方是否存在障礙物以及距離障礙物的距離；并可根據(jù)列車離障礙物的距離自動控制列車速度在安全范圍內(nèi)，如果列車與障礙物之間距離過短，系統(tǒng)可以直接觸發(fā)列車緊急制動。

1 列車障礙物視頻識別系統(tǒng)的構成

列車障礙物視頻識別系統(tǒng)主要由2臺高清攝像機、1個交換機、1臺視頻處理主機等關鍵設備組成，如圖1所示。

圖1 列車障礙物視頻識別系統(tǒng)的結構

（1）高清攝像機。2臺高清攝像機安裝在列車司機室內(nèi)正上方左右位置，并水平對準列車正前方軌道。高清攝像機主要用于采集列車前方高清圖像信息，并通過交換機網(wǎng)絡發(fā)送給視頻處理主機。攝像機主要技術參數(shù)為：采用H.264 High Profile編碼，逐行掃描圖像傳感器，輸出1080 P@30 FPS實時圖像，支持寬動態(tài)范圍達120 dB，適合逆光環(huán)境監(jiān)控。

（2）網(wǎng)絡交換機。交換機用于系統(tǒng)數(shù)據(jù)的交換，采用工業(yè)級二次交換機，具有實時性好、可靠性高的特點。網(wǎng)絡交換機主要技術參數(shù)為：至少4個快速以太網(wǎng)M12端口，且為IEEE 802.3af兼容的PoE端口；通過EN 50155認證；支持EtherNet/IP和Modbus/Tcp工業(yè)以太網(wǎng)協(xié)議；支持基于端口的VLAN（虛擬局域網(wǎng)）、IEEE 802.1Q VLAN和GVRP協(xié)議；支持輸入DC 110 V。

（3）視頻處理主機。視頻處理主機是系統(tǒng)的關鍵核心設備，其主要參數(shù)如下：英特爾酷睿i7-6700K，8 MB緩存，4.0 GHz，4核8線程，DDR3-1600 8 GB內(nèi)存，110 V電源。

該系統(tǒng)具有如下特點：攝像機采用低功耗的高清攝像機，支持PoE端口，可降低在車內(nèi)復雜狹小空間內(nèi)的布線和查線難度；該系統(tǒng)軟件具有自學習模式，可以將線路上一些特定物體加入線路障礙物數(shù)據(jù)庫，減少系統(tǒng)誤報故障的概率。目前，該系統(tǒng)在國內(nèi)軌道交通車輛行業(yè)屬于首次開發(fā)，并已在2017年安裝在列車上作了進一步測試。

圖2 列車障礙物視頻識別系統(tǒng)的檢測流程

2 列車障礙物視頻識別系統(tǒng)的檢測流程

列車障礙物視頻識別系統(tǒng)采用雙攝像機同時采集列車前方圖像數(shù)據(jù)。由于雙攝像機之間的距離固定，從而基于雙目定距原理通過算法可實現(xiàn)圖像中障礙物的距離測量。該系統(tǒng)根據(jù)軌道路徑和列車運行的列車安全限界設計參數(shù)由近到遠繪制列車運行安全界限，在安全界限內(nèi)的異常物體為障礙物，安全界限之外的物體將忽略。

列車障礙物視頻識別系統(tǒng)檢測流程如圖2所示。系統(tǒng)主要的功能模塊包括：

（1）視頻采集模塊：集成常見攝像頭品牌的二次開發(fā)包，可以快速獲取各種攝像頭的視頻圖像。

（2）圖像預處理模塊：對采集到的視頻圖像進行初步處理，將YUV圖像轉換為RGB圖像，并對圖像進行邊緣檢測、平滑、去噪等處理［2］。

（3）雙目測距模塊：利用車頭安裝的2臺攝像機同時拍攝的左右圖像對進行立體匹配，根據(jù)立體匹配后的視差圖算出障礙物的距離。

（4）軌道檢測模塊：對經(jīng)過預處理的圖像進行霍夫變換［3］、雙目匹配、兩軌間熟路判斷、邊緣檢測、曲線擬合與平滑處理后得到兩條軌道路徑。

（5）列車限界繪制模塊：根據(jù)兩軌之間的像素距離比例由近到遠繪制列車的運行限界。

（6）誤報特征建立模塊：在確定沒有障礙物的環(huán)境下，將程序識別得到的障礙物認為是軌道上的設備，提取其圖像特征存入誤報庫。

（7）障礙物識別與誤報排除模塊：由實際情況可知，相鄰枕木間的軌道區(qū)段基本是一樣的，因此提取最近區(qū)段的軌道圖片，計算其7個圖像不變矩作為圖像特征，再與下一段軌道圖像的不變矩特征進行對比。根據(jù)軌道路徑由近到遠在列車運行限界內(nèi)取圖像塊進行特征對比，特征不一致的初步認為是障礙物；將其特征與誤報庫中特征逐一對比，若與誤報庫中任一特征匹配，則排除是障礙物的可能，均不匹配則認為是障礙物［4］。

2.1 圖像獲取

利用攝像頭廠家二次開發(fā)包連接攝像頭，通過其中的視頻回調函數(shù)在兩個線程內(nèi)同步接收左右攝像頭的視頻圖像（如圖3）。

圖3 視頻識別系統(tǒng)的圖像獲取實景圖

2.2 圖像預處理及車輛運行界限提取

圖像預處理，就是在圖像分析中對輸入圖像在進行特征抽取前所進行的處理。輸入圖像由于圖像采集環(huán)境不同，如光照明暗程度以及采集設備差異等，往往存在噪聲、對比度不夠等缺點。預處理的主要目的是消除圖像中無關的信息，濾除干擾及噪聲，恢復有用的真實信息，以增強有關信息的可檢測性、最大限度地簡化數(shù)據(jù)，從而提高特征抽取的可靠性。

由于RGB圖像數(shù)據(jù)量較大，處理復雜且速度慢。為此首先將RGB轉換為灰度圖像，使用中值濾波對灰度圖像進行去噪處理，使用Scharr算子進行邊緣檢測［5］。此時的檢測結果會產(chǎn)生較多噪點與空洞，需要用高斯卷積方法對其進行平滑濾波操作。其次，二次縮放增強圖像的平滑度和清晰度，再進行腐蝕與膨脹操作消除圖像中孤立的噪點與空洞。最后，對圖像進行二值化處理，消除多余的不清晰的邊緣信息，將包含完整軌道信息的圖像送入下一步處理過程。

軌道檢測模塊對經(jīng)過處理的圖像進行霍夫變換檢測直線，對左右視圖采用SGBM算法的計算視差進行三維重建［6］，再計算兩條軌道的直線距離。攝像機坐標系與世界坐標系之間的轉換公式為

式中：

Xc，Yc，Zc——P點在攝像機坐標系下的位置；

Xw，Yw，Zw——P點在世界坐標系下的位置；

R——旋轉矩陣；

T——平移矩陣。

R和T可由雙目攝像機標定的內(nèi)外參數(shù)得到。根據(jù)軌道在圖像中的形態(tài)特征可知，將最近處的軌道在固定位置的攝像機下出現(xiàn)相對穩(wěn)定的區(qū)域設定為ROI區(qū)域，對經(jīng)過圖像預處理后的ROI區(qū)域進行直線檢測。根據(jù)成像原理可知平行直線在圖像中必相交，計算出兩直線各自斜率與其相交形成的夾角θ（tan θ＜0.1）。依據(jù)兩直線相交夾角θ與兩直線最下端距離確定最近處的軌道直線段后，再沿直線方向進行邊緣檢測提取輪廓，并擬合為曲線，尋找與直線重疊度最高的曲線，對曲線進行平滑處理后得到左右軌道路徑。雙目測距模塊基于視差原理，即采用三角法測量，由2臺攝像機對目標進行拍攝，對所得圖像提取特征，進行匹配，得到視差，進而由視差計算目標距離。

列車安全限界繪制模塊根據(jù)兩軌之間的像素距離比例由近到遠繪制列車的安全限界曲線。列車進行圖像處理和安全限界提取后效果如圖4所示。

圖4 圖像預處理及列車運行限界提取效果實景圖

2.3 試驗結果

在訓練模式下，人工確認無障礙物的軌道環(huán)境后，在列車運行條件下啟動障礙物識別程序。系統(tǒng)根據(jù)軌道路徑由近到遠在列車安全限界內(nèi)取圖像塊進行特征對比和障礙識別；將識別到的障礙物均認定為軌道設備，計算其圖像特征，將尚未存在于誤報特征庫中的圖像特征加入誤報特征庫。誤報特征庫以文件形式存于硬盤，正常模式下將誤報特征庫全部讀入內(nèi)存。

在正常模式下，根據(jù)軌道路徑由近到遠在列車安全限界內(nèi)取圖像塊進行特征對比，特征不一致的初步認為是障礙物；將其特征與誤報庫中特征逐一對比，若與誤報庫中任一特征匹配則排除是障礙物的可能，均不匹配則認為是障礙物。目前該系統(tǒng)已通過實驗室功能仿真驗證測試，測試效果如圖5所示。實驗室仿真環(huán)境相對比較理想，目前可以實現(xiàn)對在列車前方80～500 m安全限界范圍內(nèi)的障礙物進行識別，在500 m內(nèi)能夠識別出40 cm×40 cm以上大小的障礙物，如石塊、行人、車輛等；300 m內(nèi)能夠識別15 cm×15 cm等相對較小的物體，如掉落在軌道上的電氣設備等。考慮到軌道車輛下方空間和觸發(fā)列車制動的響應時間（包括曲線限速），這樣的識別能力已足夠滿足安全要求。

圖5 障礙物檢測與提取效果實景圖

3 結語

通過基于圖像的障礙物視頻識別技術，實現(xiàn)列車前方障礙物的實時檢測，可有效代替司機的瞭望值守功能。該技術比目前上海軌道交通10號線上使用的機械式障礙物檢測系統(tǒng)在技術手段上更先進，從而提高了列車運行的安全性。但是目前該障礙物視頻識別技術還存在一些不足：如在復雜的光照和雨雪天氣下會對系統(tǒng)的檢測距離和檢測精度產(chǎn)生不良影響。為此，需要在以后的工作中，進一步完善圖像處理算法，提高系統(tǒng)對障礙物檢測的精度和可靠性。