基于无人驾驶平台的主被动障碍物检测分析对比

张 帆，张从旺

(1.中车南京浦镇车辆有限公司 技术中心，江苏 南京 210031; 2.中国铁路上海局集团有限公司 南京车辆监造项目部，江苏 南京 210031)

目前，我国城市轨道交通正处于GoA4级无人驾驶(即完全无人驾驶)的转型发展期，国内大量的无人驾驶地铁项目开始建设。传统由司机自主判断轨道障碍物来施加制动或采取其他处理措施的方式急需改革。在无人驾驶地铁的发展中，接触式与非接触式2种障碍物检测方式发展最为迅速。接触式障碍物检测(主动式障碍物检测)主要依赖于接触式障碍物检测装置前端探测横梁的撞击，若引起位移则确认有障碍物[1]。而非接触式障碍物检测(被动式障碍物检测)的核心在于使用摄像机及雷达进行探测后，根据算法进行处理，得出前方是否存在障碍物的结论。目前，轨道交通行业针对无人驾驶车辆的障碍物检测系统提出了更高的安全性、可靠性要求。

1 接触式障碍物检测

1.1 接触式障碍物检测原理

接触式障碍物检测装置安装于转向架前端，其主要由电气部分和机械部分组成，见图1。电气部分主要由高可靠性的行程开关、高密封等级的连接器和符合防火等级要求的电缆线组成。机械部分主要包括探测横梁、动作执行机构及其他安装支座。

图1 接触式障碍物检测系统构成

系统内部利用摆杆式行程开关作为提供障碍物检测信号的干接点元件。当外界障碍物接触到探测横梁时，探测横梁在障碍物的冲击力作用下推动其相连接的吸能簧板运动，从而带动摆杆转动，当吸能簧板运动到一定位移，摆杆转动角度超过其固有的预行程时，触发干接点信号，向系统提供异常信号。

接触式障碍物检测装置前端探测横梁为轻质铝合金管材，其材料具有较高的变形吸能比，能够很大程度上吸收障碍物带来的冲击能力，起到吸能缓冲作用(图2)。同时具有良好的韧性和抗拉强度，能够一定程度上抵抗障碍物的冲击而不会发生断裂，降低对车辆造成的二次风险。

图2 探测横梁吸能变形

当接触式障碍物检测系统检测到一定质量和一定速度的障碍物时，会触发接触式障碍物检测装置内部的动作执行机构，安装在车辆上的电控箱内部的行程开关向车上提供障碍物检测信号。其输出信号为干接点信号，原常闭回路变换为开路，常开回路则变换为闭路。接触式障碍物检测装置左右两端各设置1个行程开关，每个行程开关提供1个常闭触点和2个常开触点，上述触点在电控箱内部集合，用于同一功能的常闭触点被串联在电路里，用于同一功能的常开触点被并联在电路里。接触式障碍物检测装置信号原理图见图3。

P1-NO1、P1-NO2.行程开关1常开触点1、2；P2-NO1、P2-NO2.行程开关2常开触点1、2；P1-NC1.行程开关1常闭触点1；P2-NC1.行程开关2常闭触点1；TCMS.列车控制监控系统；ATC.列车自动控制系统。图3 接触式障碍物检测装置信号原理图

1.2 接触式障碍物检测设计分析

无人驾驶要求障碍物检测系统必须具备高可靠性、可用性和安全性。首先，接触式障碍物检测装置绝不可因可靠性不高导致掉落而引起列车制动。在无人驾驶的站间场景下，若出现此情况则会导致列车救援。其次，需要接触式障碍物检测装置与障碍物接触时立刻进行反应，因此由通信造成的延时需要降到最低。针对这两方面的要求，现从理论设计及试验验证两方面来对接触式障碍物检测系统进行分析。

1.2.1 接触式障碍物检测系统可靠性设计

1.2.1.1装置可靠性设计

为了保证接触式障碍物检测装置的安全可靠，采用针对性防脱设计，紧固件组合采用NordLock防松垫圈和双开槽锁紧螺母双防松组合形式。上述2种紧固件均为目前最优的防松结构，但通常情况下仅采用1种结构。为提升本套系统的安全性，将上述2种防松结构同时应用于外壳体上。为提高螺栓防松的效果，延长螺母松后的脱落时间，使用六角头螺杆带孔螺栓，将开口销穿过螺杆孔，防止松动的螺母脱落(图4)。

图4 外壳体安装的防松结构

此外，在左右外壳体安装防松结构的基础上，增加了钢丝绳防脱结构。钢丝绳末端采用不锈钢冷压端子压接，压接后的端子通过螺栓固定在后端安装座上，另外一端安装在穿过外壳体的防脱横杆上。防脱横杆从外壳体两侧穿过，在外壳体内部穿过弯板簧结构。在车辆运行过程中，钢丝绳不会摩擦到弯板簧结构。当外壳体固定螺栓全部断裂，外壳体和弯板簧一起向轨道掉落时，钢丝绳会立即兜住外壳体和弯板簧，从而防止障碍物检测装置的零部件掉落在轨道上，避免卷入转向架轮对下面。钢丝绳防脱结构如图5所示。

图5 钢丝绳防脱结构

1.2.1.2整车电路可靠性设计

在整车电路的设计上，充分考虑了电路的可靠性和可用性。接触式障碍物检测系统部分电路逻辑图如图6所示，当接触式障碍物检测系统被触发时，其3组机械式行程开关自然动作，其中常闭触点行程开关断开触发车辆硬线紧急制动环路断电，常开触点行程开关闭合触发列车ATC、TCMS报警。为确保整车安全，采用断电触发紧急制动环路，设计思路为故障导向安全，且只要障碍物持续存在，列车始终保持紧急制动状态。在此基础上，再通过另外2组限位开关，将障碍物状态发送给列车TCMS及ATC，进行屏幕的报警提示及故障记录。整车电路设计具有高可靠性和稳定性，满足无人驾驶的要求。

SCB.供电断路器；P-NO1、P-NO2.行程开关常开触点组1、2；ODR.接触式障碍物检测继电器；TLNOL.本端接触式障碍物检测列车线；TLNOR.远端接触式障碍物检测列车线。图6 接触式障碍物检测系统部分电路逻辑图

1.2.2 接触式障碍物检测系统可用性和安全性设计

为了确保系统的可用性和安全性，总体设计思路必须符合故障导向安全原则。接触式障碍物检测系统总体工作逻辑图如图7所示。

图7 接触式障碍物检测系统总体工作逻辑图

若轨道上存在障碍物，接触式障碍物检测系统接触到障碍物后，探测横梁向后移动一定距离，触发内部行程开关，系统以此干接点信号作为障碍物检测信号提供给车辆，车辆将根据障碍物检测系统提供的信号进行相应的处理。例如，使列车施加紧急制动，也可通过TCMS采集开关触点状态发送至地面运行控制中心(OCC)。若在该装置附近设有摄像机，在探测到障碍物时，OCC可以远程调取现场图像。

为保证接触式障碍物检测系统的安全性，紧急制动回路采用失电触发，状态报警回路采用得电触发。当发生碰撞、探测横梁与障碍物接触时，只要碰撞力超过10 N,则会触发障碍物报警。即使速度过快或障碍物质量过大，导致检测设备完全损毁，也会造成采集点失电，正常触发紧急制动回路。同时，考虑了故障情况下另外2组触点不会意外造成误报警，若串入紧急制动回路的触点故障，也可由站台工作人员确认安全后，控制OBS(障碍物检测旁路开关)进行旁路，保证列车可以退出运营，在设计层面上兼顾了系统的安全性和可用性。

1.3 仿真分析及试验检测

为了确保接触式障碍物检测系统在无人驾驶场景下的可靠性，在列车运行工况下，必须满足相应的疲劳强度和振动冲击标准[1]。

1.3.1 振动疲劳仿真分析

根据IEC 61373：2010《车辆设备冲击振动试验》规定的工况，接触式障碍物检测装置需要在3个方向进行5 h加速振动试验后，不出现疲劳裂纹，即三向疲劳损伤值累积之和小于1。振动疲劳仿真分析时，采用了模态频率响应法，约束接触式障碍物检测装置两端与构架连接部分，在约束点施加振动加速度功率谱。

根据各项加速度激励的每秒疲劳损伤，得出5 h后各方向的疲劳损伤值，再对3个方向的疲劳损伤值求和，计算结果如表1所示。

表1 振动疲劳仿真分析后3个方向的疲劳损伤值计算结果

经仿真分析，三向疲劳损伤值累积之和均小于1，表明接触式障碍物检测系统的整体设计达到了标准要求。

1.3.2 试验检测

为了确保接触式障碍物检测系统整体设计的可靠性，既要保证设备不能因轻度撞击而造成不可逆损坏，又要保证整车设计能够在真正接触到障碍物时实现预计的保护功能。因此进行了碰撞试验来确保其满足无人驾驶的要求。

碰撞试验方案为：将接触式障碍物检测装置安装在一辆模拟小车上，在小车前方设置障碍物，小车上设置报警灯，撞击力触发接触式障碍物检测装置时则报警灯亮，并在撞击后小车迅速制动。根据速度等级和障碍物质量的不同，通过观察报警灯是否亮以及设备的形变程度来确认接触式障碍物检测装置的可靠性。驱动小车质量为10 015 kg，障碍物分为10 kg、20 kg、60 kg 3个质量等级。接触式障碍物检测装置试验情况见图8。

图8 接触式障碍物检测装置试验情况

除以上设备外，还配置了专用的摄像机、加速度传感器、速度测试仪等设备，确保可以精确地取得足够的数据支撑分析结论，试验工况见表2。根据加速度传感器、摄像机采集的加速度、位移等信息，计算撞击力。4种工况下小车碰撞后的状态如下：(1)在工况1下，接触式障碍物检测装置撞击后无明显形变，报警灯未亮；(2)在工况2下，接触式障碍物检测装置撞击后无明显形变，有轻微位移，指示灯亮；(3)在工况3下，接触式障碍物检测装置碰撞后存在轻微形变，指示灯亮；(4)在工况4下，接触式障碍物检测装置存在明显形变，但状态良好，无裂痕损伤，指示灯亮。试验结果见表2。

表2 碰撞试验工况及试验结果

以工况4数据为例，小车位移及加速度曲线图见图9。根据图9及其对应的数据可知,加速度持续时间约为39.6 ms，与高速摄影分析所得数据相当。在33.7 ms时加速度初始峰值为1.52 m/s2，由此计算最大撞击力为15.2 kN。

图9 工况4下小车位移及加速度曲线图

综上所述，总共对3种质量的障碍物进行了4次撞击试验，可以看出轻微撞击对设备无损坏。根据1.2.2节分析，已知紧急制动环路属于失电控制逻辑，因此即使速度持续增加造成设备损坏或者更大规模的形变，也会使信号断开。因此试验场景足够满足实际需求，系统可以保证在无人驾驶的情况下提供及时可靠的保护。

2 非接触式障碍物检测

2.1 非接触式障碍物检测原理

非接触式障碍物检测使用安装在车头内装顶板上方的数字高清摄像机和红外高清摄像机，在列车的行驶线路上，会不断地对行驶线路区间进人、施工遗留物、光缆、电缆以及广告牌、树木、彩钢板等前方限界内的障碍物进行探测，并在监控的基础上不断地对限界外的行驶环境做评估。针对列车实时运行中发现的前方障碍物，通过智能环境感知技术，实时获取前方图像信息并智能识别障碍物进行预警和提示，降低了前方障碍物影响列车正常运行的风险。系统能对平直轨道250 m处的150 mm×150 mm×150 mm大小的侵界障碍物作出有效识别并提示报警。侵界障碍物的识别不受隧道、高架等不同光线情况的影响，从检测到障碍物到发出报警的时间小于1 s。非接触式障碍物检测系统由系统主机、红外摄像机、高清摄像机和组网交换机组成，其主要指标见表3。

表3 非接触式障碍物检测系统的主要指标

非接触式障碍物检测系统采用了基于双目立体视觉的检测算法及异物侵限图像处理技术。双目立体视觉技术的基本原理是：利用2个摄像机从不同的位置拍摄2幅图像，通过目标物体在这2幅图像中的二维信息求解和推导出目标物体的三维信息。二维图像只能直观地表示目标物体的平面位置，无法得知物体的深度信息，但是通过双目立体视觉关键技术的求解，就可以获得明显的深度信息[2]。异物侵限图像处理技术主要功能是通过对图像数据分析，判断是否有侵限异物的存在，这个过程主要是通过软件算法实现，从检测算法上可以分为背景图像的提取及更新、图像区域分类、前景图像提取及分类和可疑前景危险度判别(异物确认)，见图10。

图10 异物侵限图像处理技术结构图

2.2 非接触式障碍物检测设计分析

2.2.1 非接触式障碍物检测系统可靠性设计

(1) 在列车行进过程中，由于轨道不够平滑，可能出现各种方式的振动。严重时，大幅度的振动可能把原先不在行进内的物体误判为行进方向的物体，从而出现误判。为此，需采用专门的抗振动算法——基点法。通过寻找视频中的参照点，以此为基点作出判断。列车行进过程中，所有的包络线都是以钢轨作为参照点的，所以以钢轨作为参照点，可以避免受到行进列车的振动影响。

(2) 采用了双摄像机联合监控的方法提高准确度。当光线与能见度很好时采用可见光摄像机为主、红外摄像机为辅的模式，红外摄像机做视频增强处理，不影响识别准确度；当有雾霾(高架场景)或者亮度不足(隧道低照度场景)时，自动切换到红外摄像机为主、可见光摄像机为辅，可见光做视频增强处理，在极端情况下识别的准确度大大提高[3]。

(3) 采用了恶劣工况图像增强、抗强光、低照度提亮等方式增强可靠性。在隧道和高架桥上，或在阴天和夜晚出现亮度不足的情况时，可通过低照度提亮功能提高亮度。晴天时阳光对高架桥上迎面行驶列车的驾驶有很大的影响，抗强光功能可以在显示屏上尽可能地还原前方的场景。图像增强处理是将图像相邻像元的亮度值相差较大的边缘处加以突出强调，经边缘增强后的图像能更清晰地显示出不同的障碍物类型，或现象的边界，或线形影像的行迹，以便于不同障碍物类型的识别及其分布范围的圈定。

2.2.2 非接触式障碍物检测系统可用性和安全性设计

为保证系统在无人驾驶环境下的可用性和安全性，需要在设计阶段考虑包括通信线路故障、报警信号冗余、传输延迟指标等重要项点。

2.2.2.1通信线路故障

非接触式障碍物检测系统在列车两端均具备检测模块与主机，为保证系统的通信能力，需要进行组网，当网络其中一节断开连接的情况下，仍然可保持整个非接触式障碍物检测系统组网通信正常，不会因线路故障造成通信中断。非接触式障碍物检测系统拓扑如图11所示。

图11 非接触式障碍物检测系统拓扑图

2.2.2.2报警信号冗余设计

整车电路设计上充分考虑了电路的可靠性和可用性，单端通信接口如图12所示。

图12 非接触式障碍物检测系统单端通信接口图

非接触式障碍物检测系统主机在列车两端，均与车载TCMS及车载通信系统有传输通道，其中同车载网络通过RS485接口进行通信， RS485接口仅用于给车载TCMS提供生命信号及报警信息，其数据量极低，对于报警信息的上报不会有冲突或延迟。同时系统主机通过千兆以太网口与车载通信系统进行连接，实现对地面OCC推送报警信息及视频，摄像机供电模式采用POE模式供电，技术成熟，集成度高。整体架构可以保证系统通信的稳定，满足低延时要求。因此系统架构具备两端RS485端口及两端以太网端口，冗余性足够保证报警信息的及时传递。

2.2.2.3恶劣环境处理

利用高清及红外摄像机的图像采集进行双目识别运算，汇聚成立体图像。在此过程中，运用背景图像提取技术及前景图像处理算法，针对各种恶劣工况下的低能见度场景进行处理，使得采集的图像可以达到分析需求的清晰度[3](图13)。

图13 低能见度场景处理图

2.2.2.4传输时延计算

根据设计指标要求，系统检测到障碍物后报警发出时间需要小于1 s。根据上文分析可知，系统同时给车载TCMS和地面OCC发出报警信号。如图14所示，摄相机采集到图像后实时传送给分析主机，主机分析时间为6帧内，即小于200 ms。分析主机与TCMS主机间通信时延为64 ms(最大)，即整个车载处理过程为264 ms以内。车载报警信息由TCMS主机发送至车载显示屏，两者直接数据处理时延200 ms，通信时延64 ms(最大)。因此总时间计算为528 ms，可以保证系统给TCMS系统的报警信息在1 s内推送至列车内部。对于OCC报警提示，通信时延预估在500 ms内，加上列车内部通信时间，可以满足1 s内达成报警的需求。

图14 传输时延计算图

2.3 非接触式障碍物检测系统试验验证

非接触式障碍物检测系统的重点指标包括：识别距离(20～250 m)、识别障碍物个数(重点追踪3个及以上)、识别障碍物体积(150 mm×150 mm×150 mm)、恶劣工况成像等，为了保证各指标的可靠性，需进行试验验证。

2.3.1 恶劣能见度成像效果测试

在夜晚车辆仅开头尾灯的极低亮度下，调取成像效果。如图15所示，图15(a)为实际可见场景，图15(b)为经处理后的成像效果，实际测试可以达到检测需求。

图15 恶劣能见度成像效果图

2.3.2 探测性能测试

为确认实际工况下具体参数指标符合设计要求，针对150 mm×150 mm×150 mm障碍物的检测能力、20～250 m的识别距离，在弯道和直线不同工况下进行轨道内及轨面障碍物检测试验。

2.3.2.1轨道内障碍物检测试验

轨道内障碍物检测试验方法采用实车测试，在列车静止的情况下，使列车处于ATO运行模式，且停在测试地点。在列车前方30 m、150 m、250 m分别放置100 mm×100 mm×100 mm的障碍物，结合直线和弯道运行情况分别进行检测，要求系统可以准确抓拍障碍物，且提供车载及地面报警信息。具体在以下2个工况下进行测试：(1)在弯道20 m及150 m处共放置4个障碍物；(2)在直线250 m处放置障碍物。

弯道工况的试验结果为：系统在弯道区域内正确检测出所有障碍物，障碍物大小为100 mm×100 mm×100 mm，小于系统指标(150 mm×150 mm×150 mm)，并且同时追踪了4个障碍物(图16中红框部分)，系统正常给车载网络系统报出了故障。

图16 弯道工况障碍物检测情况

直线工况的试验结果为：系统在直线区域内正确检测出障碍物，障碍物大小为100 mm×100 mm×100 mm，小于系统指标(150 mm×150 mm×150 mm)，并且系统可以在20～250 m的区间内正确检测出符合设计指标的障碍物(图17)，试验期间系统正常给车载网络系统报出了故障。

图17 直线工况障碍物检测情况

2.3.2.2轨面障碍物检测试验

轨面障碍物检测试验方法采用实车测试，在列车静止的情况下，在列车前方100 m、200 m、250 m分别放置体积小于150 mm×150 mm×150 mm的障碍物铁鞋(图18)，要求系统可以准确地抓拍障碍物，且提供车载及地面报警信息。

图18 轨面100 m和250 m障碍物检测情况

轨面障碍物检测试验结果为：系统在直线区域内正确识别出了障碍物，且障碍物体积小于150 mm×150 mm×150 mm。由结果分析可知，非接触式障碍物检测系统可以非常准确地探查到列车前方250 m以内的轨面障碍物。

综上，可以看出系统可以在20～250 m的区间内，在弯道或直线工况下，正确检测体积小于150 mm×150 mm×150 mm的轨道内或轨面障碍物。试验期间系统均可以正常给车载网络系统报出故障，因此证明非接触式障碍物检测系统能够满足系统检测指标要求。

3 无人驾驶场景下2种检测方案的优劣分析

3.1 系统性能对比

非接触式与接触式障碍物检测系统的部分性能对比情况如表4所示。

表4 非接触式与接触式障碍物检测系统的部分性能对比情况

3.2 无人驾驶场景分析

在无人驾驶场景下，有多个场景与障碍物检测系统的检测能力、故障情况直接相关，针对这种情况，对以下场景进行分析，以此对比2种检测手段的优缺点：

(1) 列车唤醒场景(无人驾驶列车由OCC决定发车时，接收远程指令，自主唤醒)。接触式障碍物检测系统无论是否处于故障状态均对唤醒场景无影响，而非接触式障碍物检测系统需进行自检，若自检不通过会影响列车发车。

(2) 场段调车场景(列车自车库驶出前往正线的过程)。接触式障碍物检测系统接触障碍物则触发紧急制动，同时给ATC和TCMS提供报警信息，故障若不涉及干结点则无影响也无法检出。处理措施为：需要人员到场确认状态。非接触式障碍物检测系统检测到障碍物则报警，推送给OCC。若故障报警，可在OCC直接查看视频及报警信息。处理措施为：可通过场段摄像机及非接触式障碍物检测系统自带摄像机进行确认，明确是否为障碍物再派人员处理。

(3) 正线运营站台场景(列车运行处于站台可控区域)。基本状态等同于(2)的情况，仅场段摄像机改为站台监控。

(4) 正线运营区间场景(列车运行处于站台间，不属于任一站台可控区)。接触式障碍物检测系统接触障碍物则触发紧急制动，同时给ATC及TCMS提供报警信息。故障若不涉及干结点则无影响也无法检出，若涉及干结点则无法触发紧急制动或紧急制动无法在区间缓解。处理措施为：故障及实际障碍物均需要人员到场确认状态。非接触式障碍物检测系统检测到障碍物则报警，推送给OCC。若故障报警，可在OCC直接查看视频及报警信息。处理措施为：可通过非接触式障碍物检测系统自带摄像机进行确认，若属于系统误判故障情况，可暂时忽略，行驶至站台再进行处理。如明确是障碍物，则需要派人员处理。

根据以上分析可以看出，非接触式障碍物检测系统在无人驾驶工况下更加灵活，而传统的接触式障碍物检测系统则具备更高的可靠性。

3.3 未来趋势分析及总结

综上，可以看出2种障碍物检测系统各有优劣，在无人驾驶的场景下，仅传统的接触式障碍物检测系统已经无法满足要求。探测距离更远、给人反应时间更长的非接触式障碍物检测系统正在飞速发展，即使涉及到软件及通信层面，非接触式障碍物检测系统也已经在安全设计和安全认证两方面赶超接触式障碍物检测系统，未来如果非接触式障碍物检测系统可以将安全性不断提升，达到可以直接介入列车制动控制的级别，发展前景将更加广阔。另一方面，接触式障碍物检测系统的高可靠性目前还无法替代，2种检测方式相互融合正成为趋势，随着轨道交通行业无人驾驶技术的发展，2种检测系统必将共同向着更安全、更智能的方向发展。