文档名：基于SDASSD的轨道交通异物检测
摘要：随着城市轨道交通规模的日益扩大,异物侵限已成为城市轨道交通安全的重大隐患,基于人工智能方法开展城市轨道交通异物检测成为研究热点.相对于传统视觉相机,激光雷达具有光照不敏感、测距精度高、可远距离探测等优点,更适用于城市轨道交通场景下的安全监控和检测.面对海量的稀疏点云数据,现有基于激光雷达的目标检测方法会因三维结构信息损失产生漏检、误检问题.针对以上不足,提出一种基于结构密度感知的单阶段目标检测方法(StructureDensityAwareSingle-StageObjectDetector,SDA-SSD).设计体素特征聚合模块提取三维结构信息,通过三重特征融合模块将点云特征和三维结构信息融合,改善因提取高层语义而导致空间特征质量下降的问题,提升目标的检测能力.设计体素密度值用于度量样本的稀疏程度,基于体素密度值校正分类置信度,改善目标定位和分类精度不一致的问题.实验结果表明:所提算法在KITTI数据集汽车类别的平均检测精度为88.21%,检测速度为21FPS,相较于基准网络SECOND,平均检测精度提高了2.36个百分点,检测速度提高了13%,具有较高的识别率和实时性.在城市轨道交通实际场景对所提算法进行了验证,算法在复杂场景下具有良好的检测效果,能准确识别到列车前方目标障碍物,具备较高的有效性和可行性.研究成果为城市轨道交通安全营运和人民生命财产安全提供了保障.
Abstract：Withtheincreasingscaleofurbanrailtransportation,foreignobjectencroachmenthasbecomeamajorpotentialhazardsfortransitsafety,andtheforeignobjectsdetectionbasedonartificialintelligencemethodshasbecomearesearchhotspot.ComparedwithtraditionalvisioncameraandLiDARmethods,thosemethodsbasedonartificialintelligencehavetheadvantagesoflightinsensitivity,highrangingaccuracy,andlong-distancedetection,whicharemoresuitableforsafetymonitoringanddetectioninrailtransportationscenarios.Infaceofmassivepointclouddata,theexistingLiDAR-basedtargetdetectionmethodsmayleadtoleakageandfalsedetectionresultsduetothelossof3Dstructureinformation.Toaddresstheaboveproblem,asingle-stagetargetdetectionmethodSDA-SSD(StructureDensityAwareSingle-StageObjectDetector)basedonstructuredensityawarenesswasproposed.Thevoxelfeatureaggregationmodulewasdesignedtoextract3Dstructureinformation,andthetriplefeaturefusionmodulewasdesignedtofusepointcloudfeaturesand3Dstructureinformationtopreventthespatialfeaturequalitydegradationcausedbytheextractionofhigh-levelsemanticsandenhancethedetectionperformance.Thevoxeldensityvaluewasintroducedtomeasurethesparsityofsamples,andtheclassificationconfidencewascorrectedbasedonthevoxeldensityvaluetoimprovetheperformanceofinconsistenttargetlocalizationandclassification.Theexperimentalresultsshowthattheproposedmethodachieves88.21%averageaccuracyand21FPSdetectionspeedinthecarcategoryofKITTIdataset,whichcanimprovetheaveragedetectionaccuracyby2.36percentagepointsanddetectionspeedby13%comparedwiththebenchmarknetworkSECOND.Moreover,theproposedmethodwasverifiedagainstthedatasetinwhichdataiscollectedintheactualscenarioofurbanrailtransit.Thetargetobstaclesinfrontofthetraincanbedetectedsuccessfully.Finally,theproposedmethodhassatisfactorydetectionperformanceinthecomplexscenariosandcanimprovethesafetyoftherailtransiteffectively.
作者：蒋伟 梁奕 肖睿 徐秋然 王志伟 曲伟强 Author：JIANGWei LIANGYi XIAORui XUQiuran WANGZhiwei QUWeiqiang
作者单位：上海电力大学电子与信息工程学院,上海200090上海锐明轨交设备有限公司,上海200000
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2024, 21(4)
分类号：U121
关键词：智能交通 激光雷达 三维目标检测 深度学习 稀疏卷积
Keywords：intelligenttransportation LiDAR 3Dobjectdetection deeplearning sparseconvolution
机标分类号：U239.5TP391.41U491
在线出版日期：2024年5月17日
基金项目：国家自然科学基金基于SDA-SSD的轨道交通异物检测[
期刊论文] 铁道科学与工程学报--2024, 21(4)蒋伟 梁奕 肖睿 徐秋然 王志伟 曲伟强随着城市轨道交通规模的日益扩大,异物侵限已成为城市轨道交通安全的重大隐患,基于人工智能方法开展城市轨道交通异物检测成为研究热点.相对于传统视觉相机,激光雷达具有光照不敏感、测距精度高、可远距离探测等优点,更适...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于SDA-SSD的轨道交通异物检测 Rail foreign object detection based on SDA-SSD
基于SDA-SSD的轨道交通异物检测.pdf
- 文件大小:
- 4.28 MB
- 下载次数:
- 60
-
高速下载
|
|
