基于深度学习的铁路轨道专用交通信号选择
计算机视觉与模式识别
2017-12-19 v1
摘要
随着铁路运输行业积极迈向自动化，对道口沿线轨道资产（如交通信号、道口、道岔、里程标等）的精确位置确定与清点是极为重要的。随着新的正列车控制 (PTC) 法规生效，许多铁路安全规则将直接与里程标和信号等资产的位置绑定。新的速度规章将依据列车相对于道口资产的位置来执行。因此，铁路部门拥有这些资产类型与位置的精确数据库至关重要。本文讨论了一个从安装在运动机车上的摄像机检测铁路信号并追踪其位置的真实用例。该摄像机经过设计可承受运动列车上的环境因素，并以约每秒 30 帧提供稳定一致的图像。利用先进的图像分析与深度学习技术，在这些摄像机图像中检测信号并建立其位置数据库。铁路信号在形状及相对于轨道的布置规则上与道路信号差异很大。由于城市区域空间受限和交通密度，信号并非布置在轨道同一侧，且多条线路可并行。因此需要将检测到的信号与列车行驶所在轨道相关联。我们提出了一种利用安装在领头机车上的前向摄像机视频流将信号关联到其所属特定轨道的方法。已实现轨道检测、感兴趣区域选择、信号检测的流水线，在覆盖 150 km、含 247 个信号的线路上总体准确率达 94.7%。
引用
@article{arxiv.1712.06107,
title = {Railway Track Specific Traffic Signal Selection Using Deep Learning},
author = {S Ritika and Shruti Mittal and Dattaraj Rao},
journal= {arXiv preprint arXiv:1712.06107},
year = {2017}
}