本發(fā)明涉及列車輔助駕駛控制，具體為一種基于四目視覺的列車輔助駕駛控制方法及系統(tǒng)。

背景技術(shù)：

1、現(xiàn)有列車輔助駕駛系統(tǒng)中的感知方案多依賴于單一傳感器系統(tǒng)。此類系統(tǒng)通常采用分階段串行的處理流程，依次進行軌道檢測、標識牌識別、障礙物檢測等任務(wù)。這種串行處理方式導(dǎo)致不同感知模塊的輸出在時間上存在滯后與錯位，感知結(jié)果呈現(xiàn)碎片化特征。碎片化的感知信息難以直接用于構(gòu)建對前方軌道區(qū)域統(tǒng)一、連貫的環(huán)境理解模型，制約了系統(tǒng)對復(fù)雜場景的實時響應(yīng)能力。

2、傳統(tǒng)的障礙物防撞預(yù)警依賴于在圖像或空間中對固定安全區(qū)域的劃分，通過判斷目標是否侵入該預(yù)設(shè)區(qū)域來觸發(fā)警報。這種方法對障礙物的空間位置判斷是離散和剛性的，缺乏對目標與軌道線路之間連續(xù)、精確的空間關(guān)系量化分析。它無法有效表征目標在接近軌道過程中威脅程度的連續(xù)變化，也難以預(yù)測目標未來可能的運動軌跡與列車路徑的交匯概率。這種預(yù)警機制在應(yīng)對近距離切入、軌道旁動態(tài)目標等場景時，其預(yù)警的準確性與前瞻性存在局限。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于四目視覺的列車輔助駕駛控制方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供一種基于四目視覺的列車輔助駕駛控制方法，所述方法包括：

3、獲取列車運行前方軌道區(qū)域的多視角同步成像序列，所述多視角同步成像序列由前向安裝的四目相機陣列同步采集；

4、對所述多視角同步成像序列進行多尺度特征同步提取處理，生成包含軌道邊緣幾何線、軌道標識語義信息、動態(tài)侵入目標外形輪廓及靜態(tài)障礙物三維形態(tài)的初始感知數(shù)據(jù)塊；

5、對所述初始感知數(shù)據(jù)塊執(zhí)行跨模態(tài)數(shù)據(jù)融合映射，依據(jù)所述軌道邊緣幾何線構(gòu)建虛擬軌道基準面，依據(jù)所述動態(tài)侵入目標外形輪廓與所述虛擬軌道基準面的空間位置關(guān)系，生成目標潛在碰撞威脅的時空概率分布圖；

6、依據(jù)所述目標潛在碰撞威脅的時空概率分布圖，結(jié)合所述軌道標識語義信息所指示的限速約束，進行控制決策的推演求解，輸出初步的控制動作序列，所述初步的控制動作序列包含速度干預(yù)指令、制動強度指令及橫向微調(diào)指令；

7、接收所述列車網(wǎng)絡(luò)控制系統(tǒng)下發(fā)的當(dāng)前牽引制動狀態(tài)信號及負載分布信號，基于所述負載分布信號對所述橫向微調(diào)指令進行適應(yīng)性調(diào)整，基于所述當(dāng)前牽引制動狀態(tài)信號對所述制動強度指令的啟停時機進行協(xié)同規(guī)劃，生成可執(zhí)行的閉環(huán)控制指令集合。

8、優(yōu)選的，所述對所述多視角同步成像序列進行多尺度特征同步提取處理，生成包含軌道邊緣幾何線、軌道標識語義信息、動態(tài)侵入目標外形輪廓及靜態(tài)障礙物三維形態(tài)的初始感知數(shù)據(jù)塊，包括：

9、從所述多視角同步成像序列中截取同一時間戳下的四幀原始圖像，構(gòu)成同步圖像組；

10、對所述同步圖像組執(zhí)行雙目立體匹配與多目視差計算，建立稠密視差圖，依據(jù)所述稠密視差圖反投影計算生成場景的初步三維點云；

11、在所述同步圖像組的每一幀圖像上并行運行卷積神經(jīng)網(wǎng)絡(luò)，分別提取圖像深層特征，將提取的多個圖像深層特征進行通道級聯(lián)與注意力加權(quán)融合，生成融合后的全尺度圖像特征圖；

12、在所述融合后的全尺度圖像特征圖上運行目標檢測與語義分割模型，識別并分割出屬于軌道類的像素區(qū)域、屬于各類標識牌的像素區(qū)域、屬于移動物體的像素區(qū)域以及屬于靜止障礙物的像素區(qū)域；

13、將屬于軌道類的像素區(qū)域在所述初步三維點云中進行投影與擬合，得到所述軌道邊緣幾何線；對屬于各類標識牌的像素區(qū)域進行文字與符號識別，解析得到所述軌道標識語義信息；對屬于移動物體的像素區(qū)域進行運動關(guān)聯(lián)與輪廓提取，得到所述動態(tài)侵入目標外形輪廓；對屬于靜止障礙物的像素區(qū)域進行三維點云聚類與表面重建，得到所述靜態(tài)障礙物三維形態(tài)。

14、優(yōu)選的，所述對所述初始感知數(shù)據(jù)塊執(zhí)行跨模態(tài)數(shù)據(jù)融合映射，依據(jù)所述軌道邊緣幾何線構(gòu)建虛擬軌道基準面，依據(jù)所述動態(tài)侵入目標外形輪廓與所述虛擬軌道基準面的空間位置關(guān)系，生成目標潛在碰撞威脅的時空概率分布圖，包括：

15、以所述軌道邊緣幾何線為邊界約束，采用最小二乘法擬合生成連續(xù)平滑的曲面，將所述曲面定義為所述虛擬軌道基準面；

16、將所述動態(tài)侵入目標外形輪廓映射至所述虛擬軌道基準面所在的坐標系中，計算每個動態(tài)侵入目標的外接立方體包圍盒；

17、預(yù)測每個所述外接立方體包圍盒在未來多個時間點的運動軌跡，所述運動軌跡的預(yù)測基于卡爾曼濾波與勻速運動模型相結(jié)合的方式實現(xiàn)；

18、計算列車按當(dāng)前運行狀態(tài)行駛的未來軌跡，將列車的未來軌跡與所有動態(tài)侵入目標的運動軌跡在時空維度上進行交集運算，計算發(fā)生空間重疊的時間窗口與位置區(qū)域；

19、依據(jù)發(fā)生空間重疊的時間緊迫性與重疊區(qū)域的面積大小，為每個潛在的碰撞事件分配一個威脅概率值，將所有威脅概率值標注在由時間軸和軌道縱向距離軸構(gòu)成的二維平面上，形成所述目標潛在碰撞威脅的時空概率分布圖。

20、優(yōu)選的，所述依據(jù)所述目標潛在碰撞威脅的時空概率分布圖，結(jié)合所述軌道標識語義信息所指示的限速約束，進行控制決策的推演求解，輸出初步的控制動作序列，包括：

21、從所述目標潛在碰撞威脅的時空概率分布圖中提取威脅概率值超過預(yù)設(shè)閾值的所有潛在碰撞事件，構(gòu)成高風(fēng)險事件集合；

22、針對所述高風(fēng)險事件集合中的每一個事件，以列車當(dāng)前位置為起點，以安全通過所述潛在碰撞事件對應(yīng)位置區(qū)域為終點，在速度-時間二維平面上規(guī)劃多條備選的速度曲線，每條備選的速度曲線必須滿足所述軌道標識語義信息中所有限速標志的約束；

23、為每一條備選的速度曲線計算一個綜合代價，所述綜合代價由能耗代價、舒適度代價以及與預(yù)設(shè)運行圖的時間偏差代價加權(quán)求和得到；

24、從所有備選的速度曲線中選取綜合代價最小的曲線作為最優(yōu)速度曲線，依據(jù)所述最優(yōu)速度曲線在每一時刻的加速度需求，推導(dǎo)出所需的牽引力或制動力大小，從而生成所述速度干預(yù)指令與所述制動強度指令；

25、同時，依據(jù)所述靜態(tài)障礙物三維形態(tài)與軌道中心線的橫向偏移量，生成用于小幅避開障礙物的所述橫向微調(diào)指令，所述橫向微調(diào)指令包含轉(zhuǎn)向角度與持續(xù)時間。

26、優(yōu)選的，所述接收所述列車網(wǎng)絡(luò)控制系統(tǒng)下發(fā)的當(dāng)前牽引制動狀態(tài)信號及負載分布信號，基于所述負載分布信號對所述橫向微調(diào)指令進行適應(yīng)性調(diào)整，基于所述當(dāng)前牽引制動狀態(tài)信號對所述制動強度指令的啟停時機進行協(xié)同規(guī)劃，生成可執(zhí)行的閉環(huán)控制指令集合，包括：

27、解析所述負載分布信號，獲取列車各車廂的實時載重數(shù)據(jù)，計算列車的整體重心位置與各轉(zhuǎn)向架的軸重分配比例；

28、根據(jù)所述整體重心位置，調(diào)整所述橫向微調(diào)指令中的轉(zhuǎn)向角度增益，重心靠前時減小增益，重心靠后時增大增益；根據(jù)所述軸重分配比例，調(diào)整橫向控制力在各轉(zhuǎn)向架上的分配權(quán)重；

29、解析所述當(dāng)前牽引制動狀態(tài)信號，判斷列車當(dāng)前處于牽引工況、惰行工況還是制動工況；

30、若列車當(dāng)前處于牽引工況，則將所述制動強度指令的啟動時機適當(dāng)提前，并設(shè)置一個制動力平緩增加的斜坡，以避免與牽引力產(chǎn)生沖突；若列車當(dāng)前已處于制動工況，則將新生成的制動強度指令與既有制動力進行平滑疊加，確保總制動力變化率不超過限值；

31、整合經(jīng)過適應(yīng)性調(diào)整的橫向微調(diào)指令、經(jīng)過協(xié)同規(guī)劃啟停時機的制動強度指令以及原有的速度干預(yù)指令，打包生成所述可執(zhí)行的閉環(huán)控制指令集合，所述閉環(huán)控制指令集合中的每一條指令均附帶有精確的執(zhí)行時間戳。

32、優(yōu)選的，所述根據(jù)所述整體重心位置，調(diào)整所述橫向微調(diào)指令中的轉(zhuǎn)向角度增益，包括：

33、建立列車動力學(xué)簡化模型，所述列車動力學(xué)簡化模型包含車身質(zhì)量、重心縱向位置、轉(zhuǎn)向架軸距與輪軌間等效側(cè)向剛度參數(shù)；

34、將所述整體重心位置輸入所述列車動力學(xué)簡化模型，計算列車在施加相同單位橫向力時，車體產(chǎn)生的橫向加速度響應(yīng)與搖頭角速度響應(yīng)；

35、依據(jù)所述橫向加速度響應(yīng)與搖頭角速度響應(yīng)的比值，定義一個轉(zhuǎn)向靈敏度系數(shù)；

36、將所述橫向微調(diào)指令中原始的轉(zhuǎn)向角度命令，乘以所述轉(zhuǎn)向靈敏度系數(shù)，得到調(diào)整后的實際轉(zhuǎn)向角度命令；

37、將所述實際轉(zhuǎn)向角度命令與列車當(dāng)前速度相乘，換算為轉(zhuǎn)向架的目標轉(zhuǎn)角速率，用于底層執(zhí)行器控制。

38、優(yōu)選的，所述方法還包括對所述靜態(tài)障礙物三維形態(tài)進行可通行性精細評估的步驟，包括：

39、對所述靜態(tài)障礙物三維形態(tài)進行網(wǎng)格化細分處理，生成表面三角網(wǎng)格模型；

40、計算所述表面三角網(wǎng)格模型中每個三角面片相對于軌平面的高度與傾斜角；

41、篩選出高度低于列車底盤最低通過高度且傾斜角小于最大爬坡角度的三角面片，將這些三角面片標記為“可壓覆區(qū)域”；

42、篩選出高度高于列車底盤最低通過高度但低于列車受電弓安全高度的三角面片，結(jié)合所述靜態(tài)障礙物三維形態(tài)在軌道方向上的厚度，計算列車以不同速度通過時車體與障礙物的最小橫向安全間隙；

43、若所述最小橫向安全間隙大于安全冗余閾值，則將所述靜態(tài)障礙物標記為“可繞行障礙物”，并記錄其最優(yōu)通過路徑；否則標記為“不可通行障礙物”，并觸發(fā)緊急停車預(yù)案。

44、優(yōu)選的，所述計算列車以不同速度通過時車體與障礙物的最小橫向安全間隙，包括：

45、建立包含列車外形輪廓的三維包絡(luò)線模型，所述三維包絡(luò)線模型考慮了車體在曲線軌道上的橫向偏移量、車體搖頭偏轉(zhuǎn)角以及轉(zhuǎn)向架與車體之間的橫向游間；

46、針對每一個被評估為“可繞行障礙物”的靜態(tài)障礙物，在所述虛擬軌道基準面上，以障礙物中心為原點，建立局部坐標系；

47、在所述局部坐標系中，讓所述列車外形輪廓的三維包絡(luò)線模型沿預(yù)定的通過路徑移動，同時讓所述靜態(tài)障礙物三維形態(tài)保持靜止；

48、離散化計算列車移動過程中的每一個位置，實時計算車體包絡(luò)線與障礙物表面三角網(wǎng)格之間的最短空間距離，所述最短空間距離即為列車移動過程中對應(yīng)位置下的瞬時橫向安全間隙；

49、遍歷整條通過路徑，找到所有瞬時橫向安全間隙中的最小值，將其定義為被評估靜態(tài)障礙物在當(dāng)前通過路徑下的所述最小橫向安全間隙；

50、變換不同的通過路徑與通過速度，重復(fù)上述計算過程，得到一系列最小橫向安全間隙，從中選擇最大值對應(yīng)的通過路徑作為最優(yōu)通過路徑。

51、優(yōu)選的，所述方法還包括基于歷史數(shù)據(jù)的控制指令自優(yōu)化步驟，包括：

52、持續(xù)記錄所述可執(zhí)行的閉環(huán)控制指令集合的實際下發(fā)值，同時通過列車總線網(wǎng)絡(luò)采集列車實際的運動響應(yīng)數(shù)據(jù)，所述運動響應(yīng)數(shù)據(jù)包括實際速度曲線、實際橫向位移曲線及實際加速度曲線；

53、在每一個控制周期結(jié)束后，將實際的速度曲線、橫向位移曲線與預(yù)測的期望曲線進行對比，計算速度跟蹤誤差與位移跟蹤誤差；

54、分析所述速度跟蹤誤差與位移跟蹤誤差隨時間的變化模式，識別出系統(tǒng)性的偏差特征，所述系統(tǒng)性的偏差特征包括恒定偏差、周期性波動或與軌道條件相關(guān)的特定偏差；

55、根據(jù)識別出的系統(tǒng)性偏差特征，反向調(diào)整生成所述初步的控制動作序列時所使用的決策模型參數(shù)或補償系數(shù)；

56、將調(diào)整后的決策模型參數(shù)或補償系數(shù)應(yīng)用于下一個運行區(qū)間或下一趟列車的輔助駕駛控制過程中，實現(xiàn)控制指令的迭代自優(yōu)化。

57、優(yōu)選的，所述處理器在執(zhí)行所述計算機程序時，實現(xiàn)如上述任意一項所述一種基于四目視覺的列車輔助駕駛控制方法的步驟。

58、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

59、對由四目相機陣列同步采集的多視角成像序列進行多尺度特征同步提取處理，直接在同一個處理流程中并發(fā)完成軌道幾何、標識語義、動態(tài)目標輪廓及靜態(tài)障礙物三維形態(tài)的特征提取，并生成統(tǒng)一的初始感知數(shù)據(jù)塊。摒棄了傳統(tǒng)串行處理模式，減少了因模塊依次執(zhí)行帶來的累積時間延遲，提升了整個感知前端的處理效率。所生成的統(tǒng)一數(shù)據(jù)塊保證了不同屬性特征間具有高度的時間同步性，為后續(xù)進行跨模態(tài)的精確數(shù)據(jù)融合提供了時序?qū)R良好的基礎(chǔ)數(shù)據(jù)，使得系統(tǒng)能夠快速構(gòu)建出包含多維信息的當(dāng)前環(huán)境快照。

60、依據(jù)同步提取的軌道邊緣幾何線構(gòu)建虛擬軌道基準面，并將動態(tài)侵入目標的外形輪廓與該基準面進行空間位置關(guān)系分析，進而生成目標潛在碰撞威脅的時空概率分布圖。將障礙物檢測從簡單的區(qū)域侵入二元判斷，升級為基于目標與軌道空間關(guān)系的連續(xù)概率化風(fēng)險評估。時空概率分布圖能夠量化描述威脅隨時間和空間的變化梯度，從而實現(xiàn)對碰撞風(fēng)險更早、更精確的預(yù)測。這種連續(xù)的風(fēng)險場描述使得控制決策系統(tǒng)能夠基于風(fēng)險概率的演變趨勢，而非單一閾值觸發(fā)點，來規(guī)劃和輸出更為平順、前瞻的控制指令序列，特別是在應(yīng)對不確定運動目標時能減少誤報與漏報。