張 強(qiáng)， 楊 峰， 張 寶

(1 交控科技股份有限公司， 北京 100070；2 北京市軌道交通運(yùn)營管理有限公司 車輛部， 北京 100068；3 北京市軌道交通建設(shè)管理有限公司 設(shè)備管理總部， 北京 100068)

全自動(dòng)運(yùn)行系統(tǒng)對提高軌道運(yùn)行效率、降低交通事故有著重要意義。隨著城市軌道交通技術(shù)的日趨成熟，全自動(dòng)運(yùn)行系統(tǒng)成為當(dāng)前城市軌道交通的重要發(fā)展方向及研究重點(diǎn)。全自動(dòng)運(yùn)行系統(tǒng)系統(tǒng)涵蓋了現(xiàn)代數(shù)據(jù)通信、自動(dòng)控制、高可靠定位等先進(jìn)技術(shù)，代表了軌道交通現(xiàn)代化的最高水平。一方面，全自動(dòng)運(yùn)行系統(tǒng)不受駕駛員主觀因素干擾，對提高車輛運(yùn)行安全有著重要意義[1-2]。另一方面，全自動(dòng)運(yùn)行系統(tǒng)，相比于傳統(tǒng)手動(dòng)駕駛列車，其系統(tǒng)的運(yùn)行效率提升，在運(yùn)輸服務(wù)的供給及配置等方面具有較強(qiáng)的靈活性和適應(yīng)性，有效保證了列車運(yùn)營的準(zhǔn)點(diǎn)性和舒適性，對改善了交通系統(tǒng)的服務(wù)質(zhì)量有著重要意義[3]。

然而，全自動(dòng)運(yùn)行系統(tǒng)是一個(gè)高度復(fù)雜的系統(tǒng)，現(xiàn)有的全自動(dòng)運(yùn)行列車主要依賴于信號系統(tǒng)通過車-地-車的交互保證安全，列車本體缺乏主動(dòng)環(huán)境感知設(shè)備，無法實(shí)現(xiàn)對車輛運(yùn)行前方的主動(dòng)感知。車輛運(yùn)行完全依賴于線路封閉以及駕駛員目視前向運(yùn)行環(huán)境，此時(shí)軌道環(huán)境中前向列車、行人、箱體等障礙物均增加車輛運(yùn)行安全隱患，給車輛運(yùn)行安全帶來更多不確定因素。另一方面，雖然全球各國的研究機(jī)構(gòu)及相關(guān)企業(yè)花費(fèi)了巨大的人力和財(cái)力成本進(jìn)行了較長時(shí)間的探索，但由于軌道列車運(yùn)行環(huán)境復(fù)雜，列車由于其體積大、質(zhì)量重等特性，對主動(dòng)環(huán)境感知距離要求更遠(yuǎn)，因此技術(shù)上仍存在巨大挑戰(zhàn)，現(xiàn)有相關(guān)研究成果均未得到有效的實(shí)際應(yīng)用。

針對上述問題，北京新機(jī)場線全自動(dòng)運(yùn)行系統(tǒng)中開展了列車智能障礙物檢測系統(tǒng)研究，該系統(tǒng)融合了視覺與激光雷達(dá)信息，實(shí)現(xiàn)了新機(jī)場線無人駕駛列車前方的軌道、列車、障礙物等精準(zhǔn)識別，增強(qiáng)了新機(jī)場線列車行車安全性，保證列車能夠準(zhǔn)確識別前方障礙物并采取相應(yīng)的預(yù)警或制動(dòng)措施。

1 系統(tǒng)架構(gòu)

基于視覺的列車智能障礙物檢測系統(tǒng)包含有感知層、認(rèn)知層和決策層組成。感知層主要用于接收視覺傳感器數(shù)據(jù)，主要包括來自兩路相機(jī)的圖像信息和來自一路激光雷達(dá)的激光點(diǎn)云信息，用于感知不同距離處環(huán)境；認(rèn)知層主要對輸入的兩路視覺以及激光雷達(dá)信息進(jìn)行處理并深層次融合，通過神經(jīng)網(wǎng)絡(luò)算法識別出每一路視頻中的軌道，同時(shí)通過激光雷達(dá)和視覺信息進(jìn)行融合感知出前向的列車以及障礙物信息；決策層通過認(rèn)知層的感知結(jié)果結(jié)合車身姿態(tài)信息進(jìn)一步的對數(shù)據(jù)進(jìn)行處理，判斷識別出的前方列車是否影響本車的正常行駛，并根據(jù)可行駛距離和列車速度判斷是否需要進(jìn)行超速報(bào)警或?qū)囕v進(jìn)行制動(dòng)。列車智能障礙物檢測系統(tǒng)架構(gòu)圖如圖1所示。

圖1 智能障礙物識別系統(tǒng)架構(gòu)圖

2 系統(tǒng)方法

列車智能障礙物識別系統(tǒng)的核心功能包括軌道識別模塊、列車識別模塊以及視覺與激光雷達(dá)融合模塊，其中軌道識別模塊應(yīng)用視覺信息識別出列車前方的軌道信息，列車識別模塊應(yīng)用視覺信息識別軌道前方的列車，視覺與激光雷達(dá)融合模塊用于對視覺模塊識別的結(jié)果進(jìn)行修正，同時(shí)進(jìn)一步識別出軌道中的障礙物。

2.1 軌道區(qū)域識別

列車智能障礙物檢測系統(tǒng)的核心功能是軌道區(qū)域識別，即識別出輸入的圖像中的軌道范圍。精準(zhǔn)可靠的軌道區(qū)域識別不僅可以提供精準(zhǔn)的列車行駛限界[4-5]，還可以為障礙物識別提供精準(zhǔn)的感興趣區(qū)域[6-7]，從而使障礙物識別更加精準(zhǔn)高效。然而，由于列車運(yùn)行環(huán)境中軌道區(qū)域環(huán)境復(fù)雜，彎道、直道等各種場景相互交錯(cuò)，傳統(tǒng)的圖像處理算法很難適應(yīng)所有的場景。另一方面，近年來，人工智能尤其是深度學(xué)習(xí)取得了迅速發(fā)展，并在各個(gè)領(lǐng)域得到了廣泛應(yīng)用，我們發(fā)現(xiàn)語義分割算法有較強(qiáng)的圖像特征提取能力，因此在文中我們嘗試應(yīng)用語義分割進(jìn)行軌道區(qū)域識別，軌道區(qū)域識別算法網(wǎng)絡(luò)架構(gòu)如圖2所示。

圖2 軌道區(qū)域識別網(wǎng)絡(luò)架構(gòu)圖

軌道區(qū)域識別網(wǎng)絡(luò)主要包括編碼部分和解碼部分組成。編碼部分主要用于分析并提取軌道區(qū)域的特征，主要包含有卷積層和池化層，此外，編碼部分還包含有空洞卷積層。卷積層主要用于提取每一層的軌道區(qū)域特征，池化層主要用于降低圖像的分辨率，一方面可以使后續(xù)的卷積層有更大的感受野，另一方面可以減低后續(xù)卷積操作的運(yùn)算量，從而保證算法的實(shí)時(shí)性?？斩淳矸e通過應(yīng)用不同的空洞卷積系數(shù)提取不同尺度的特征，并將這些特征進(jìn)行融合，從而實(shí)現(xiàn)在不改變圖像特征圖大小的前提下，實(shí)現(xiàn)不同尺度的特征提取。在編碼部分后面是解碼部分。解碼部分主要包括了一系列的上采樣層，主要對編碼部分提取的特征進(jìn)行語義信息提取，并恢復(fù)成原始尺寸大小，從而實(shí)現(xiàn)像素級別的圖像理解與分類。在網(wǎng)絡(luò)的最后部分是softmax層，主要用于對圖像中每個(gè)像素進(jìn)行分類，從而實(shí)現(xiàn)軌道區(qū)域的像素提取，軌道區(qū)域識別的網(wǎng)絡(luò)具體結(jié)構(gòu)如表1所示。

表1 軌道區(qū)域識別網(wǎng)絡(luò)圖

2.2 列車識別

在列車實(shí)際運(yùn)行過程中，車輛信號系統(tǒng)故障會(huì)導(dǎo)致車輛通信失敗，使得正常行駛的車輛無法精準(zhǔn)的獲取前方車輛的距離信息，從而存在有車輛碰撞隱患。精準(zhǔn)有效的列車識別可以有效的識別出軌道前方的列車，此外，結(jié)合精準(zhǔn)的軌道區(qū)域識別可以進(jìn)一步的判斷出識別的列車是否影響本車的正常行駛，從而有效的預(yù)防列車碰撞事故的發(fā)生。

為了實(shí)現(xiàn)車載端嵌入式實(shí)時(shí)應(yīng)用需求，應(yīng)用了18層的殘差網(wǎng)絡(luò)作為列車識別的主干網(wǎng)絡(luò)，列車識別的網(wǎng)絡(luò)結(jié)構(gòu)圖如圖3所示。在卷積神網(wǎng)絡(luò)中，深層次的特征圖可以提取圖像的全局特征，然而由于深層次的特征圖分辨率較低，因此會(huì)影響較小像素的目標(biāo)尤其是遠(yuǎn)距離的列車識別。受快速高效目標(biāo)識別算法SSD[8]的啟發(fā)，選擇在不同的層級進(jìn)行列車預(yù)測[9]，我們選擇的用于預(yù)測目標(biāo)的層主要包括：res3b, res4b, res5b, Conv6_2, Conv7_2 和Conv8_2。

圖3 列車識別網(wǎng)絡(luò)結(jié)構(gòu)圖

用于預(yù)測列車的先驗(yàn)框從低層次特征圖到高層次特征圖逐漸增大。用于預(yù)測第K層先驗(yàn)框計(jì)算式如式(1)所示：

(1)

其中，smin是用于預(yù)測的最小尺度，smax是用于預(yù)測的最大尺度，m是用于預(yù)測的特征圖個(gè)數(shù)。另外，在列車識別網(wǎng)絡(luò)的最后，我們添加了3個(gè)額外層用于提高列車識別的精度，額外層的具體結(jié)構(gòu)如表2所示。

表2 額外層的結(jié)構(gòu)

2.3 圖像與激光雷達(dá)融合

單一的視覺信息難以實(shí)現(xiàn)精準(zhǔn)的障礙物距離測量，此外，視覺信息易受光線變化等因素影響。另一方面，單一的激光雷達(dá)難以確定障礙物的類型，同時(shí)對軌道的限界難以精準(zhǔn)劃分。北京新機(jī)場線列車智能障礙物檢測系統(tǒng)將視覺信息與激光雷達(dá)信息進(jìn)行融合，實(shí)現(xiàn)精準(zhǔn)全天候的障礙物感知。視覺與激光雷達(dá)融合系統(tǒng)框圖如圖4所示。

圖4 視覺與雷達(dá)融合系統(tǒng)結(jié)構(gòu)圖

列車智能障礙物檢測系統(tǒng)的視覺模塊主要用于軌道區(qū)域識別和列車識別，與此同時(shí)，激光雷達(dá)模塊在獲取激光雷達(dá)點(diǎn)云后進(jìn)行激光點(diǎn)云數(shù)據(jù)的預(yù)處理，對點(diǎn)云高度過大或過小的數(shù)據(jù)進(jìn)行濾除。在完成點(diǎn)云數(shù)據(jù)預(yù)處理后，通過數(shù)據(jù)關(guān)聯(lián)，將空間激光雷達(dá)點(diǎn)映射至圖像中去，從而獲取稀疏的圖像深度信息。

獲取圖像的深度信息后，通過軌道區(qū)域識別模塊，將空間映射的激光雷達(dá)點(diǎn)進(jìn)行提取，從而獲取空間中軌道區(qū)域點(diǎn)云，在此基礎(chǔ)上通過隨機(jī)采樣一致性(RANSAC)[10]算法對軌道點(diǎn)云進(jìn)行軌道面擬合，從而獲取軌道面的空間方程?；谲壍烂婵臻g方程，進(jìn)一步結(jié)合軌道面空間激光點(diǎn)云，對高出軌道面的點(diǎn)云進(jìn)行聚類，從而識別出軌道內(nèi)的障礙物。

3 系統(tǒng)安裝及測試

北京新機(jī)場線列車智能障礙物檢測系統(tǒng)傳感器設(shè)計(jì)分布圖如圖5所示，本系統(tǒng)包含有兩路相機(jī)(左右各一個(gè))，一路激光雷達(dá)(中間)。

圖5 智能障礙物檢測系統(tǒng)傳感器分布圖

列車智能障礙物檢測系統(tǒng)安裝于新機(jī)場線車輛頂部，能極大的較小感知盲區(qū)，此外，本系統(tǒng)安裝于擋風(fēng)玻璃內(nèi)，能很好的對傳感器進(jìn)行保護(hù)并降低設(shè)備維護(hù)成本，傳感器車輛安裝示意圖如圖6所示。

圖6 智能障礙物檢測系統(tǒng)車輛安裝示意圖

為了對列車智能障礙物識別系統(tǒng)有效性進(jìn)行量化分析，采集了大量的列車正常運(yùn)行視頻數(shù)據(jù)，用于分析列車智能障礙物檢測系統(tǒng)的性能，采集的視頻數(shù)據(jù)分辨率大小均為1 280×720，中采集的數(shù)據(jù)集包含有227 398幀數(shù)據(jù)，其中前向有車的數(shù)據(jù)為1 707幀。

選取兩個(gè)指標(biāo)用于評估前向列車的識別精度，并且用于統(tǒng)計(jì)的列車均為當(dāng)前軌道前向的列車。選取的用于評估系統(tǒng)精度的指標(biāo)主要包括漏識別率和誤識別率，漏識別率指漏識別的列車個(gè)數(shù)占數(shù)據(jù)中所有樣本的比例，誤識別率指的是錯(cuò)誤識別的列車占數(shù)據(jù)集中所有樣本的比例，列車誤識別的幀數(shù)為34幀，漏識別幀數(shù)為0幀，識別結(jié)果如表3所示。

表3 試驗(yàn)結(jié)果

智能障礙物識別算法可以適應(yīng)類型的軌道區(qū)域識別，包括直道、彎道、道岔場景等，此外，對不同的環(huán)境也有較強(qiáng)的適應(yīng)性，如白天、夜晚、隧道、高架等。軌道識別、軌道前方列車識別以及視覺與雷達(dá)融合識別的效果分別如圖7～圖9所示。

圖7 軌道區(qū)域識別效果.

圖8 前向列車識別效果

圖9 視覺與雷達(dá)融合識別效果

4 結(jié)束語

列車智能障礙物檢測系統(tǒng)通過對獲取車載相機(jī)數(shù)據(jù)，應(yīng)用人工智能處理算法，實(shí)現(xiàn)對前方軌道區(qū)域以及軌道區(qū)域列車進(jìn)行高可靠感知，進(jìn)一步的結(jié)合激光雷達(dá)數(shù)據(jù)實(shí)現(xiàn)像素級融合，從而實(shí)現(xiàn)全天候的環(huán)境感知。本系統(tǒng)的建成將對提高北京新機(jī)場線列車運(yùn)行安全以及提升車輛運(yùn)輸效率具有重要意義。