一种列车检测方法、装置、电子设备及存储介质与流程

1.本技术涉及轨道交通技术领域，尤其涉及一种列车检测方法、装置、电子设备及存储介质。


背景技术：

2.通常，不同列车行驶在不同的轨道上，但是到了交叉口，由于轨道相交，当前列车会与其他轨道上的列车可能产生直接的平面冲突，所以需要对前方列车进行检测及识别，来判定是否与当前列车存在碰撞的可能，具体地，通过计算出当前列车与前方列车之间的相对位置和相对行驶方向，来确定当前列车和前方列车是否存在碰撞可能。
3.传统轨道交通技术对列车的检测一般通过在地面配置列车感应设备，该设备铺设较为复杂，且不能保证对前方列车进行检测的准确性。


技术实现要素：

4.有鉴于此，本技术实施例至少提供一种列车检测方法、装置、电子设备及存储介质，操作简便，可以提升列车行驶的安全性。
5.本技术主要包括以下几个方面：
6.第一方面，本技术实施例提供一种列车检测方法，所述列车检测方法包括：
7.获取第一列车前方的场景图像和场景点云数据；
8.基于所述场景图像，从所述场景点云数据中识别出第二列车的列车点云数据；其中，所述第二列车位于所述第一列车的前方；
9.基于所述列车点云数据，确定所述第二列车的列车轮廓；
10.基于所述列车轮廓，计算所述第一列车与所述第二列车之间的相对位置和相对行驶方向。
11.在一种可能的实施方式中，所述基于所述场景图像，从所述场景点云数据中识别出第二列车的列车点云数据，包括：
12.从所述场景图像中识别出所述第二列车对应的区域图像，并基于所述区域图像，从所述场景点云数据中确定出带有所述第二列车的区域点云数据；
13.从所述区域点云数据中，识别出所述第二列车的列车点云数据。
14.在一种可能的实施方式中，所述基于所述区域图像，从所述场景点云数据中确定出带有所述第二列车的区域点云数据，包括：
15.将所述场景点云数据投射至所述场景图像上，从所述场景点云数据中，获取投射在所述区域图像上的所述区域点云数据。
16.在一种可能的实施方式中，根据以下步骤从所述区域点云数据中，识别出所述第二列车的列车点云数据：
17.根据列车特征信息，对所述区域点云数据进行聚类，得到多个聚集点云数据；
18.从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
19.在一种可能的实施方式中，在所述根据列车特征信息，对所述区域点云数据进行聚类，得到多个聚集点云数据之前，所述列车检测方法还包括：
20.对所述区域点云数据进行栅格化处理，得到栅格化的区域点云数据。
21.在一种可能的实施方式中，所述从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据，包括：
22.从所述多个聚集点云数据中，确定每段列车对应的第一区域的点云数据，以及每个非列车对应的第二区域的点云数据；
23.根据所述第一区域与所述第二区域之间的位置关系，从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
24.在一种可能的实施方式中，根据以下步骤计算所述第一列车与所述第二列车之间的相对位置：
25.从所述列车轮廓中，提取出车头轮廓点；
26.基于所述车头轮廓点，计算所述第二列车与所述第一列车之间的目标距离；
27.根据所述目标距离，确定所述第一列车与所述第二列车之间的相对位置。
28.在一种可能的实施方式中，根据以下步骤计算所述第一列车与所述第二列车之间相对行驶方向：
29.从所述列车轮廓中，提取出车头轮廓点和至少两个车厢轮廓点；
30.将所述车头轮廓点和所述至少两个车厢轮廓点拟合成目标曲线；
31.根据所述目标曲线，确定所述第一列车与所述第二列车之间的相对行驶方向。
32.第二方面，本技术实施例还提供一种列车检测装置，所述列车检测装置包括：
33.获取模块，用于获取第一列车前方的场景图像和场景点云数据；
34.识别模块，用于基于所述场景图像，从所述场景点云数据中识别出第二列车的列车点云数据；其中，所述第二列车位于所述第一列车的前方；
35.确定模块，用于基于所述列车点云数据，确定所述第二列车的列车轮廓；
36.计算模块，用于基于所述列车轮廓，计算所述第一列车与所述第二列车之间的相对位置和相对行驶方向。
37.在一种可能的实施方式中，所述识别模块包括：
38.确定单元，用于从所述场景图像中识别出所述第二列车对应的区域图像，并基于所述区域图像，从所述场景点云数据中确定出带有所述第二列车的区域点云数据；
39.识别单元，用于从所述区域点云数据中，识别出所述第二列车的列车点云数据。
40.在一种可能的实施方式中，所述确定单元，用于根据以下不准从所述场景点云数据中确定出区域点云数据：
41.将所述场景点云数据投射至所述场景图像上，从所述场景点云数据中，获取投射在所述区域图像上的所述区域点云数据。
42.在一种可能的实施方式中，所述识别单元，用于根据以下步骤识别出所述列车点云数据：
43.根据列车特征信息，对所述区域点云数据进行聚类，得到多个聚集点云数据；
44.从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
45.在一种可能的实施方式中，所述识别模块还包括：
46.处理单元，用于对所述区域点云数据进行栅格化处理，得到栅格化的区域点云数据。
47.在一种可能的实施方式中，所述处理单元，用于根据以下不准筛选出所述列车点云数据：
48.从所述多个聚集点云数据中，确定每段列车对应的第一区域的点云数据，以及每个非列车对应的第二区域的点云数据；
49.根据所述第一区域与所述第二区域之间的位置关系，从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
50.在一种可能的实施方式中，所述计算模块，用于根据以下步骤计算所述第一列车与所述第二列车之间的相对位置：
51.从所述列车轮廓中，提取出车头轮廓点；
52.基于所述车头轮廓点，计算所述第二列车与所述第一列车之间的目标距离；
53.根据所述目标距离，确定所述第一列车与所述第二列车之间的相对位置。
54.在一种可能的实施方式中，所述计算模块，用于根据以下步骤计算所述第一列车与所述第二列车之间相对行驶方向：
55.从所述列车轮廓中，提取出车头轮廓点和至少两个车厢轮廓点；
56.将所述车头轮廓点和所述至少两个车厢轮廓点拟合成目标曲线；
57.根据所述目标曲线，确定所述第一列车与所述第二列车之间的相对行驶方向。
58.第三方面，本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的列车检测方法的步骤。
59.第四方面，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中所述的列车检测方法的步骤。
60.本技术实施例提供的列车检测方法、装置、电子设备及存储介质，采用获取的第一列车前方的场景图像，从场景点云数据中识别出第二列车的列车点云数据，基于列车点云数据，可以确定第二列车的列车轮廓，并基于列车轮廓，可以计算第一列车与第二列车之间的相对位置和相对行驶方向，与现有技术中对列车的检测一般通过在地面配置列车感应设备，该设备铺设较为复杂，且不能保证对前方列车进行检测的准确性相比，操作简便，可以提升列车行驶的安全性。
61.进一步，本技术实施例提供的列车检测方法，从多个聚集点云数据中，确定每段列车对应的第一区域的点云数据，以及每个非列车对应的第二区域的点云数据，根据第一区域与第二区域之间的位置关系，从多个聚集点云数据中，筛选出第二列车的所述列车点云数据。这样，可以准确地筛选出第二列车的列车点云数据，进而，可以提升列车行驶的安全性。
62.为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
63.为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
64.图1示出了本技术实施例所提供的一种列车检测方法的流程图；
65.图2示出了本技术实施例所提供的一种列车检测装置的功能模块图；
66.图3示出了本技术实施例所提供的识别模块的结构示意图；
67.图4示出了本技术实施例所提供的一种电子设备的结构示意图。
68.主要元件符号说明：
69.图中：200-列车检测装置；210-获取模块；220-识别模块；221-确定单元；222-识别单元；223-处理单元；230-确定模块；240-计算模块；400-电子设备；410-处理器；420-存储器；430-总线。
具体实施方式
70.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解，本技术中的附图仅起到说明和描述的目的，并不用于限定本技术的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本技术中使用的流程图示出了根据本技术的一些实施例实现的操作。应当理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本技术内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
71.另外，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例，都属于本技术保护的范围。
72.为了使得本领域技术人员能够使用本技术内容，结合特定应用场景“列车防碰撞”，给出以下实施方式，对于本领域技术人员来说，在不脱离本技术的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。
73.本技术实施例下述方法、装置、电子设备或计算机可读存储介质可以应用于任何需要进行列车检测的场景，本技术实施例并不对具体的应用场景作限制，任何使用本技术实施例提供的列车检测方法及装置的方案均在本技术保护范围内。
74.值得注意的是，在本技术提出之前，传统轨道交通技术对列车的检测一般通过在地面配置列车感应设备，该设备铺设较为复杂，且不能保证对前方列车进行检测的准确性。
75.针对上述问题，本技术实施例通过获取的第一列车前方的场景图像，可以从场景点云数据中识别出第二列车的列车点云数据，进而，基于列车点云数据，可以确定第二列车的列车轮廓，并基于列车轮廓，可以计算第一列车与第二列车之间的相对位置和相对行驶方向。这样，通过将第一列车前方的场景图像和场景点云数据的结合使用，可以准确地计算
出第一列车与第二列车之间的相对位置和相对行驶方向，操作简便，可以提升列车行驶的安全性。
76.为便于对本技术进行理解，下面结合具体实施例对本技术提供的技术方案进行详细说明。
77.图1为本技术实施例所提供的一种列车检测方法的流程图。如图1所示，本技术实施例提供的列车检测方法，包括以下步骤：
78.s101：获取第一列车前方的场景图像和场景点云数据。
79.在具体实施中，可以实时获取第一列车(当前列车)前方的场景图像和场景点云数据，也可以每隔预设时长获取当前列车前方的场景图像和场景点云数据，还可以在检测到距离交叉口预设距离时，获取当前列车前方的场景图像和场景点云数据，这里，预设时长可以按照激光雷达的发射频率进行设定，预设距离可以根据列车平均速度进行设定。
80.需要说明的是，可以通过相机采集第一列车前方的场景图像，可以通过激光雷达采集第一列车前方的场景点云数据，其中，相机和激光雷达均安装在第一列车的车头上，以便采集到第一列车前方的场景数据。
81.这里，激光雷达是一种集激光扫描与定位定姿系统于一身的测量装备，激光雷达系统包括激光器和一个接收系统，激光器产生并发射一束光脉冲，打在物体上并反射回来，最终被接收器所接收，接收器准确地测量光脉冲从发射到被反射回的传播时间，传播时间即可被转换为对距离的测量，结合激光器的高度，激光扫描角度，就可以准确地计算出每一个地面光斑的三维坐标x，y，z。点云数据是指在一个三维坐标系统中的一组向量的集合，这些向量通常以x，y，z三维坐标的形式表示，而且一般主要用来代表一个物体的外表面形状，激光雷达点云数据就是由激光雷达扫描获取的，当点云可以直接被描绘和观察时，通常点云本身不能直接用于3d应用，因此一般通过表面重建的方法将它转换为多边形或三角形等网状模型。
82.s102：基于所述场景图像，从所述场景点云数据中识别出第二列车的列车点云数据；其中，所述第二列车位于所述第一列车的前方。
83.在具体实施中，在获取到第一列车前方的场景图像和场景点云数据之后，可以基于场景图像，来从场景点云数据中识别出位于第一列车前方的第二列车的列车点云数据，这里，场景图像中包含第二列车的图像，场景点云数据中包含第二列车的列车点云数据。
84.进一步地，可以先从场景图像中截取出带有第二列车的区域图像，进而，从场景点云数据中确定出与该区域图像对应的第二列车的区域点云数据，进一步地，从该区域点云数据中，识别出第二列车的列车点云数据，具体地，步骤s102中基于所述场景图像，从所述场景点云数据中识别出第二列车的列车点云数据，包括以下步骤：
85.步骤a：从所述场景图像中识别出所述第二列车对应的区域图像，并基于所述区域图像，从所述场景点云数据中确定出带有所述第二列车的区域点云数据。
86.在具体实施中，可以利用目标检测算法从场景图像中识别出第二列车对应的区域图像，由于场景图像和场景点云数据是相对应的，故，可以从场景点云数据中，确定出与区域图像对应的带有第二列车的区域点云数据。这里，区域图像是场景图像中的部分图像，该区域图像包含第二列车的图像，同样，区域点云数据是场景点云数据中的部分点云，该区域点云数据包含第二列车的点云数据。
87.这里，目标检测，基于图像分类，可以采用深度学习，也可以采用其他计算机视觉技术实现，目标检测可以精准定位图像中每个目标的位置。目前目标检测算法的主流算法主要分为两类：一类是目标检测算法的演进(two-stage检测算法)，比如深度卷积神经网络(region-convolutional neural networks，rcnn)系算法，主要思路是先通过启发式方法或者cnn网络产生一系列稀疏的候选框，然后对这些候选框进行分类和回归，two-stage方法的优点是准确度高。另一类是one-stage方法，比如yolo和目标检测网络(single shot detection，ssd)，主要思路是均匀的在图片的不同位置上密集抽样，抽样时可以采用不同的比例和长宽比，然后用cnn提取特征后直接分类与回归，整个过程只需要一步，所以优点是速度快。但是均匀的密集采样的缺点是训练困难，主要是因为正样本与负样本(背景)及其不均衡，导致模型准确度较低。
88.其中，yolo算法其仅仅使用一个cnn直接预测不同目标的类别与位置，yolo算法采用一个单独的cnn模型实现end-to-end的目标检测，首先将输入图片，然后送入cnn网络，最后处理网络预测结果得到检测的目标。
89.可选地，下面对从场景点云数据中确定出带有第二列车的区域点云数据的过程进行阐述，也即，步骤a中基于所述区域图像，从所述场景点云数据中确定出带有所述第二列车的区域点云数据，包括以下步骤：
90.将所述场景点云数据投射至所述场景图像上，从所述场景点云数据中，获取投射在所述区域图像上的所述区域点云数据。
91.在具体实施中，可以先将三维的场景点云数据投射至二维的场景图像上，这里，场景图像中标记了第二列车所在的图像区域，即，标记了第二列车对应的区域图像，进而，可以直接从场景点云数据中，获取投射在区域图像上的区域点云数据，这里，的区域点云数据为三维点云数据。这样，通过根据相机和激光雷达的联合标定结果，将三维的点云数据投影到二维的图像平面上，可以提取图像像素区域对应的点云数据。
92.步骤b：从所述区域点云数据中，识别出所述第二列车的列车点云数据。
93.在具体实施中，在从场景点云数据中确定出带有第二列车的区域点云数据之后，进一步地，从区域点云数据中，识别出第二列车的列车点云数据，即第二列车的列车点云数据为区域点云数据中剔除不属于第二列车的点云数据。
94.进一步地，下面对步骤b中从所述区域点云数据中，识别出所述第二列车的列车点云数据的过程进行阐述：
95.步骤b11：对所述区域点云数据进行栅格化处理，得到栅格化的区域点云数据。
96.在具体实施中，先对区域点云数据进行栅格化处理，得到栅格化后的区域点云数据，这样，利用栅格化后的区域点云数据可以降低计算的复杂度，可以从栅格化后的区域点云数据中，加快识别出第二列车的列车点云数据。
97.这里，栅格化过程是将三维点云数据的高度信息舍去，其中，高度信息另外进行存储起来，将三维点云数据投影到同一高度的平面上，过程是从三维降低到二维，这样，可以降低计算第二列车的列车点云数据的计算量，从而提升计算效率。
98.步骤b12：根据列车特征信息，对栅格化的所述区域点云数据进行聚类，得到多个聚集点云数据。
99.在具体实施中，根据列车特征信息，对区域点云数据中的点云数据进行聚类，得到
多个聚集点云数据，其中，每个聚集点云数据为多个点云数据聚集在一起形成的，每个聚集点云数据中的点云数据的类型相同，即每个聚集点云数据可以是列车点云数据，也可以是非列车点云数据。
100.这里，列车特征信息包括列车的长度特征、宽度特征等，通过列车特征信息，可以识别出区域点云数据中的遮挡物的点云数据和第二列车的点云数据。
101.步骤b13：从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
102.在具体实施中，从多个聚集点云数据中，可以筛选出第二列车的列车点云数据。
103.可选地，对步骤b13中从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据的过程进行阐述：
104.从所述多个聚集点云数据中，确定每段列车对应的第一区域的点云数据，以及每个非列车对应的第二区域的点云数据；根据所述第一区域与所述第二区域之间的位置关系，从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
105.在具体实施中，在得到多个聚集点云数据后，这里，每个聚集点云数据由同类型的多个点云数据构成，由于第二列车可能受到一个或多个遮挡物的遮挡，可以从多个聚集点云数据中，确定出每段列车对应的第一区域的点云数据，以及每个非列车(遮挡物)对应的第二区域的点云数据，这样，可以根据列车的特征，从多个聚集点云数据中确定出属于第二列车的列车点云数据，并根据各段列车对应的第一区域在区域点云数据中的位置，以及，各个第一区域与第二区域之间的位置关系，在区域点云数据中将第二列车的列车点云数据进行标记。这里，根据列车特征，通过检测遮挡第二列车的遮挡物，可以解决第二列车受遮挡影响导致列车点云数据检测不准的问题，提升列车点云数据检测的准确率。
106.需要说明的是，根据列车特征检测前方列车(第二列车)所包含的点云数据，其中包括检测激光雷达与前方列车间会遮挡激光雷达对前方列车扫描的障碍物，存在n个满足条件的障碍物，则前方列车会被分成n 1段，从而检测出列车的所有点云数据，检测前方列车。
107.s103：基于所述列车点云数据，确定所述第二列车的列车轮廓。
108.在具体实施中，对检测出的列车点云数据进行轮廓点提取，进而，获取第二列车的列车轮廓，具体地，对检测出的列车点云数据进行下采样，以降低算法的复杂度，使用轮廓点检测算法对下采样后的列车点云数据提取轮廓点，获取前方列车的轮廓。
109.s104：基于所述列车轮廓，计算所述第一列车与所述第二列车之间的相对位置和相对行驶方向。
110.在具体实施中，在获取到第二列车的列车轮廓后，可以依据列车轮廓计算出第一列车(当前列车)与第二列车之间的相对位置和相对行驶方向，这样，可以准确地判断出第一列车与第二列车是否会相碰撞，进而，根据判断结果，控制第一列车的行进速度，可以提升列车行驶的安全性。
111.可选地，根据以下步骤计算所述第一列车与所述第二列车之间的相对位置：
112.从所述列车轮廓中，提取出车头轮廓点；基于所述车头轮廓点，计算所述第二列车与所述第一列车之间的目标距离；根据所述目标距离，确定所述第一列车与所述第二列车之间的相对位置。
113.在具体实施中，先从列车轮廓中，提取出车头轮廓点，通常，激光雷达安装在第一列车上，激光雷达为坐标原点，所以可以根据车头轮廓点的坐标，直接计算出第二列车与所述第一列车之间的目标距离，进而，根据目标距离，确定第一列车与所述第二列车之间的相对位置。这里，相对位置即第一列车和第二列车之间的相对距离。
114.可选地，根据以下步骤计算所述第一列车与所述第二列车之间的相对位置：
115.从所述列车轮廓中，提取出车头轮廓点和至少两个车厢轮廓点；将所述车头轮廓点和所述至少两个车厢轮廓点拟合成目标曲线；根据所述目标曲线，确定所述第一列车与所述第二列车之间的相对行驶方向。
116.在具体实施中，从列车轮廓中，提取出车头轮廓点和至少两个车厢轮廓点，并对提取的车头轮廓点和该至少两个轮廓点拟合成目标曲线，根据曲线的曲线方向，确定出第一列车与第二列车之间的相对行驶方向，这里，相对行驶方向包括相对相反方向和相对相同方向，其中，相对相反方向不是绝对的相反方向，相对相同方向不是绝对的相同方向。
117.需要说明的是，传统轨道交通技术对列车的检测一般通过在地面配置列车感应设备，该设备铺设较为复杂，且不能保证对前方列车进行检测的准确性，对此，本技术通过将第一列车前方的场景图像和场景点云数据的结合使用，可以准确地计算出第一列车与第二列车之间的相对位置和相对行驶方向，操作简便，可以提升列车行驶的安全性。
118.在本技术实施例中，通过获取的第一列车前方的场景图像，可以从场景点云数据中识别出第二列车的列车点云数据，进而，基于列车点云数据，可以确定第二列车的列车轮廓，并基于列车轮廓，可以计算第一列车与第二列车之间的相对位置和相对行驶方向。这样，通过将第一列车前方的场景图像和场景点云数据的结合使用，可以准确地计算出第一列车与第二列车之间的相对位置和相对行驶方向，操作简便，可以提升列车行驶的安全性。
119.基于同一申请构思，本技术实施例中还提供了与上述实施例提供的列车检测方法对应的列车检测装置，由于本技术实施例中的装置解决问题的原理与本技术上述实施例的列车检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
120.图2示出了本技术实施例所提供的一种列车检测装置200的功能模块图；图3示出了本技术实施例所提供的识别模块220的结构示意图。
121.如图2所示，所述列车检测装置200包括：
122.获取模块210，用于获取第一列车前方的场景图像和场景点云数据；
123.识别模块220，用于基于所述场景图像，从所述场景点云数据中识别出第二列车的列车点云数据；其中，所述第二列车位于所述第一列车的前方；
124.确定模块230，用于基于所述列车点云数据，确定所述第二列车的列车轮廓；
125.计算模块240，用于基于所述列车轮廓，计算所述第一列车与所述第二列车之间的相对位置和相对行驶方向。
126.在一种可能的实施方式中，如图3所示，所述识别模块220包括：
127.确定单元221，用于从所述场景图像中识别出所述第二列车对应的区域图像，并基于所述区域图像，从所述场景点云数据中确定出带有所述第二列车的区域点云数据；
128.识别单元222，用于从所述区域点云数据中，识别出所述第二列车的列车点云数据。
129.在一种可能的实施方式中，如图3所示，所述确定单元221，用于根据以下不准从所
述场景点云数据中确定出区域点云数据：
130.将所述场景点云数据投射至所述场景图像上，从所述场景点云数据中，获取投射在所述区域图像上的所述区域点云数据。
131.在一种可能的实施方式中，如图3所示，所述识别单元222，用于根据以下步骤识别出所述列车点云数据：
132.根据列车特征信息，对所述区域点云数据进行聚类，得到多个聚集点云数据；
133.从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
134.在一种可能的实施方式中，如图3所示，所述识别模块220还包括：
135.处理单元223，用于对所述区域点云数据进行栅格化处理，得到栅格化的区域点云数据。
136.在一种可能的实施方式中，如图3所示，所述处理单元223，用于根据以下不准筛选出所述列车点云数据：
137.从所述多个聚集点云数据中，确定每段列车对应的第一区域的点云数据，以及每个非列车对应的第二区域的点云数据；
138.根据所述第一区域与所述第二区域之间的位置关系，从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
139.在一种可能的实施方式中，如图2所示，所述计算模块240，用于根据以下步骤计算所述第一列车与所述第二列车之间的相对位置：
140.从所述列车轮廓中，提取出车头轮廓点；
141.基于所述车头轮廓点，计算所述第二列车与所述第一列车之间的目标距离；
142.根据所述目标距离，确定所述第一列车与所述第二列车之间的相对位置。
143.在一种可能的实施方式中，如图2所示，所述计算模块240，用于根据以下步骤计算所述第一列车与所述第二列车之间相对行驶方向：
144.从所述列车轮廓中，提取出车头轮廓点和至少两个车厢轮廓点；
145.将所述车头轮廓点和所述至少两个车厢轮廓点拟合成目标曲线；
146.根据所述目标曲线，确定所述第一列车与所述第二列车之间的相对行驶方向。
147.在本技术实施方式中，通过获取的第一列车前方的场景图像，可以从场景点云数据中识别出第二列车的列车点云数据，进而，基于列车点云数据，可以确定第二列车的列车轮廓，并基于列车轮廓，可以计算第一列车与第二列车之间的相对位置和相对行驶方向。这样，通过将第一列车前方的场景图像和场景点云数据的结合使用，可以准确地计算出第一列车与第二列车之间的相对位置和相对行驶方向，操作简便，可以提升列车行驶的安全性。
148.基于同一申请构思，参见图4所示，为本技术实施例提供的一种电子设备400的结构示意图，包括：处理器410、存储器420和总线430，所述存储器420存储有所述处理器410可执行的机器可读指令，当电子设备400运行时，所述处理器410与所述存储器420之间通过所述总线430进行通信，所述机器可读指令被所述处理器410运行时执行如上述实施例中任一所述的列车检测方法的步骤。
149.具体地，所述机器可读指令被所述处理器410执行时可以执行如下处理：
150.获取第一列车前方的场景图像和场景点云数据；
151.基于所述场景图像，从所述场景点云数据中识别出第二列车的列车点云数据；其
中，所述第二列车位于所述第一列车的前方；
152.基于所述列车点云数据，确定所述第二列车的列车轮廓；
153.基于所述列车轮廓，计算所述第一列车与所述第二列车之间的相对位置和相对行驶方向。
154.可选地，所述机器可读指令被所述处理器410执行时可以执行如下处理：
155.从所述场景图像中识别出所述第二列车对应的区域图像，并基于所述区域图像，从所述场景点云数据中确定出带有所述第二列车的区域点云数据；
156.从所述区域点云数据中，识别出所述第二列车的列车点云数据。
157.可选地，所述机器可读指令被所述处理器410执行时可以执行如下处理：
158.将所述场景点云数据投射至所述场景图像上，从所述场景点云数据中，获取投射在所述区域图像上的所述区域点云数据。
159.可选地，所述机器可读指令被所述处理器410执行时可以执行如下处理：
160.根据列车特征信息，对所述区域点云数据进行聚类，得到多个聚集点云数据；
161.从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
162.可选地，所述机器可读指令被所述处理器410执行时可以执行如下处理：
163.对所述区域点云数据进行栅格化处理，得到栅格化的区域点云数据。
164.可选地，所述机器可读指令被所述处理器410执行时可以执行如下处理：
165.从所述多个聚集点云数据中，确定每段列车对应的第一区域的点云数据，以及每个非列车对应的第二区域的点云数据；
166.根据所述第一区域与所述第二区域之间的位置关系，从所述多个聚集点云数据中，筛选出所述第二列车的所述列车点云数据。
167.可选地，所述机器可读指令被所述处理器410执行时可以执行如下处理：
168.从所述列车轮廓中，提取出车头轮廓点；
169.基于所述车头轮廓点，计算所述第二列车与所述第一列车之间的目标距离；
170.根据所述目标距离，确定所述第一列车与所述第二列车之间的相对位置。
171.可选地，所述机器可读指令被所述处理器410执行时可以执行如下处理：
172.从所述列车轮廓中，提取出车头轮廓点和至少两个车厢轮廓点；
173.将所述车头轮廓点和所述至少两个车厢轮廓点拟合成目标曲线；
174.根据所述目标曲线，确定所述第一列车与所述第二列车之间的相对行驶方向。
175.在本技术实施例中，通过获取的第一列车前方的场景图像，可以从场景点云数据中识别出第二列车的列车点云数据，进而，基于列车点云数据，可以确定第二列车的列车轮廓，并基于列车轮廓，可以计算第一列车与第二列车之间的相对位置和相对行驶方向。这样，通过将第一列车前方的场景图像和场景点云数据的结合使用，可以准确地计算出第一列车与第二列车之间的相对位置和相对行驶方向，操作简便，可以提升列车行驶的安全性。
176.基于同一申请构思，本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例提供的列车检测方法的步骤。
177.具体地，所述存储介质能够为通用的存储介质，如移动磁盘、硬盘等，所述存储介质上的计算机程序被运行时，能够执行上述列车检测方法，通过将第一列车前方的场景图
像和场景点云数据的结合使用，可以准确地计算出第一列车与第二列车之间的相对位置和相对行驶方向，操作简便，可以提升列车行驶的安全性。
178.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本技术所提供的几个实施例中，应所述理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
179.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
180.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
181.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
182.以上仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。