【技术实现步骤摘要】
本专利技术涉及ai视觉分析，具体涉及一种轨道交通智能占线板及其信息同步方法。
技术介绍
1、城市轨道交通的场段控制中心（以下简称：dcc）是负责场段生产运营集中指挥调度，以保证车辆检修、车辆运用和工艺设备设施综合维修和保养任务的顺利达成。因此，需要对场段的微机联锁系统界面中的信号、轨道线路、道岔、车辆位置等元素的实时状态，以及场段供电、施工等情况进行综合监测与研判分析，从而实现对相关违规行为和异常状况及时预警，避免造成生产事故。
2、然而，目前dcc实现方案多是采用数据接口实现微机联锁系统和占线板之间的数据同步。然后，在部分场景下，微机联锁系统是独立专网运行，无法通过数据接口实现跨网数据传输，此时就需要对专网的网络部署进行修改和拓展，以增加占线板相关的传输线路，这种方式改造成本很高。
技术实现思路
1、专利技术目的：本专利技术旨在至少部分地克服以上技术问题，提出一种轨道交通智能占线板及其信息同步方法。
2、
技术实现思路
：为实现上述目的，本专利技术提出以下技术方案：
3、第一方面，提供了一种轨道交通智能占线板的信息同步方法，该方法包括：
4、获取微机联锁系统的界面图像，所述界面图像中包括轨道交通微机联锁结构示意图；
5、通过预设的ai视觉分析模型，从所述界面图像中提取核心元素，并解析出所述核心元素的状态信息；
6、根据所述核心元素的状态信息，在轨道交通智能占线板显示的所述轨道交通微机联锁结构图中，对所述核心元素进
7、作为第一方面所述方法的一种可选实施方式，所述方法还包括：
8、在获取所述微机联锁系统的界面图像后，将所述界面图像转换为视频流。
9、进一步的，所述核心元素包括信号灯；通过预设的ai视觉分析模型，从所述视频流的图像帧中提取核心元素，并解析出所述核心元素的状态信息，具体包括：
10、根据预设的时间步长，对所述视频流的图像帧进行截取，得到目标图像；
11、对所述目标图像进行预处理，将所述目标图像从颜色空间转换到hsv颜色空间；
12、在所述hsv颜色空间中，根据预设的信号灯颜色掩码，对所述目标图像的像素进行筛选，得到每一种颜色的信号灯对应的目标像素集合；
13、对所述目标像素集合进行轮廓提取，得到每一种颜色的信号灯的位置和数量；
14、基于所述每一种颜色的信号灯的位置和数量，确定所述信号灯的状态信息。
15、具体的，基于所述信号灯的位置和数量，确定所述信号灯的状态信息，具体包括：
16、基于所述每一种颜色的信号灯的位置和数量，在预先构建的信号灯状态字典中，查询所述信号灯的状态信息；所述信号灯状态字典中预先存储了信号灯元素不同显示情况与信号灯状态信息之间的关系。
17、进一步的，所述核心元素包括道岔；通过预设的ai视觉分析模型，从所述视频流的图像帧中提取核心元素，并解析出所述核心元素的状态信息，具体包括：
18、根据预设的时间步长，对所述视频流的图像帧进行截取，得到目标图像；
19、对所述目标图像进行预处理，将所述目标图像从颜色空间转换到hsv颜色空间；
20、在所述hsv颜色空间中，根据预设的道岔颜色掩码，对所述目标图像的像素进行筛选，得到不同颜色的道岔对应的目标像素集合；
21、对所述目标像素集合进行轮廓检测，并计算检测出的轮廓的弧长，以确定每个颜色的道岔的位置和形状；
22、根据所述道岔的颜色、位置和形状，确定所述道岔的状态信息。
23、具体的，根据所述道岔的颜色、位置和形状，确定所述道岔的状态信息，具体包括：
24、基于所述道岔的颜色、位置和形状，在预先构建的道岔状态字典中，查询所述道岔的状态信息；所述道岔状态字典中预先存储了道岔元素的不同显示情况与道岔状态信息之间的关系。
25、进一步的，所述核心元素包括轨道；通过预设的ai视觉分析模型，从所述视频流的图像帧中提取核心元素，并解析出所述核心元素的状态信息，具体包括：
26、根据预设的时间步长，对所述视频流进行截取，得到目标图像；
27、对所述目标图像进行预处理，将所述目标图像从颜色空间转换到hsv颜色空间；
28、在所述hsv颜色空间中，根据预设的轨道颜色掩码，对所述目标图像的像素进行筛选，得到不同颜色的轨道对应的目标像素集合；
29、对所述目标像素集合进行轮廓检测，并计算检测出的轮廓的弧长，以确定每个颜色的轨道的位置和形状；
30、根据所述轨道的颜色、位置和形状，确定所述轨道的状态信息。
31、具体的，根据所述轨道的颜色、位置和形状，确定所述轨道的状态信息，具体包括：
32、基于所述轨道的颜色、位置和形状，在预先构建的轨道颜色字典中，查询所述道岔的状态信息；所述轨道颜色字典中预先存储了轨道元素的不同显示情况与轨道岔状态信息之间的关系。
33、座位第一方面所述方法的一种可选实施方式，所述方法还可以包括：
34、在解析出所述核心元素的状态信息后，采用消息队列rabbitmq中间件，将所述核心元素的状态信息推送至所述轨道交通智能占线板，实现轨道交通微机联锁结构信息的同步呈现。
35、第二方面，提供了一种轨道交通智能占线板，包括：
36、数据获取模块，用于获取微机联锁系统的界面图像，所述界面图像中包括轨道交通微机联锁结构示意图；
37、ai视觉分析模块，用于通过预设的ai视觉分析模型，从所述界面图像中提取核心元素，并解析出所述核心元素的状态信息；
38、显示模块，用于根据所述核心元素的状态信息，在界面显示的所述轨道交通微机联锁结构图中，对所述核心元素进行状态自动标注更新。
39、有益效果：与现有技术相比，本专利技术至少具有以下优势：
40、针对微机联锁系统是独立专网运行、无法通过数据接口实现跨网数据传输的特点，对微机联锁系统的界面图像进行视频流转换，采用视觉分析技术对视频图帧进行元素自动提取、状态自动分析，并自动同步至智能占线板的显示界面，保障了信息同步及时性与可靠性，且该方案不需要对专网进行改造，实施成本较低。
本文档来自技高网...【技术保护点】
1.一种轨道交通智能占线板的信息同步方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
3.如权利要求2所述的方法，其特征在于，所述核心元素包括信号灯；通过预设的AI视觉分析模型，从所述视频流的图像帧中提取核心元素，并解析出所述核心元素的状态信息，具体包括：
4.如权利要求3所述的方法，其特征在于，基于所述信号灯的位置和数量，确定所述信号灯的状态信息，具体包括：
5.如权利要求2所述的方法，其特征在于，所述核心元素包括道岔；通过预设的AI视觉分析模型，从所述视频流的图像帧中提取核心元素，并解析出所述核心元素的状态信息，具体包括：
6.如权利要求5所述的方法，其特征在于，根据所述道岔的颜色、位置和形状，确定所述道岔的状态信息，具体包括：
7.如权利要求2所述的方法，其特征在于，所述核心元素包括轨道；通过预设的AI视觉分析模型，从所述视频流的图像帧中提取核心元素，并解析出所述核心元素的状态信息，具体包括：
8.如权利要求7所述的方法，其特征在于，根据所述轨道的颜色、位置
9.如权利要求1所述的方法，其特征在于，还包括：
10.一种轨道交通智能占线板，其特征在于，包括：
...【技术特征摘要】
1.一种轨道交通智能占线板的信息同步方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
3.如权利要求2所述的方法，其特征在于，所述核心元素包括信号灯；通过预设的ai视觉分析模型，从所述视频流的图像帧中提取核心元素，并解析出所述核心元素的状态信息，具体包括：
4.如权利要求3所述的方法，其特征在于，基于所述信号灯的位置和数量，确定所述信号灯的状态信息，具体包括：
5.如权利要求2所述的方法，其特征在于，所述核心元素包括道岔；通过预设的ai视觉分析模型，从所述视频流的图像帧中提取核心元素，并解析出...
【专利技术属性】
技术研发人员：徐伟敏，钱夔，马荣叶，余冲，徐腾飞，费赛男，
申请(专利权)人：南京睿捷智慧交通科技研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。