基于改进长短焦图像融合技术的轨道交通障碍物检测系统研究  

Research on Railway Transportation Obstacle Detection System Based on Improved Long and Short Focal Image Fusion Technology

作　　者：徐振森 吕宇 田野 袁小军 李晨 袁希文 

机构地区：[1]株洲中车时代电气股份有限公司数据与智能技术中心,湖南 长沙

出　　处：《人工智能与机器人研究》2025年第2期414-426,共13页Artificial Intelligence and Robotics Research

基　　金：本文由国家重点研发计划项目(2022YFB4300602)资助。

摘　　要：近年来,随着轨道交通网络的快速扩展和列车速度的不断提升,传统轨交障碍物检测系统在视觉感知能力上面临目标模糊、范围受限等挑战,难以满足日益严格的铁路运输安全需求。针对这一问题,本文提出了一种基于改进长短焦图像融合技术的轨道交通障碍物检测系统。该系统通过结合长焦相机的高分辨率细节捕捉能力与短焦相机的广角场景感知优势,生成清晰且信息丰富的融合图像用于障碍物检测。同时,设计了一种结合SIFT特征提取与相位相关法的创新配准算法,将边缘对齐误差从2.16像素显著降低至0.27像素,显著提升了铁轨区域的对齐精度和全局图像一致性。在此基础上,利用YOLO11目标检测模型的多尺度特征提取能力与高效推理性能开发障碍物检测系统。检测结果表明,相比单一长焦或短焦图像,融合图像可有效探测近距离障碍物并兼顾远距离细节,目标检测mAP50-95指标由64.19%提升至81.32%,增幅达26.69%。这展现了融合图像在远近目标识别、铁轨细节捕捉和全局视野感知方面的显著优势。本研究为轨道交通障碍物检测系统的视觉感知能力提升提供了重要的技术参考。In recent years, with the rapid expansion of rail transit networks and the continuous increase in train speeds, traditional rail transit obstacle detection systems face challenges such as target blurriness and limited detection range, making it difficult to meet the increasingly stringent requirements of railway transportation safety. To address these issues, this paper proposes a rail transit obstacle detection system based on improved long-focal and short-focal image fusion technology. By combining the high-resolution detail capture capability of long-focal cameras with the wide-angle scene perception advantage of short-focal cameras, the system generates clear and information-rich fused images for obstacle detection. An innovative registration algorithm that i

关 键 词：轨道交通 长短焦图像融合 障碍物检测 SIFT特征 相位相关法 YOLO11 

分 类 号：U216.3[交通运输工程—道路与铁道工程]