基于深度学习的列车运行环境感知关键算法研究综述

陈智超,杨杰,李凡,冯志成

Review on deep learning-based key algorithm for train running environment perception

Zhichao CHEN,Jie YANG,Fan LI,Zhicheng FENG

表 1 列车运行环境感知任务

Tab.1 Tasks of train running environment perception

任务需求 关键算法 任务分类 技术特性 2D感知 轨道沿线环境状态感知 语义分割 全卷积神经网络，CNN与Transformer结合，轻量级结构 多模型联合 联合2种任务模型的结果进行异物识别 多任务模型 在检测基础上构建额外的语义分割分支 电气化铁路接触网异物检测 目标检测 YOLO系列的衍生方法，RCNN系列的衍生方法，手工算子结合CNN分类方法 图像生成 基于AI大模型进行批量图像生成 列车驾驶低照度图像增强 弱光增强 伽马变换与对比度调整获取配对训练数据，Retinex理论以及生成对抗网络，光照曲线增强理论 3D感知 铁路场景点云分割 点云语义分割 体素，原始点云，视图投影 铁路三维目标检测 单目3D检测 顺应2D检测方法的逻辑 激光雷达与多模态3D检测 公开可用的多模态数据集，基于BEVFusion进行单模态或多模态检测