买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华东交通大学申请的专利一种基于毫米波雷达传感器和相机传感器的铁路轨道异物检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120028786B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510120577.4，技术领域涉及：G01S13/86；该发明授权一种基于毫米波雷达传感器和相机传感器的铁路轨道异物检测方法是由易钰程;谢天龙;徐佳田;钟永鹏;邹弘林;南子阳设计研发完成，并于2025-01-25向国家知识产权局提交的专利申请。

本一种基于毫米波雷达传感器和相机传感器的铁路轨道异物检测方法在说明书摘要公布了：本发明属于铁路轨道异物检测技术领域，具体公开了一种基于毫米波雷达传感器和相机传感器的铁路轨道异物检测方法。包括如下步骤：毫米波雷达传感器探测获得点云，经预处理后得到大帧数据集；相机传感器拍摄获得图像数据，轻量化YOLOv5s算法处理得到ROIC；将大帧数据集和图像数据时间同步，再将大帧数据集投影到像素坐标系下生成ROIR，ROIR和ROIC形成融合检测框；采用交并比的决策级融合方式计算每个ROIR和与其对应的ROIC的重叠度得初步融合结果；EKF算法处理初步融合结果中不确定目标后输出融合结果；获得的确定目标体现检测到的障碍物。本发明采用毫米波雷达和相机信息融合技术，在检测精度和实时性上取得显著提升，提高铁路轨道交通安全性。

本发明授权一种基于毫米波雷达传感器和相机传感器的铁路轨道异物检测方法在权利要求书中公布了：1.一种基于毫米波雷达传感器和相机传感器的铁路轨道异物检测方法，包括以下步骤： S1、毫米波雷达传感器探测前方铁轨上障碍物，获得点云，经预处理后得到大帧数据集；所述预处理的具体过程如下： 针对毫米波雷达传感器探测获取的点云稀疏，对所获取的点云先进行多帧自主融合处理，经多帧自主融合处理后的数据再基于三维边界框的DBSCAN聚类算法处理，获得一个大帧数据集； 所述多帧自主融合处理的具体操作方式为： 读取获得的点云后，先叠加当前帧与前三帧的点云以提高密度，即所获得的点云以每4帧叠加为1个大帧，通过持续地叠加4帧点云，创建了一个大帧集； 所述DBSCAN聚类算法处理包括以下步骤：铁路轨道为底面的竖立空间作为待测区域，毫米波雷达扫描该待测区域获得点云，经过多帧自主融合处理后形成一个大帧集；所述大帧集中各大帧依次经过DBSCAN聚类算法处理后，毫米波雷达传感器探测获得的点云中属于障碍物真实反射点的点被筛选出形成大帧数据集； S2、相机传感器拍摄前方铁轨上障碍物，获得图像数据，采用轻量化YOLOv5s算法处理得到视觉感兴趣区域ROIC，该步骤具体如下： S2.1、改进YOLOv5s算法中focus层以及CSP模块，获得轻量化YOLOv5s算法； S2.2、将S2.1得到的轻量化YOLOv5s算法载入视觉AI板中，相机传感器拍摄前方铁轨上障碍物获得的图像数据经轻量化YOLOv5s算法处理，得到视觉感兴趣区域ROIC，ROIC的大小为SC，SC为相机拍摄的所述障碍物在像素坐标系下像素面积大小； S3、将S1得到的大帧数据集和S2中图像数据进行时间同步，再将S1得到的大帧数据集投影到像素坐标系下，在像素坐标系下生成雷达感兴趣区域ROIR后，雷达感兴趣区域ROIR和视觉感兴趣区域ROIC在像素坐标系下形成融合检测框；步骤S3的具体过程以下： S3.1、将S1得到的大帧数据集和S2中图像数据进行时间同步，即S1得到的大帧数据集与S2中图像数据进行时间配准，采用最小周期公倍数原则进行时间同步，具体过程为： S1中点云以每4帧叠加为一个大帧，即形成一个大帧的时间间隔为T，由时间同步，相机拍摄也需间隔T时间得到一张图像，因此，选择最小公倍数T时间作为时间同步的采样周期；根据下式3得到毫米波雷达采样的时间间隔： 其中，T为传感器的工作周期，f为采样频率； S3.2、将S1得到的大帧数据集投影到像素坐标系下，每个大帧数据中点云在像素坐标系下生成一个雷达感兴趣区域ROIR； S3.3：在像素坐标系下，得到了每个大帧数据对应的雷达感兴趣区域ROIR和与其时间同步的由相机采集的图像数据对应的视觉感兴趣区域ROIC，雷达感兴趣区域ROIR和视觉感兴趣区域ROIC并集的总像素面积大小即为融合检测框； S4、采用交并比的决策级融合方式，计算每个大帧数据对应的雷达感兴趣区域ROIR和与其时间同步的由相机采集的图像数据对应的视觉感兴趣区域ROIC的重叠度，得到初步融合结果，包括以下步骤： S4.1：计算时间同步的每个雷达感兴趣区域ROIR和每个视觉感兴趣区域ROIC的重叠度SIoU，计算方式如下： 其中，SR为雷达感兴趣区域ROIR在像素坐标系下的像素面积大小，SC为视觉感兴趣区域ROIC在像素坐标系下的像素面积大小； S4.2：设置检测阈值进行评价，评价方式如下： SIoU0.3时，视为毫米波雷达和相机分别探测到的障碍物不是同一障碍物并舍弃，即假目标； 0.3≤SIoU0.5时，视为毫米波雷达与相机分别探测到的障碍物可能是同一障碍物，即不确定目标； 0.5≤SIoU≤1时，视为毫米波雷达与相机分别探测到的障碍物是同一障碍物，即确定目标； 由此，通过判断重叠度SIoU，对探测到的反映障碍物的点云和图像数据进行初步融合处理，得到初步融合结果：假目标、确定目标、不确定目标； S5、采用扩展卡尔曼滤波算法对S4得到的初步融合结果中不确定目标所对应的重叠框进行动态追踪，输出融合结果；包括以下步骤： S5.1、S4中不确定目标所对应的重叠框状态向量定义为X＝u,v,vu,vvT，其中u、v、vu、vv分别表示不确定目标所对应重叠框在像素坐标系下的横坐标、纵坐标、横坐标轴速度、纵坐标轴速度，vu、vv即为重叠框中障碍物真实反射点云的速度； 采用扩展卡尔曼滤波算法，重叠框的状态方程和预测方程分别为： 其中，Xk、Xk-1分别代表不确定目标所对应的重叠框在k,k-1时刻的状态向量；Zk表示不确定目标所对应的重叠框在k时刻的观测向量；f·表示状态转移矩阵，h·表示观测函数；Vk、Wk表示高斯白噪声； S5.2、根据k-1时刻不确定目标的状态，预测k时刻不确定目标的状态方程为： 其中，Pk|k-1表示不确定目标所对应的重叠框在k时刻的状态预测向量和预测误差协方差矩阵，F为f·在Xk-1∣k-1处的雅克比矩阵，Pk-1|k-1是不确定目标所对应的重叠框在k-1时刻的预测误差协方差矩阵，Q是过程噪声的协方差矩阵； S5.3、由式9的状态方程推得不确定目标所对应的重叠框的状态更新方程为： 在式10中，是状态更新向量、Sk表示新息协方差、Kk表示增益矩阵、Pk|k-1是预测误差协方差矩阵、H是h·在处的雅克比矩阵，R是观测噪声的协方差矩阵； S5.4、由式10的状态更新方程推得不确定目标的最终状态方程为： 式11中，Xk∣k表示不确定目标在k时刻的状态估计向量，Pk∣k表示k时刻的误差协方差矩阵，Kk表示增益矩阵，是状态更新向量，Pk|k-1是预测误差协方差矩阵，I表示单位矩阵； S5.5、经过上述步骤迭代更新，所述迭代次数为10次，被追踪的不确定目标所对应的重叠框连续出现不低于3次，则该重叠框作为融合结果输出，表明该重叠框是识别到的同一障碍物，即不确定目标实为确定目标； S6、由S4.2得到的确定目标、由S4.2得到的不确定目标经S5处理得到的确定目标共同体现检测到的铁路轨道上障碍物。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。