轨道交通非接触式障碍物检测技术及前景方向探讨

摘 要：本文介绍了轨道交通非接触式障碍物检测技术及前景方向。通过使用先进的技术手段，可以及时检测到轨道上的障碍物，避免事故的发生，保障乘客的安全出行。非接触式障碍物检测系统主要基于视频识别和雷达多传感器信息融合技术，具有连续探测识别前方一定距离内障碍物的能力。不同的传感器技术各有优缺点，需要根据具体情况进行选择、优化和结合。新型的传感器和技术也将不断出现，为轨道交通的安全性和效率提供更加可靠的支持。

关键词：轨道交通；障碍物检测；非接触式障碍物检测

引言

随着城市交通向智能化、环保化发展，轨道交通作为一种高效、便捷的交通方式，逐渐成为城市交通的重要组成部分。同时，由于轨道交通的特殊性质，其运行安全和顺畅性与广大乘客的生命财产安全以及社会秩序的稳定密切相关。在这种情况下，障碍物检测技术成为保障轨道交通安全和顺畅运行的重要手段。轨道交通的发展带来了更高的时速和更繁忙的运营，同时也增加了轨道上的风险。障碍物检测技术的重要性日益凸显，通过使用先进的技术手段，可以及时检测到轨道上的障碍物，避免事故的发生，保障乘客的安全出行。

目前，障碍物检测手段在自动驾驶汽车领域中较为成熟，在复杂的路况中，障碍物被归类为“正障碍物”和“负障碍物”两类。其中从地面“向上”出现的物体被视为正障碍物，反之在路面“向下”出现的深坑甚至悬崖则被视为负障碍物，负障碍物的检测比正障碍物要更加困难。

而在轨道交通中，由于轨道的作用，车辆的行驶条件相较于汽车更为简单，更多的精力应当被施加于对正障碍物的检测中，例如前方的非通信列车、误入轨道的人或动物、现场遗留的施工工具或者行李箱等，根据探测方式不同而分为接触式和非接触式两种。

接触式障碍物检测采用纯机械结构和硬线通信结合的方式，故障率极低，其主要检测装置是一根安装在转向架前端的轻质铝合金探测横梁，通过与轨道上的障碍物物理接触后，吸能变形触发干接点信号[1]。但这种检测方式受轨道条件及探测横梁距离的限制，检测距离过短，逐渐不适于平均设计速度高的轨道交通，因此非接触式障碍物检测应运而生。

一、非接触式障碍物检测传感器

非接触式障碍物检测主要依赖于各种车载或轨旁的传感器，对车辆行驶前方范围（车载传感器）或者固定轨行区内（轨旁传感器）的障碍物进行探测识别，不同的传感器有不同的优缺点。

（一）计算机立体视觉

计算机立体视觉是计算机视觉中最活跃的研究领域之一。立体视觉测量方法具有效率高、系统结构简单、适用性强、成本低、精度高等优点。

计算机立体视觉始于20世纪70年代初。具有双目视觉技术的计算机立体视觉与自动驾驶汽车或移动机器人一起用于收集数据和检测障碍物。在车载传感器方面，两台性能相同但相隔一段距离的相机拍摄同一个图像，计算机将两个图像叠加在一起进行比较，以找到匹配的部分。偏移的量称为视差，通过特征点的视差，以及已知的镜头间距、焦距等参数，就可以利用计算机算法得出特征点与镜头的距离。

而在实际场景中，还需要对系统进行进一步的优化，例如直接制作双目摄像机以降低间距的人为测量误差，增加摄像头以提高冗余性能，对采集到的RGB图像进行预处理及灰度转换以降低干扰与计算量，通过优化算法提高算力，通过计算机深度学习增加对特定的模型的灵敏度等。王维等研究了一套基于视频图像识别技术的列车障碍物识别系统，其传感器采用的是2台独立且相同的高清摄像机，通过软件对数据处理，实现对列车前方障碍物的检测[2]。高晖设计了一套基于红外图像和可见光图像匹配并进行算法筛选，从而检测轨道交通障碍物的系统[3]。

计算机立体视觉在轨旁传感器领域也有很多的应用。由于轨道的存在，轨道交通车辆的行驶条件较为简单，背景较为固定，因此可以利用在相同的位置连续拍摄的图片进行对比，利用计算机识别其中的差异，判断障碍物入侵的情况。例如王先选等提出了一种基于机器视觉理论和仿射几何原理的异物入侵轨道交通线路检测方法，可有效地识别列车轨道区域，发现入侵的障碍物[4]。

（二）雷达传感器

在众多的检测技术中，雷达传感器以其独特的优势成为轨道交通障碍物探测的重要手段。雷达传感器通过发射电磁波并接收反射回来的信号，可以快速、准确地检测到轨道上的障碍物，如石头、铁块、动物等。雷达传感器能够实时检测到障碍物，并及时发出警报，为快速排除障碍物提供依据，确保轨道交通的安全和順畅运行。因此，可以说雷达传感器在轨道交通障碍物探测中发挥着不可或缺的作用，成为行业中的重要技术手段。其中，毫米波雷达和激光雷达是两种主要的类型。

表1是不同类型雷达的特性对比：

表1   不同类型雷达的特性对比

1.毫米波雷达

毫米波雷达传感器是21世纪障碍物检测的热门研究领域。毫米波雷达技术应用于车辆防撞系统的研究始于20世纪60年代，随着雷达技术的飞速发展，76GHz毫米波雷达带来了传感器革命。与早期的低频率毫米波雷达相比，这些雷达的工作频率更高，体积更小。频率越高，目标的分辨率就越高，从而克服了大多数错误信息的问题。

与其他微波雷达相比，毫米波雷达由于其短波长和高分辨率而成为更好的选择。与其他类型的雷达（超声波雷达、红外雷达、激光雷达）相比，毫米波雷达具有稳定的探测性能，不受探测物体的形状和颜色的影响。此外，它具有良好的环境适应性。它的探测精度不易受到雨雪、雾天等恶劣天气的影响。噪声和环境变化也不易影响其性能。

毫米波雷达探测一般有两种基本方法：脉冲雷达和调频连续波雷达。脉冲雷达探测原理很简单，雷达系统发出一定频率的脉冲电磁波并探测回波，以发出及接收到雷达波的时间差来判断障碍物距离，这种方法计算简单但是技术实现和应用困难。在脉冲测距中，雷达应在有限的时间间隔内发射大功率脉冲信号，硬件结构复杂且昂贵。此外，回波具有60dB至100dB的衰减。在分析回波信号之前，需要在发送信号和回波信号之间进行严格隔离。这个问题可能会增加雷达设施的成本。调频连续波雷达则会发射连续的调频信号，雷达的混频器收集回波并将其与发射信号混合。混频器后的波形用于计算障碍物的距离和相对速度。景亮等开发了一种结合毫米波雷达和计算机视觉的轨道交通障碍物自动检测平台，证明了此系统的可靠性。

2.激光雷达

激光雷达在轨道交通障碍物探测的历史可以追溯到20世纪90年代。当时，激光雷达技术已经开始在铁路领域得到应用。随着技术的不断进步和发展，激光雷达逐渐成为轨道交通障碍物探测的主要技术手段之一。相較于毫米波雷达，激光雷达的测量精度更高，能够检测到更小的障碍物，其有着更加精确的3D感知能力，可以更好地对障碍物进行精准建模。激光雷达的原理类似于脉冲型毫米波雷达，基于回波时间差来判断障碍物距离，数据量丰富，但是相应的计算量也会增大。激光雷达可以利用SLAM技术同步定位和建图，对轨行区的障碍物进行建模处理。

在轨旁传感器领域，相较于计算机立体视觉，雷达传感器在光照不足、雨雾环境下更加稳定，可以利用多条雷达波向轨行区实时扫描并利用算法三维立体成像，例如同济大学沈拓等提出了一种基于激光雷达的区间障碍物检测算法，实验表明其具有良好的检测性能。

二、非接触式障碍物检测系统发展及前景

当前，轨道交通的非接触式障碍物检测系统主要基于视频识别和雷达多传感器信息融合技术，如图1所示，具有连续探测识别前方一定距离内障碍物的能力。它能及时检测到轨行区异物的侵入并触发报警和制动，同时通过通信接口，将在车辆和调度中心工作站上显示的相关障碍物信息，供相关工作人员确认。调度中心可以随时调用实时的视频画面，并在检测到障碍物时主动推送相关信息和视频画面。此系统由运算主机、雷达设备、高清摄像机以及接口设备等组成。

图1   车载障碍物检测系统架构图

目前的检测系统已经可以实现包括障碍物探测、障碍物报警、实时图像监控等多种功能，但如果要达到其障碍物探测能力完全优于人眼识别能力及安全距离，运用在GOA4级别的全自动运行系统列车上，将该系统与车辆制动系统结合，则有以下几点需要发展完善：

第一，随着轨道交通列车时速的提高，紧急制动距离增加，对障碍物检测距离的要求进一步提升，因为需要有更加精密灵敏的传感器设备和更完善的算法。

第二，如果将障碍物检测系统接入车辆的制动系统，则对障碍物检测系统的误报率有着较高的要求，如果障碍物检测系统误报率高，则会导致车辆频繁紧急制动，影响乘客的出行体验。在优化障碍物检测算法的基础上，还可以考虑融合多种传感器，增加冗余检测器的方法，利用三取二等冗余措施提高准确性。

第三，在某些关键轨行区增设轨旁检测系统。相对于车载检测，轨旁检测的算法更简单，且有提前预测性，能够在车辆距离障碍物很远时就发现入侵的障碍物。然而考虑到成本问题，目前无法做到全线防护，但是可以在关键的轨行区增加轨旁检测系统，例如弯道处等车载传感器检测不到的区域、地铁从地下转换到地面的光线强弱变化处、轻轨的某些开放区域等。

结束语

随着轨道交通发展进程的不断加快，全自动无人驾驶系统的市场占比增高，轨道交通对障碍物检测系统的需求进一步提高，既有的接触式传感器系统已经难以满足要求。本文介绍了目前常用的几种非接触式障碍物检测传感器及其在车载和轨旁方面的应用，并对非接触式障碍物检测系统前景方向进行了探讨。总的来说，非接触式障碍物检测技术为轨道交通的安全运行提供了重要保障。不同的传感器技术各有优缺点，需要根据具体情况进行选择、优化和结合。随着科技的发展，新型的传感器和技术也将不断出现，为轨道交通的安全性和效率提供更加可靠的支持。

参考文献：

[1]张帆，张从旺.基于无人驾驶平台的主被动障碍物检测分析对比 [J].铁道车辆，2021，9（04）：1-8.

[2]高晖.基于红外图像与SURF算法的轨道交通障碍物识别技术研究[J].信息系统工程， 2023（01）：80-82.

[3]景亮，赵程，燕玲，等.基于毫米波雷达的城市轨道交通全自动运行设计与探索[J].智能城市， 2021， 7（16）：4.

[4]沈拓，钱沿佐，谢兰欣，等.考虑反射强度的全自动运行列车障碍物检测算法研究[J].同济大学学报：自然科学版， 2022， 50（01）：7.

作者简介：霍然（1992.12－），男，汉族，山西沁县人，硕士，工程师，研究方向：交通工程。