基于扩展Haar特征和DBSCAN的钢轨识别算法

摘要：

障碍物对列车的正常运营构成了极大的安全隐患,钢轨识别是实现障碍物检测的关键步骤.钢轨识别算法需要能够快速有效地检测列车前方钢轨的位置,同时不能占用过多的计算资源,影响障碍物检测程序的运行速度.为解决上述问题,文中提出一种基于扩展Haar特征提取和DBSCAN密度聚类的钢轨识别算法.首先通过仿射变换、池化、灰度均衡化、边缘检测等算法对图像进行预处理,然后基于扩展Haar特征提取图像中钢轨的特征点,最后利用DBSCAN算法对特征点进行聚类,提取出有效的特征数据点进行曲线拟合,从而识别钢轨的位置.通过车载实验结果表明,该方法能够在列车运行过程中有效检测到钢轨的位置,满足多场景、多工况的实际使用需求.

关键词：钢轨识别、扩展haar特征、DBSCAN聚类、障碍物检测、轨道交通

所属期刊栏目：47

分类号：U298(铁路运输管理工程)

在线出版日期：2020-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：153-156