基于任意四边形拟合的轨道分割算法

作     者：郭浩 齐咏生 张嘉英 马然 刘利强 GUO Hao;QI Yongsheng;ZHANG Jiaying;MA Ran;LIU Liqiang

作者机构：内蒙古工业大学电力学院内蒙古呼和浩特010080 内蒙古工业大学大规模储能技术教育部工程研究中心内蒙古呼和浩特010080 内蒙古工业大学内蒙古自治区高等学校智慧能源技术与装备工程研究中心内蒙古呼和浩特010080 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2025年第47卷第1期

页      面：112-122页

核心收录：

学科分类：08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(62363029) 内蒙古自治区科技计划(2020GG0283,2021GG0256) 内蒙古自治区自然科学基金(2020MS05029,2021MS06018) 

主　　题：任意四边形检测 轨道分割 障碍物检测 深度神经网络 

摘      要：精准高效地完成轨道分割与障碍物检测对于智能行车具有重要意义。现有深度学习算法对轨道区域分割与障碍物识别区分不明确,复杂区域极易出现多轨融合、识别率低等情况。为此,提出一种基于任意四边形拟合的轨道分割框架,实现轨道分割任务;将其嵌入YOLOv5网络中,设计出一种全新的轨道交通双视觉任务网络(YOLOv5-DVT),该网络可根据轨道的不同特征,使用任意四边形切分轨道;经过多边形角点排序、自适应正样本匹配、相对重心位置编解码及顺序预测约束等环节完成对任意四边形轨道的预测,利用多边形寻迹拟合算法实现对轨道区域的恢复与分割;通过设计双任务结构,采用端到端的轨道分割与障碍物检测并行训练策略实现同步分割与障碍物识别,提升推理速度。采用自建数据集对该算法进行验证,试验结果表明:与经典分割算法相比,本文方法在复杂轨道的分割中更加清晰准确,其双任务精度分别达到95.10%、93.51%,推理速度达32 FPS,具备实际场景的应用价值。