一、概述

背景

地铁作为城市公共交通的主动脉，是千万市民日常出行的首选方式，具有大运量、高准时、高行车密度、低能耗、少污染的独特优势，在早晚高峰时段可承担超 70% 的跨区通勤流量，其高效运转直接关系到城市功能的正常发挥。相较于地面交通，地铁不受拥堵干扰，能实现精准到分钟的到站预测，这种便捷性使其成为现代都市不可或缺的交通支柱，保障其安全运营是维护公共安全与社会秩序的重要环节。

然而，地铁车辆（包括运营列车与工程车）在行驶和作业过程中，轨道区域可能出现松脱的螺栓、掉落的碎石、金属碎屑、甚至工人施工后遗失的扳手工具等异物。这些异物若未被及时发现，对运营列车而言，可能导致轮对损伤、卡轨甚至脱轨，不仅危及数千名乘客的生命安全，还会引发大面积线路停运，造成严重的社会影响；对工程车而言，会影响维护作业精度，引发设备故障或施工事故，间接威胁后续运营安全。

传统人工巡检方式存在效率低、实时性差等问题，难以满足各类地铁车辆动态运行中的异物监测需求。

近年来，随着传感器技术、图像处理技术以及人工智能技术的快速发展，为地铁车辆前方轨道异物检测告警系统的研发提供了有力支持。通过这些技术的应用，我们可以快速实现对轨道上异物的实时检测和精准识别。例如，利用高分辨率低照度的摄像头、激光雷达传感器，我们可以快速捕捉到轨道上的微小变化；借助深度学习技术，我们可以训练出能够适应复杂环境、识别各种异物的智能模型，从而提高系统的准确性和可靠性。

甚至在通过对大量数据的分析和算法训练，不断优化系统的性能和可用性。地铁车辆前方轨道异物检测告警系统，在投入使用后可以及时发现影响行车的轨道异物，提高行车安全性、提高运输效率等环节为铁路交通的安全发展提供有力保障。

及组成

系统根据功能整体包括异物信息采集模组和异物检测识别主机两大部分组成。

异物信息采集模组主要有低照度宽动态摄像机及其补光模块和激光雷达，低照度宽动态摄像机及其补光模块集成封装，激光雷达独立封装，二者集成在一个安装座中。低照度宽动态摄像机可以适应地铁运行线路复杂的光照环境，实现了在列车前方检测范围内图像采集的有效覆盖；图像级超高分辨率激光雷达负责采集检测范围内的高清点云数据，将上述数据传输给车载异物检测识别主机进行融合，分析，处理。 

    车载异物检测识别主机主要采用M12以太网接口并带算力识别模组的嵌入式工控机等。

车载异物检测主机负责视频数据和雷达点云数据的接收、融合处理、异物识别、威胁评估、预警与决策等。

三、系统原理

3.1视频检测原理

系统通过低照度宽动态摄像机采集车辆轨行区的视频影像，通过深度学习的人工智能算法自动分析， 自动甄别异物入侵限界的异常事件，并及时发出告警。为了应对隧道内光照复杂，以及隧道外高架等多变环境带来的照度变化范围大等挑战，系统采用低照度宽动态图像传感器、补光、滤镜等组合措施，确保视频采集质量，为异物辨识提供良好的基础数据。在结构方面，采用高强度不锈钢支架，结合缓冲减震措施，为图像传感器 和镜头提供良好的支撑。摄像机采用全金属外壳，具有良好的电磁兼容性能和散热能力，能够在列车复杂的电磁环境下，长时间持续可靠工作。

在具体算法实现过程中，首先对图像进行预处理，降低背景噪声干扰，包括灰度化、滤波降噪等，并通过边缘检测确定检测敏感窗口即轨行区。通过当前帧与背景帧的差分算法，对图像进行二值化处理并进行人工各种深度学习，提取异物的形态特征，进一步计算异物的大小和距离，视情发出预警。一旦发现报警帧，则将相关视频影像进行存储备查。

3.2 激光检测原理

为了提高异物检测的准确性，实现更高的功能安全完整性等级，系统还配备了高分辨率激光雷达。激光雷达 LiDAR 的全称为 Light Detection and Ranging 即激光探测和测距。

激光雷达采用 1550nm 激光光源（人眼安全等级 Class 1）的红外光束发射、反射和接收来探测物体。能探测的对象：白天或黑夜下的特定物体与车之间的距离。甚至由于反射度的不同，轨道与轨枕面也是可以区分开来的。本项目采用车规级激光雷达，有较高的可靠性，可满足轨道交通要求。

3.3 视觉激光融合原理

为了提高异物检测的准确性和可靠性，将激光和视觉进行融合。激光雷达是有 3D 信息的，可以通过标定的方式，把激光雷达投到图像的坐标系，建立图像的像素点，和激光雷达投影后的点之间的匹配，然后通过某种补偿和同步方程，来解决匹配问题。

标定时，因为激光雷达有距离信息，只需要找相邻2个激光点之间的距离差，就可以判断这样一个点是不是边界点，选出这样的候选点，通过这样的投影方式，求出需要的标定参数。我们可以根据3D投影点和2D检测的边界，进行匹配。根据已知的传感器内参，车的位置高度，这时在2D上识别出的每个帧的异物，都可以还原成3D在照相机坐标系下的一条射线，然后找这条射线在3D 坐标系下和平面的交点，就可以估计出2D异物在3D上的距离。将异物大小和距离匹配，使检测结果更加准确。

车辆在走行过程中，通过视频和激光雷达综合采集获取前方轨行区影像，自动分析是否存在异物。若异物高度和尺寸超限，则自动触发告警信号。采集的视频数据被同步存储并保存较长时间，以供事后分析。

3.4 异物检测算法原理

采用深度学习、机器学习等算法模型对融合后的数据进行处理和分析，实现异物的自动检测和识别，准确判断异物类型、位置和大小。

3.5决策与告警

根据异物检测结果，结合列车当前运行状态和安全要求，给出预警提示，由司机对列车进行减速、制动或避障等操作，确保列车安全高效地运行。

采用低照度宽动态摄像头和高分辨率激光雷达传感器融合，可以快速捕捉到轨道上的微小变化；借助深度学习技术，我们可以训练出能够适应复杂环境、识别各种异物的智能模型，从而提高系统的准确性和可靠性。

甚至在通过对大量数据的分析和算法训练，不断优化系统的性能和可用性。地铁车辆前方轨道异物检测告警系统，在投入使用后可以及时发现影响行车的轨道异物，提高行车安全性、提高运输效率等环节为铁路交通的安全发展提供有力保障。