基于优化DeepLabv3+的智能化高速铁路安全区域划分算法研究

作     者：王勇达 王硕禾 朱钰 常宇健 蔡承才 赵瑞康 WANG Yongda;WANG Shuohe;ZHU Yu;CHANG Yujian;CAI Chengcai;ZHAO Ruikang

作者机构：石家庄铁道大学、河北省交通电力网智能融合技术与装备协同创新中心石家庄050043 石家庄铁道大学电气与电子工程学院石家庄050043 中国铁路北京局集团有限公司石家庄供电段石家庄050041 

出 版 物：《南京信息工程大学学报（自然科学版）》 (Journal of Nanjing University of Information Science & Technology（Natural Science Edition）)

年 卷 期：2024年第16卷第1期

页      面：20-29页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(12072205) 河北省自然科学基金(A2022210024) 中国铁路北京局集团有限公司科技研究开发计划(2020AGD02) 石家庄铁道大学研究生创新资助项目(YC2023027) 

主　　题：无人机 地面采样间距 DeepLabv3+ ECA-Net 安全区域 

摘      要：针对目前电气化铁路沿线复杂背景下铁路安全区域划分均需采用实际固定标准件为参照物且区域划分范围小等问题,提出一种无需参照物的高速铁路安全区域划分算法.首先基于无人机所采集图像中的相关参数计算出相应的GSD(地面采样间距)参数,然后利用加入ECA-Net模块的DeepLabv3+模型对图像中的轨道进行精确分割.通过边缘检测、开运算、概率霍夫变换等一系列图像处理操作,提取出构成轨道的关键像素点,并运用最小二乘法进行轨道拟合,得出轨道数学表达式.最后,结合数学算法和GSD参数以及轨道数学表达式,完成安全区域的划分.实验结果表明,所提算法测量精度高达90%以上,无需选取固定参照物,适应性强、鲁棒性高,具有较高的实用性和可靠性.