一种基于多模态融合定位的铁路病害定位与自动导航方法与流程

摘要: 本发明属于轨道智能巡检,更具体地,涉及一种基于多模态融合定位的铁路病害定位与自动导航方法和系统。背景技术:1、我国铁路路网规模逐年扩张,轨道交通已经成为国内交通...
一种基于多模态融合定位的铁路病害定位与自动导航方法与流程

本发明属于轨道智能巡检,更具体地,涉及一种基于多模态融合定位的铁路病害定位与自动导航方法和系统。

背景技术:

1、我国铁路路网规模逐年扩张,轨道交通已经成为国内交通运输体系的核心组成部分。轨道线路长期承受列车往复荷载、雨雪侵蚀、地质沉降等多重外界影响,钢轨破损、道床损毁、路基变形等各类线路病害常态化出现,定位病害位置是开展线路养护维修、保障铁路行车安全的关键环节。长期以来,铁路病害巡检大量依靠现场工作人员实地徒步勘察,人工记录病害里程与地理位置。人工巡检不仅作业周期长、人力投入成本高,在山区隧道、偏远旷野等复杂线路环境中作业难度陡增,依靠肉眼标定的病害点位普遍存在定位偏差,后续维修作业时常出现找位困难的问题。

2、现阶段自动化巡检设备已逐步投入应用,但主流定位手段存在明显短板。多数设备仅依托北斗卫星或者车轮里程计单一数据源完成定位,隧道、密林、高架遮挡区域内北斗信号极易中断,单纯依靠里程计推算位置时,车轮长期磨耗会持续累积里程误差,两种定位方式均无法实现全路段稳定高精度导航。少数搭载视觉识别的巡检装置,仅选用单一参照物校正位置,没有建立地物、轨枕、病害点位的数据关联关系。

3、目前行业缺少统一的多模态基准数据库,沿线标志性地物、轨枕物理编号无法和病害的里程、卫星坐标绑定存储,巡检设备远距离行进过程中只能粗略趋近病害区域,临近目标点位时难以统一修正里程基准。道岔区段轨枕排布疏密不一,现有技术缺少针对性补偿逻辑,轨枕编号计算误差进一步加剧点位偏移,设备无法准确停靠在病害原位。

4、行业迫切需要一套融合多源信息的定位导航方案,依托多维度数据联动消除各类系统误差,攻克复杂路段定位失准难题,推动铁路病害巡检从人工粗放作业转向自动化准确作业,缩减运维成本,从源头提升铁路线路养护的可靠性与作业效率。

技术实现思路

1、本发明旨在克服现有铁路病害巡检定位准度不足、单一导航方式受环境制约、里程累计误差难以修正等弊端,依托北斗、里程计与视觉识别多模态融合思路,搭建线路关联数据库,分级完成导航纠偏与里程校准,依靠轨枕编号实现病害定点停靠,提升铁路巡检自动化水平与病害定位准确度,降低线路养护人力成本。

2、针对现有技术的以上缺陷或改进需求,作为本发明的第一方面,本发明提供一种基于多模态融合定位的铁路病害定位与自动导航方法,包括:

3、s1.获取铁路沿线的病害数据和显著场景地物数据,构建多模态定位与地物关联数据库;所述数据库包括病害特征向量和显著地物特征向量;所述病害特征向量和所述显著地物特征向量均至少包含北斗坐标、运营里程值和轨枕物理编号;所述显著地物特征向量还包含地物类型和地物图像数据;

4、s2.控制导航设备向目标病害位置移动,在移动过程中,基于所述北斗坐标和所述运营里程值进行协同导航以逼近所述目标病害位置;同时,实时采集前方景观图像和底部轨枕图像,识别当前经过的显著地物和轨枕,并与所述多模态定位与地物关联数据库进行比对,修正导航设备的实时位置;

5、s3.当所述导航设备移动至所述目标病害位置前序的邻近显著地物时,获取导航设备的当前里程输出值;基于所述当前里程输出值与所述邻近显著地物在所述数据库中的标准运营里程值,计算里程累积误差;利用所述里程累积误差对导航设备的内部里程坐标系进行补偿校准,使所述内部里程坐标系与轨道实际物理里程对齐;

6、s4.在完成所述内部里程坐标系补偿校准后,提高轨枕识别的权重,基于校准后的内部里程坐标系和实时识别的轨枕,计算当前跨越的轨枕物理编号;当计算出的所述轨枕物理编号与所述目标病害位置对应的目标轨枕物理编号一致时,控制所述导航设备停机,完成对所述目标病害位置的锁定。

7、进一步地,所述s1中,构建多模态定位与地物关联数据库的具体过程包括:

8、利用激光图像检测系统对铁路线路现场进行自动化检测,采集铁路线路的三维激光雷达数据和高清影像数据;

9、基于所述三维激光雷达数据和所述高清影像数据进行病害识别与提取,获取各病害的北斗位置、轨枕编号和运营里程三种定位数据;

10、基于所述三维激光雷达数据和所述高清影像数据,自动提取检测线路上的显著场景地物数据,所述显著场景地物数据包括信号机、接触网杆、桥隧位置和曲线特征;并获取各显著场景地物的北斗位置、轨枕编号和运营里程三种定位数据;

11、为各病害数据和各显著场景地物数据分配统一的时间戳,基于所述时间戳对所述三维激光雷达数据、高清影像数据及定位数据进行时空对齐;

12、将对齐后的各病害的北斗位置、轨枕编号和运营里程封装生成所述病害特征向量,将对齐后的各显著场景地物的北斗位置、轨枕编号、运营里程、地物类型及地物图像数据封装生成所述显著地物特征向量,使得每个检测病害均对应具有北斗位置、轨枕编号和运营里程三种定位数据,以及关联的线路显著场景地物特征数据。

13、进一步地,所述s2中,基于所述北斗坐标和所述运营里程值进行协同导航以逼近所述目标病害位置,具体包括:

14、实时评估北斗信号的质量指标;

15、当所述质量指标高于预设阈值时,以北斗定位数据为主、里程计数据为辅,计算导航设备的实时位置;

16、当所述质量指标低于或等于所述预设阈值时,判定北斗信号受限,自动降级为基于里程计数据的导航模式,并利用惯性测量单元输出的航向角和加速度数据对所述里程计数据进行积分补偿,维持隧道或桥梁区段内的连续导航。

17、进一步地,所述s2中,实时采集前方景观图像和底部轨枕图像,识别当前经过的显著地物和轨枕,具体包括:

18、实时采集前方景观图像并提取当前地物视觉特征;获取导航设备当前的推算位置,以所述推算位置为中心、以预设搜索半径在所述多模态定位与地物关联数据库中检索候选显著地物;将所述当前地物视觉特征与所述候选显著地物的地物图像数据进行相似度匹配;当匹配相似度超过预设阈值时,判定识别成功,并利用识别出的显著地物在数据库中的标准运营里程值,对导航设备的当前推算里程进行第一级修正;

19、按照与导航设备行驶速度自适应的触发频率采集底部轨枕图像,并结合车轮编码器输出的脉冲信号进行时序校验,剔除因速度突变导致的冗余或无效图像;对校验后的轨枕图像进行特征提取,获取当前轨枕的表面物理编号或纹理特征;将获取的特征与数据库中对应区段的轨枕物理编号序列进行滑动窗口匹配;当匹配成功时,利用该轨枕在数据库中的标准空间坐标对导航设备的当前北斗坐标进行第二级修正;

20、计算所述第一级修正后的里程位置与所述第二级修正后的北斗坐标之间的空间偏差;当所述空间偏差小于预设的安全阈值时,融合两者的修正结果更新导航设备的实时位置;当所述空间偏差大于或等于所述安全阈值时,判定当前识别结果存在异常,剔除该次修正数据,并维持导航设备修正前的推算位置继续行驶,直至下一个有效地物或轨枕触发修正。

21、进一步地,所述s3中,利用所述里程累积误差对导航设备的内部里程坐标系进行补偿校准,具体包括:

22、获取导航设备经过前序第个显著地物时的里程计输出值以及当前第个显著地物时的里程计输出值;

23、计算相邻两个显著地物之间的里程计区间测量增量,并获取所述多模态定位与地物关联数据库中对应的标准区间物理距离;

24、基于所述与的比值,计算里程计车轮的实时轮径磨损比例系数;同时,利用公式计算当前节点的绝对里程漂移误差;

25、将所述绝对里程漂移误差作为零点补偿量,直接叠加至导航设备的当前内部里程坐标系中以消除累积绝对偏差;

26、利用所述实时轮径磨损比例系数对里程计的底层脉冲当量进行更新,以修正后续行驶过程中因车轮磨耗引起的里程比例推算误差;

27、获取校准前北斗定位模块输出的第一位置协方差矩阵、里程计推算输出的第二位置协方差矩阵以及视觉地物定位输出的第三位置协方差矩阵;

28、当所述绝对里程漂移误差超过预设误差阈值时,判定里程计处于高误差发散状态,通过增大所述第二位置协方差矩阵的迹值来降低里程计定位在卡尔曼滤波融合中的权重;

29、同时,提取当前识别出的显著地物图像的清晰度指标和匹配置信度,基于所述清晰度指标和匹配置信度动态缩小所述第三位置协方差矩阵的迹值,以提高视觉地物定位的融合权重。

30、进一步地,所述s4中,在完成所述内部里程坐标系补偿校准后,提高轨枕识别的权重,具体包括:

31、获取完成补偿校准后的内部里程坐标系的残余误差估计值,以及实时采集的底部轨枕图像的识别置信度;

32、基于所述残余误差估计值构建里程计观测噪声协方差矩阵,并基于所述识别置信度构建轨枕视觉观测噪声协方差矩阵;

33、将所述里程计观测噪声协方差矩阵和所述轨枕视觉观测噪声协方差矩阵输入至扩展卡尔曼滤波器中作为量测更新参数;

34、当所述残余误差估计值小于预设收敛阈值且所述识别置信度大于预设置信度阈值时,通过缩小所述轨枕视觉观测噪声协方差矩阵的对角线元素值,增大扩展卡尔曼滤波器增益矩阵中轨枕观测分量对应的权重系数,使融合状态估计结果向轨枕识别结果收敛,完成对轨枕识别权重的动态提高。

35、进一步地,所述s4中,计算当前跨越的轨枕物理编号,具体包括:

36、以完成补偿校准的所述邻近显著地物对应的轨枕物理编号为基准起点;

37、统计从所述邻近显著地物到当前位置实时识别出的轨枕数量;

38、通过公式计算当前的轨枕物理编号;

39、当检测到导航设备处于道岔区段时,引入道岔区段轨枕间距修正系数对所述轨枕数量进行补偿,以消除因道岔处轨枕类型变化及间距不均导致的编号推算错误。

40、进一步地,所述导航设备包括控制盒、前方景观视觉模块、轨枕计数模块和高精度导航模块;

41、所述前方景观视觉模块包括面阵相机,用于采集所述前方景观图像并识别显著场景地物;

42、所述轨枕计数模块包括底部相机和编码器,用于采集所述底部轨枕图像并结合编码器脉冲进行轨枕计数;

43、所述控制盒包括同步模块、工控机和边缘计算模块;所述同步模块用于触发所述前方景观视觉模块、轨枕计数模块和高精度导航模块的硬件级时间同步;所述边缘计算模块用于对采集的图像进行实时推理识别,并将识别结果传输至所述工控机进行多模态数据融合与导航决策。

44、作为本发明的第二方面,还提供一种基于多模态融合定位的铁路病害定位与自动导航系统,包括:

45、关联数据库构建单元,用于获取铁路沿线的病害数据和显著场景地物数据,构建多模态定位与地物关联数据库;所述数据库包括病害特征向量和显著地物特征向量;所述病害特征向量和所述显著地物特征向量均至少包含北斗坐标、运营里程值和轨枕物理编号;所述显著地物特征向量还包含地物类型和地物图像数据;

46、协同导航与修正单元,用于控制导航设备向目标病害位置移动,在移动过程中,基于所述北斗坐标和所述运营里程值进行协同导航以逼近所述目标病害位置;同时,实时采集前方景观图像和底部轨枕图像,识别当前经过的显著地物和轨枕,并与所述多模态定位与地物关联数据库进行比对,修正导航设备的实时位置;

47、里程补偿校准单元,用于当所述导航设备移动至所述目标病害位置前序的邻近显著地物时,获取导航设备的当前里程输出值;基于所述当前里程输出值与所述邻近显著地物在所述数据库中的标准运营里程值,计算里程累积误差;利用所述里程累积误差对导航设备的内部里程坐标系进行补偿校准,使所述内部里程坐标系与轨道实际物理里程对齐;

48、目标病害位置的锁定单元,用于在完成所述内部里程坐标系补偿校准后,提高轨枕识别的权重,基于校准后的内部里程坐标系和实时识别的轨枕,计算当前跨越的轨枕物理编号;当计算出的所述轨枕物理编号与所述目标病害位置对应的目标轨枕物理编号一致时,控制所述导航设备停机,完成对所述目标病害位置的锁定。

49、作为本发明的第三方面,还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行任一项所述的一种基于多模态融合定位的铁路病害定位与自动导航方法。

50、总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:

51、1.本发明的基于多模态融合定位的铁路病害定位与自动导航方法,通过采集铁路沿线病害和显著场景地物数据并构建关联数据库,病害特征向量与显著地物特征向量统一收录北斗坐标、运营里程以及轨枕物理编号,额外在地物特征中补充地物类型与对应图像数据。统一规范的数据存储形式,将线路病害点位、轨道地标、轨枕实体的多维度地理信息形成绑定关系,后续导航作业开展数据调取、图像特征比对、里程数值校核时均可共用同一套基准数据,解决以往各类定位信息分散独立、参考基准互不匹配的问题。标准化的向量存储结构可以保障巡检设备全程的数据检索效率,从数据源层面规避因信息格式杂乱引发的匹配失败,为全流程的位置修正和里程校准提供数据依据。

52、2.本发明的基于多模态融合定位的铁路病害定位与自动导航方法,通过北斗坐标与运营里程协同完成远距离导航作业,设备行进期间不间断采集前后端图像内容,识别沿途地物与轨枕信息并对标数据库完成两级位置修正,同时校验两级修正结果的空间偏差再决定位置更新逻辑。这套协同导航与分级修正机制能够根据北斗信号质量灵活切换导航工作模式,在卫星遮挡的隧道、桥隧区段依靠里程数据接续导航任务,地物与轨枕两类参照物分别从里程和坐标维度校正设备位置,两类校正结果的相互核验可以筛除单次识别异常带来的错误修正数据,持续抑制长途行进产生的位置漂移,稳步缩减设备与目标病害的空间距离。

53、3.本发明的基于多模态融合定位的铁路病害定位与自动导航方法,通过设备抵达病害邻近地标后测算里程累积误差,以此完成设备内部里程坐标系的整体补偿校准,里程基准对齐实际轨道里程后调高轨枕识别权重,依托基准轨枕编号叠加在轨计数得到实时轨枕编号,编号匹配目标参数后控制设备停机锁定病害位置。里程校准消除车轮磨损积累的系统性里程偏差,让后续轨枕编号计算依托准确的里程基准开展,以轨枕实体编号作为最终定位判定依据,摆脱单纯依靠里程推算定点的精度短板,道岔区段的计数补偿方式也能适配特殊轨枕排布工况,稳步提升病害末端停靠的定位准确程度。