用于识别危险空间中的障碍物的方法和设备与流程

本发明涉及一种用于识别危险空间中的障碍物的方法，所述危险空间能够被交通工具驶过。本发明还涉及一种用于识别障碍物的设备。此外，本发明还涉及一种铁路道口，其具有用于识别障碍物的设备。此外，本发明还涉及一种站台，其具有用于识别障碍物的设备。最后，本发明涉及一种计算机程序产品以及一种用于该计算机程序产品的提供装置，其中，所述计算机程序产品配备有用于实施所述方法的程序指令。

背景技术：

1、危险空间例如可以由铁路道口或者站台形成。危险空间在此是必须在交通工具、即列车通过时没有障碍物的轨道区域。具有(全)护栏装置的铁路道口由工作人员或者通过相对昂贵的雷达扫描仪装置进行监测，该雷达扫描装置需要安全许可(安全等级sil-3)。对于更简单的运行条件，也可以采用诸如在警告之后时间控制地关闭(根据db ril 456.0001的呼叫护栏装置)的解决方案。例如在vag纽伦堡也将具有雷达扫描装置的非常复杂的解决方案用于监测站台。

2、在汽车工业中存在用于障碍物识别的广泛使用的算法，但是这些算法还没有在开放的道路环境中使用，因为之前已知具有事故后果的故障情况。原则上，障碍物的识别通过以下方式进行：借助合适的传感装置(光学传感器、雷达、超声波)将位于交通工具前方的区域中的对象识别为障碍物并且计算机辅助地优选通过使用人工智能来分类。分类的结果是识别出那些被认为是障碍的对象。在此情况下，障碍物是可能与相关交通工具发生碰撞的对象。

3、另一方面，也可能将例如处于交通工具的车道以外而因此不会发生碰撞的对象识别出来。这些对象不被分类为障碍物。尤其是在轨道路线中存在大量围绕路线的对象。例如信号灯、转辙器、诸如应答器之类的轨道元件、架空导线、隧道、火车站等。这些不应被分类成障碍物，因为车辆可以从其旁边无障碍地驶过。

4、ai(人工智能)应用目前尚未获准应用于在铁路领域的安全应用(也即高安全级别应用)，这尤其是因为难以理解其确切功能，并且也不能覆盖在铁路领域中为传感装置所必须要求的距离。其可能仅能像必须利用给特殊方法来监控的黑匣子那样被处理。这尤其在用于轨道上的自动驾驶的障碍物识别中是有问题的，必须以高安全性完成障碍物识别。在使用ai时，无法预测传感装置在特定情况下能识别到障碍物的程度，以及传感装置是否有足够的能力识别到障碍物，也不清楚路线的危险空间是否没有障碍物。

5、人工智能(以下也缩写为ki)在本发明的范畴内应狭义地理解为计算机辅助机器学习(以下缩写为ml)。在此涉及的是算法的参数化的统计学习，优选适用于非常复杂的应用情况。系统根据上述学习数据借助ml识别并学习在检测到的过程数据中的模式和规律。借助合适的算法能够通过ml找到所出现的问题的解决方案。ml分为三个领域——监督学习、无监督学习和强化学习(英文：reinforcement learning)，其具有更具体的应用，例如回归和分类、结构识别和预测、数据产生(采样)或自主处理。

6、在监督学习下，系统通过已知数据的输入和相应的输出的关联进行训练，并且通过该方式学习近似函数关系。在此，这有赖于能够使用足够合适的数据，因为如果系统使用不合适的(例如非代表性)数据进行训练，它会学习到错误的功能关系。在无监督学习下，系统也使用样本数据进行训练，但仅使用输入数据，而与已知输出没有任何联系。系统了解如何形成和扩展数据组、相关用例的典型特征以及发生偏差或异常的位置。由此允许描述应用例并发现错误状态。在强化学习下，系统通过试错来学习，通过对给定问题提出解决方案并通过反馈功能接收对该建议的正面或负面评价。根据奖励机制，ai系统学习实施相应的功能。

7、机器学习例如可以通过人工神经网络(以下简称人工神经网络，简称ann)来进行。人工神经网络通常基于许多神经元的网络，例如mcculloch-pitts神经元或轻微修改。原则上，在ann中也可以采取其他人工神经元应用，例如高阶神经元。网络的拓扑结构(连接到节点的分配)必须根据其任务来确定。在网络固件之后进行训练阶段，在该训练阶段中“学习”网络。在此，可以通过以下方法学习网络：

8、·开发新的连接

9、·删除现有的连接

10、·改变权重(从神经元j到神经元i的权重)

11、·如果有阈值，调整神经元的阈值

12、·添加或删除神经元

13、·对激活、传播或输出功能进行修改

14、此外，当神经元的激活函数或网络的学习率发生变化时，学习行为也会发生变化。实际上，ann主要通过修改神经元的权重来学习。阈值的调整在此可以通过on神经元处理。因此，ann能够通过学习算法来学习复杂的非线性函数，学习算法试图通过迭代或递归过程由现有的输入值和所期望的输出值确定函数的所有参数。在此，ann是联结主义流派，因为由多个简单的同类部分组成功能。只有在其加和的情况下才表现出复杂行为。

技术实现思路

1、本发明所要解决技术问题在于，提供一种用于在尤其交通工具驶过的路线上的危险空间中识别障碍物的方法，所述方法自动地实施并且在此满足高安全性要求。此外，本发明所要解决的技术问题还在于，提供一种能够实施所述方法的铁路道口或者站台。此外，本发明所要解决的技术问题在于，提供一种计算机程序产品以及用于所述计算机程序产品的提供装置，通过所述计算机程序产品能够实施所述方法。

2、所述技术问题按照本发明一种用于识别危险空间中的障碍物的方法解决，所述危险空间能够被交通工具驶过，其中，传感器装置检测位于危险空间中或危险空间旁的多个对象，所检测的对象被计算机辅助地识别并且被计算机辅助地评估以便识别障碍物，其中，使用具有待识别的对象的危险空间的模型或模式图来评估这些对象，所述模型包含多个待识别的对象以及这些对象在危险空间中或危险空间旁的位置，其中，根据所述模型针对所识别的对象检查这些对象是否在预期的位置上被识别出，只要识别出的对象对应于所述模型中的所有对象，则触发在危险空间中不存在障碍物的评估，或者只要所述模型中包含与识别出的对象不相对应的对象，则触发在危险空间中存在障碍物的评估，其中，只要所述危险空间被交通工具驶过，就中断对所述对象的评估。

3、因此，根据本发明的用于障碍物识别的方法逆向于在障碍物识别中已知的方法。通常识别有可能成为障碍物的对象，其中，评估的内容是该对象是否实际上成为障碍物。在此会出现不确定性的情况是：有对象未被识别到，并且因此当该对象是障碍物时，也不被注意到。在此，根据现有技术的障碍物识别中存在潜在风险。

4、应当根据按照本发明的方法识别的对象是那些根据危险空间的模型(即对具有待识别的对象的危险空间的描述，所述待识别的对象能够与在测量时通过传感器装置检测和识别到的对象进行比较)而已知其位置的对象。因此，对于未在预期的位置上识别到该对象的情况，可以推断该对象被其它未知的对象遮挡。在此预测性地涉及障碍物，因此不能识别出对象的事实可以用于引发安全措施，例如紧急制动。

5、所述方法的优点在于，仅需识别之前就已知的对象。与识别障碍物本身相比，这可以以更高的方法可靠性来完成，只有在障碍物已经被识别的情况下才知道障碍物的形状以及在路线上或旁的位置。其他的优点在于，如果根据本发明的方法原本可以识别对象但却没有识别出来，则引发原本不需要的安全措施。由此，在对象识别中的错误不会导致事故，而是导致无根据的安全措施。因此，这种错误判断的后果有利地明显小于当发生事故时的后果。这表示，根据本发明的方法本身在故障情况下会以更高的安全性运行。

6、按照本发明的通过危险空间的模型来支持ai的想法按照本发明被用于路线空闲报告、尤其是危险空间空闲报告，即应明确地证明交通工具前方安全距离内的空间，而在该空间内不会存在障碍物，因为所有预期地存在于危险空间中的(由模型定义的)对象都已被识别。

7、在针对障碍物识别的建模中考虑了以下假设的至少一部分(更多内容见下文)：

8、·在危险空间的环境中存在已知的对象，该对象的形状是已知的。所述对象例如可以是信号灯或者告示板或者标志。它们可以具有其他性质，例如告示板的颜色、告示板上的符号、反射率(针对光或雷达辐射而言)。

9、·多个对象优选地相对于构成线路的供交通工具行驶的轨道明确地(例如通过危险空间的立足点的向量)被记录在模型中。

10、·危险空间中或危险空间旁的一个或多个传感器检测周围环境。

11、·ai算法识别对象并且提取对象的所期望的特性、尤其是其外轮廓，必要时清除重叠或者干扰。

12、·可靠的计算机接着作出决定，例如对接近的交通工具(特别是火车)进行控制或者要求紧急制动。

13、模型的特征在于，该模型与待识别的对象在危险空间中或危险空间旁的路线上的位置相关地成像并描述了该待识别的对象。在此，可以选择不同的格式。

14、所述模型可以设计为二维的。在此可以考虑危险空间在地表上的延伸尺寸。在此涉及二维的投影。模型的延伸尺寸也可以三维地在模型中描绘。待识别的对象的位置在此也可以根据其在轨道上方的高度来定义。三维的模型尤其可以描绘为虚拟现实。

15、虚拟现实(以下简称vr)是现实(也称为物理现实)在实时的、计算机产生的、交互式的虚拟环境中的表现。必须产生多详细的vr取决于个性化的应用情况。一般地，vr在3d空间中产生，并且简化描述其物理特性、尤其是地形。

16、应用vr的先决条件是了解观察者、在此即用于检测对象的传感器装置的位置和视向。如果将vr用于铁路交通，则产生一定程度的简化。

17、有利地提出的解决方案为，(除了商业传感器和监控机构之外)不需要附加的安全技术，但尽管如此仍能够可靠地识别对象或者障碍物。在此，按照本发明充分利用静止的场景，然而其中，环境条件、例如天气、时间等可能发生变化。事实表明，使用商业传感器、例如摄像机、激光雷达、雷达等，结合模型识别可以获得非常可靠的结果，然而很难对此进行证明，因为例如机器学习(ml)方法、例如神经网络(nn)是难以解释的。这尤其适用于环境条件可能改变的情况。

18、因此，机器学习方法必须得到支持，以实现能够证明的结果。因此，按照本发明规定，监测固定的区域，然而该区域的“图像”可以根据环境条件改变。即对于固定的环境状态，“正常”的图像是非常相似的，并且外来的对象应当能够比没有附加信息时更好地被识别。按照本发明，尤其容易识别的是不存在对象，因为能够更容易识别已知的对象，即不存在由于障碍物或类似物造成的阻碍。

19、在本发明的上下文中，“计算机辅助的”或“计算机实现的”可以理解为方法的实现，其中，至少一台计算机或处理器执行所述方法的至少一个方法步骤。

20、术语“计算器”或“计算机”涵盖任何具有数据处理特性的电子设备。计算机可以是例如个人计算机、服务器、手持计算机、移动电话和其他处理计算机辅助数据的通信设备、处理器和其他用于数据处理的电子设备，它们也可以优选地组合以形成网络。

21、结合本发明，“处理器”可以理解为例如转换器、用于产生测量信号的传感器或电子电路。所述处理器具体可以是中央处理器(cpu)、微处理器、微控制器或数字信号处理器，其可能与用于存储程序指令的存储器单元等相结合。处理器也可以理解为虚拟化处理器或软件cpu。

22、在本发明的上下文中，“存储器单元”可以理解为例如以随机存取存储器(ram)或数据存储器(硬盘或数据载体)形式的计算机可读取的存储器。

23、“接口”可以根据硬件实现，例如有线或无线电连接，和/或软件，例如各个程序模块或一个或多个计算机程序的程序部分之间的交互。

24、“云”应理解为“云计算”(德国计算机云或数据云)的环境。意思是通过网络接口(如互联网)提供的it基础设施。它通常包括存储空间、计算能力或软件即服务，而无需使用云将这些安装在本地计算机上。作为云计算的一部分提供的服务涵盖了整个信息技术领域，包括基础设施、平台和软件等。

25、“程序模块”应理解为能够实现根据本发明的方法步骤的程序序列的各个功能单元。这些功能单元可以在单个计算机程序或多个相互通信的计算机程序中实现。此处实现的接口可以在单个处理器内以软件的方式实现，如果使用多个处理器，则可以在硬件方面实现。

26、按照本发明的一种设计方案规定，具有关于检测对象的信息的标志被检测为所述对象。

27、如果在危险空间中不存在可以有助于完整的障碍物检测的足够的对象，则该措施特别有利。在这种情况下，可以设置附加的标志，其主要功能是被检测作为对象。至少将作为待检测对象的功能作为信息馈送给所述方法。同时，交通标志还可以包含编码，利用所述编码能够检测额外的信息。在此可以例如涉及位置坐标。

28、尤其可以被证明有利的是，安置特殊的告示板、例如较低地竖立的告示板，以便遮挡危险空间的底部区域。这在进行投影时就已经被考虑到，以便例如排除危险空间中的确定的靠近地面的障碍物。

29、按照本发明的设计方案规定，在触发“危险空间中存在障碍物”的评估之后，所述传感器装置检测处于所述危险空间中的障碍物，并且所检测的障碍物被计算机辅助地识别。

30、换言之，对于已经识别到存在障碍物的情况，像根据现有技术本身已知的那样实施障碍物的识别。然而与根据现有技术的方法相比，在该时刻已经识别到障碍物处于路线上。因此已经可以启动安全措施。然而，像这样对障碍物的识别、尤其是对障碍物的类型的识别可以带来可能会影响决定(例如应实施安全措施)的额外信息(如前所述)。

31、按照本发明的设计方案规定，对铁路道口的危险空间进行监测。

32、以下以铁路道口处的危险空间为例进行说明。铁路道口的被接近的车辆穿过的危险空间由位于护栏装置之间的轨道组成。因此，在该区域中不允许存留障碍物，例如穿越轨道线路并且被困在护栏装置之间的行人或者车辆。

33、按照本发明的设计方案规定，所述传感器装置安装在铁路道口的至少一个道口拦木或者至少一个护栏驱动器上，并且所述传感器装置沿着朝向轨道的视向监测所述危险空间。

34、例如在护栏驱动器和护栏装置本身上(与危险空间本身或者对置的护栏装置对齐地)安装一个或多个摄像机。同时，在道口拦木上施加在视觉上容易识别的、例如反光的、荧光的、具有特征形状等的标志。为此尤其也可以使用悬挂式格栅，其能够更好地覆盖该区域。在危险空间不被遮挡的情况下，可以在另一侧识别相关的标志，并且例如可以使用机器学习方法对所述标志进行识别。如果在两侧都能够足够好地识别标志(例如取决于必须识别的最小测试体的尺寸)，那么则报告危险空间是空闲的。

35、按照本发明的设计方案规定，对站台的危险空间进行监测。

36、对于站台而言，存在乘客或者行李等对象从站台上掉落到轨道上的风险。在这种情况下必须启动安全措施，例如，进入车站的列车必须放慢速度或者甚至停止。

37、尤其在地铁中的近距离交通的站台或者在安全要求较低时，也可以单侧地实施所述布置方式，例如摄像机仅布置在其中一侧、例如站台下面，而模型仅布置在另一侧。

38、按照本发明的设计方案规定，所述传感器装置安装在站台的站台棱边处或者站台棱边下方，或者与所述站台相对置地安装，并且所述传感器装置沿着朝向轨道的视向监测所述危险空间。

39、备选地，所述技术问题按照本发明还通过一种用于识别障碍物的设备解决，所述设备具有用于检测危险空间中的对象的传感器装置和用于识别所检测的对象的计算机，其中，所述设备设计用于实施前述类型的方法。

40、备选地，所述技术问题按照本发明还通过一种铁路道口解决，所述铁路道口具有用于识别障碍物的设备，所述设备具有用于检测铁路道口的危险空间中的对象的传感器装置和用于识别所检测的对象的计算机，其中，所述设备设计用于实施前述类型的方法。所述技术问题按照本发明还通过一种站台解决，所述站台具有用于识别障碍物的设备，所述设备具有用于检测站台前的危险空间中的对象的传感器装置和用于识别所检测的对象的计算机，其中，所述设备设计用于实施前述类型的方法。

41、通过所述设备、铁路道口和站台能够实现结合前述方法已经阐述的优点。针对根据本发明的方法的描述相应地也适用于根据本发明的设备。

42、此外，本发明要求保护一种计算机程序产品，其具有用于实施根据本发明的方法和/或其实施例的程序指令，其中，借助计算机程序产品能够分别实施根据本发明的方法和/或其实施例。所述计算机程序产品包括程序指令，该程序指令在被计算机执行时使计算机实施所述方法或者至少实施所述方法的由计算机实现的步骤。

43、此外，本发明还要求保护一种用于存储和/或提供计算机程序产品的提供装置、尤其是一种用于存储计算机程序产品的计算机可读取的存储介质。所述提供装置例如是存储器单元，其存储和/或提供计算机程序产品。作为备选和/或补充，提供装置例如是网络服务、计算机系统、服务器系统，特别是分布式的例如基于云的计算机系统和/或虚拟计算机系统，其存储和/或优选地以数据流的形式提供计算机程序产品。

44、以程序数据组的形式作为计算机程序产品的文件、尤其作为下载文件或者作为数据流、尤其作为下载数据流被提供。然而也可以例如作为由多个部分组成的部分下载被提供。这种计算机程序产品例如使用提供装置而被读入系统中，从而根据本发明的方法在计算机上执行。