城市轨道交通小型障碍物检测

张 林，沈 拓,2，张轩雄

（1. 上海理工大学 光电信息与计算机工程学院, 上海 200093；2. 同济大学 铁路基础设施和系统安全上海重点实验室, 上海 201804）

近年来，随着国内各个城市轨道交通的快速发展，自动化运营成为轨道交通的发展方向。自动检测列车前方的障碍物，从而提前制动，降低行车风险非常重要。因此，国内外专家采取了不同的方法来研究列车前方的障碍物检测。

列车运行轨道上的障碍物检测一直都是研究热点，早在20世纪90年代，日本在其新干线上使用相机作为图像采集工具，利用模板匹配的方法，检测列车前方的障碍物[1]，但是，其需要依赖先验信息。之后，众多学者提出通过多数据融合的方案[2]，提高障碍物检测的准确性。随着深度学习的发展，使用神经网络进行障碍物检测已经成为目标检测方向不可或缺的一个分支，在自动驾驶、行人检测等诸多场景都获得了大规模的应用[3-4]。虽然这些方法对于大型障碍物有着良好的检测准确率，但是，对于小型障碍物的检测很不理想。

本文针对小型障碍物检测效果不理想的问题，提出一种基于卷积神经网络(convolutional neural network, CNN )的检测算法。

1 数据采集及处理

1.1 数据采集

城市轨道列车的运行环境复杂多变，列车既可能运行在地面，也可能运行在隧道，同时还面临着雨雪、雾霾等恶劣天气的影响，所以，直接用其他通用的数据来训练模型不太合适。本文通过摄像机、网络爬虫等方式，建立特定的数据集来训练模型，并通过实验来比对各种数据集的效果。……