ES3054933T3 - Rail recognition using lidar - Google Patents

Abstract

La invención se refiere a un método de reconocimiento de vías. En este método, una unidad lidar (81) detecta los datos puntuales (PD) de una región frontal de un vehículo ferroviario (90). A partir de estos datos, se determina una ventana (ABD) que comprende una vía. También se detectan puntos candidatos (PP) en la ventana (ABD). Finalmente, se determina un modelo ferroviario (SBD) a partir de los puntos candidatos (PP). La invención también se refiere a un dispositivo de reconocimiento de vías (80). La invención también se refiere a un vehículo ferroviario (90). (Traducción automática con Google Translate, sin valor legal)

Description

[0001] DESCRIPCIÓN

[0002] Reconocimiento de raíles con LiDAR

[0003] La presente invención hace referencia a un procedimiento para el reconocimiento de raíles con LiDAR. En el procedimiento, datos de puntos se detectan mediante una unidad LiDAR desde un área frontal delante del vehículo ferroviario. Además, la invención hace referencia a un dispositivo de reconocimiento de raíles. Asimismo, la invención hace referencia a un vehículo ferroviario.

[0004] El reconocimiento de raíles puede ser de utilidad en distintos problemas de la conducción autónoma. Por ejemplo, el reconocimiento de raíles es importante para el reconocimiento de señales, ya que en ese caso se determina qué señal es relevante para el vehículo. El reconocimiento de raíles también cumple un rol en el reconocimiento de obstáculos, puesto que en ese caso debe determinarse si un objeto entra en contacto o no con la ruta del vehículo ferroviario. Del mismo modo, el reconocimiento de raíles cumple un rol en la localización de un vehículo ferroviario, en particular cuando debe determinarse en qué vía se encuentra precisamente un vehículo ferroviario o si el mismo se detiene cerca de un aparato de vía.

[0005] Convencionalmente, para el reconocimiento de raíles se utiliza un mapa en asociación con una posición conocida del vehículo, para determinar la siguiente ruta del vehículo. Ese procedimiento tiene las siguientes desventajas:

[0006] - Si la posición del vehículo ferroviario no es conocida hasta un grado de precisión elevado, la ruta proyectada con datos de sensor puede asociarse de forma incorrecta, lo que conduce a resultados positivos falsos o negativos falsos, en particular en el reconocimiento de obstáculos.

[0007] - El mapa debe actualizarse de forma permanente.

[0008] En el reconocimiento de raíles con la ayuda de cámaras se presenta el problema de que las imágenes registradas no presentan información de profundidad. Por ese motivo, puede suceder que cuando los raíles detectados se proyectan en datos de sensor 3D, se produce un error de profundidad en la ruta proyectada, lo que puede conducir a resultados positivos falsos o negativos falsos en el reconocimiento de obstáculos. Ya se ha intentado realizar un reconocimiento de raíles con LiDAR. En ese caso, el sistema LiDAR se posicionó cerca del raíl, de modo que el curso de los raíles pudo determinarse con facilidad. Sin embargo, si debe monitorizarse un área de mayor tamaño delante de un vehículo ferroviario, el número de los puntos en una nube de puntos aumenta de manera excesiva. También las características registradas habitualmente, como por ejemplo la diferencia de altura o la diferencia de intensidad entre puntos contiguos en un registro, son tanto más difíciles de determinar cuanto más alejados se encuentran los puntos LiDAR de los sensores, como es el caso al monitorizar un área de mayor tamaño delante de un vehículo ferroviario.

[0009] Por la solicitud WO 2016/118672 A2 se conocen un procedimiento y un dispositivo para la visión mediante ordenador en tiempo real y el análisis de datos de nubes de puntos para la teledetección y el control de vehículos. Los datos de nubes de puntos pueden analizarse mediante sistemas de ordenador de nube escalables, centralizados, para extraer información de activos y crear mapas semánticos. Una memoria de datos/preprocesador divide un registro de datos para la retransmisión (streaming) hacia una unidad de procesamiento dividida y para el funcionamiento mediante mecanismos de análisis de datos. La salida de la unidad de procesamiento se agrega mediante un generador de mapas. Los componentes de aprendizaje automático pueden optimizar mecanismos de análisis de datos para mejorar la extracción de activos y de características desde los datos de sensor. Los mecanismos de análisis de datos optimizados pueden descargarse en vehículos para la utilización en sistemas de a bordo que analizan datos de sensor del vehículo. Los datos de mapas semánticos pueden utilizarse localmente en vehículos, junto con sensores de a bordo, para deducir una localización precisa del vehículo y para proporcionar entradas para sistemas de control del vehículo.

[0010] MOSTAFA ARASTOUNIA: "Automated Recognition of Railroad Infrastructure in Rural Areas from LIDAR Data", REMOTE SENSING, volumen 7, número 11, del 6 de noviembre de 2015 (2015‑11‑06), páginas 14916‑14938, XP055484505, DOI: 10.3390/rs71114916, describe un procedimiento automatizado para el reconocimiento de infraestructura ferroviaria a partir de datos LiDAR 3D. La infraestructura ferroviaria incluye vías, cables de contacto, cables portadores, postes y extensiones. El registro de datos LiDAR utilizado fue registrado mediante el sistema cartográfico móvil "Optech Lynx" que fue montado en un vehículo ferroviario operado a 125 km/h. Mediante el procedimiento de reconocimiento, fueron componentes clave, los resultados que están representados tanto en el plano del objeto, como también en el plano de nubes de puntos.

[0011] Por tanto, el objeto consiste en proporcionar un procedimiento y un dispositivo para el reconocimiento de raíles con una fiabilidad mejorada.

[0013] Dicho objeto se soluciona mediante un procedimiento para el reconocimiento de raíles desde un vehículo ferroviario según la reivindicación 1, un dispositivo de reconocimiento de raíles según la reivindicación 9 y un vehículo ferroviario según la reivindicación 10.

[0015] En el procedimiento según la invención para el reconocimiento de raíles desde un vehículo ferroviario, se registran datos de puntos desde un área frontal delante del vehículo ferroviario, mediante una unidad LiDAR. Los datos de puntos forman una nube de puntos que representa el entorno del vehículo ferroviario. El área frontal puede escanearse mediante una unidad LiDAR, por ejemplo de forma anular, donde cada anillo LiDAR presenta una distancia diferente con respecto al sensor de la unidad LiDAR. La unidad LiDAR preferentemente está dispuesta del lado de a bordo. De manera ventajosa, a diferencia de las unidades LiDAR dispuestas del lado de la infraestructura, sólo se necesita una única unidad LiDAR para el reconocimiento de raíles para un vehículo ferroviario. Además, una sección de imagen se determina en base a los datos de puntos que comprende una fila de raíles. Seleccionando una sección de imagen más reducida puede reducirse la cantidad de los puntos de imagen que deben procesarse. Además, se determinan puntos candidatos en la sección de imagen. Por último, se determina un modelo de raíl en base a los puntos candidatos, en donde el modelo, así como líneas de raíl definidas mediante el modelo, se adaptan a los puntos candidatos. En la adaptación se desestiman puntos candidatos que no son acordes al modelo. Por ejemplo, se desestiman puntos candidatos que se encuentran por fuera del área prevista de una fila de raíles. El procedimiento también es adecuado para la detección de raíles sobre grandes distancias, ya que se reduce en alto grado la cantidad de los datos que deben procesarse en las etapas individuales, en particular mediante la selección de una sección de imagen y la fijación de los puntos candidatos, solucionando el problema de una cantidad de puntos demasiado grande y de la inversión para el procesamiento de datos, asociada a ello. La selección de la sección de imagen tiene lugar en base a parámetros del raíl ya conocidos que limitan la posible posición o ubicación de los raíles en el espacio. Expresado de otro modo, para los parámetros individuales del raíl es conocido un rango de valores en el que se encuentran los valores de los parámetros del raíl mencionados. Mediante los valores mínimos y valores máximos conocidos de esos parámetros puede determinarse un área espacial y, con ello, también un área de imagen en la que deben encontrarse los raíles. Los valores mencionados de los parámetros de los raíles, por ejemplo, pueden estar establecidos mediante reglamentos, debido a consideraciones de seguridad. A modo de ejemplo, pueden mencionarse aquí la curvatura de las curvas máxima, una pendiente máxima o una inclinación máxima, y similares. Al determinar puntos candidatos se determina si en el mismo anillo LiDAR se encuentran presentes puntos con valores x-y muy diferentes (el plano x-y se sitúa perpendicularmente al vector de la fuerza de gravedad), pero sin grandes diferencias de altura. De manera ventajosa, con ello también pueden determinarse puntos candidatos a una mayor distancia, en particular en curvas en las que las diferencias de altura entre raíles y el entorno sólo pueden reconocerse con dificultad. Ese efecto se basa en el hecho de que el haz LiDAR, a distancias mayores, debido al ángulo más reducido bajo el que el haz LiDAR incide allí en los raíles, en particular en curvas, con mayor frecuencia alcanza las superficies laterales de los raíles que su lado superior, ya que en un caso de esa clase las superficies laterales, bajo un ángulo llano, parecen mucho más grandes que las superficies del lado superior de los raíles. El último punto que aún llega a los raíles, con respecto al siguiente punto en el mismo anillo LiDAR que ya no alcanza los raíles, está entonces más alejado que próximo al sensor, lo que puede utilizarse para la detección de los raíles más alejados. Es decir, que las distancias grandes entre puntos contiguos del mismo anillo LiDAR pueden utilizarse como indicación de un raíl.

[0017] El dispositivo de reconocimiento de raíles según la invención presenta una unidad LiDAR para la detección de datos de escaneo. También forma parte del dispositivo de reconocimiento según la invención una unidad de de determinación para determinar una sección de imagen que comprende una fila de raíles. El dispositivo de reconocimiento de raíles según la invención también comprende una unidad de determinación de puntos para determinar puntos candidatos en la sección de imagen. Además, el dispositivo de reconocimiento de raíles según la invención presenta una unidad de modelación para adaptar un modelo de raíl en base a los puntos candidatos, donde los puntos candidatos se determinan en función de si se presentan datos de escaneo con valores x-y muy diferentes, pero con el mismo valor de altura y en el mismo anillo LiDAR. El dispositivo de reconocimiento de raíles según la invención comparte las ventajas del procedimiento según la invención para el reconocimiento de raíles desde un vehículo ferroviario.

[0019] El vehículo ferroviario según la invención presenta el dispositivo de reconocimiento de raíles según la invención. El vehículo ferroviario según la invención comparte las ventajas del dispositivo de reconocimiento de raíles según la invención.

[0021] Una implementación en gran medida según el software ofrece la ventaja de que también los dispositivos de control de vehículos ferroviarios, ya utilizados hasta el momento, eventualmente después de ser equipados con una unidad LiDAR, pueden equiparse posteriormente de forma sencilla mediante una actualización de software, para poder funcionar del modo según la invención. En este sentido, el objeto se soluciona también mediante un producto de programa de ordenador correspondiente con un programa de ordenador que puede cargarse directamente en un dispositivo de almacenamiento de un dispositivo de control de esa clase, con partes de programa para realizar todas las etapas del procedimiento según la invención cuando el programa se ejecuta en el dispositivo de control. Un producto de programa de ordenador de esa clase, junto con el programa informático, eventualmente puede comprender elementos adicionales, como por ejemplo una documentación y/o componentes adicionales, también componentes de hardware, como por ejemplo llaves de hardware (dongles, etc.) para utilizar el software.

[0022] Para la transferencia hacia el dispositivo de control y/o para el almacenamiento en o dentro del dispositivo de control puede utilizarse un medio legible por ordenador, por ejemplo una tarjeta de memoria, un disco duro u otro soporte de datos portátil o instalado de forma fija, en el cual están almacenadas las partes de programa, del programa de ordenador, que pueden ser leídas y ejecutadas por una unidad informática del dispositivo de control. La unidad informática, por ejemplo, puede presentar para ello uno o varios microprocesadores o similares que trabajen de forma conjunta. La unidad informática, por ejemplo, puede formar parte de un dispositivo de control autónomo de un vehículo ferroviario.

[0023] Las reivindicaciones dependientes, así como la siguiente descripción, contienen respectivamente variantes y perfeccionamientos ventajosos de la invención. De este modo, en particular las reivindicaciones de una categoría de reivindicaciones pueden estar perfeccionadas también de forma análoga a las reivindicaciones dependientes de otra categoría de reivindicaciones y sus partes de la descripción. Además, en el marco de la invención, las diferentes características de diferentes ejemplos de ejecución y reivindicaciones también pueden combinarse formando nuevos ejemplos de ejecución.

[0024] En una configuración del procedimiento según la invención para el reconocimiento de raíles desde un vehículo ferroviario, la etapa de la determinación de una sección de imagen tiene lugar en base al conocimiento de la posición de las ruedas del vehículo ferroviario, relativamente con respecto a la unidad LiDAR. De manera ventajosa, el conocimiento de la posición de las ruedas del vehículo ferroviario puede utilizarse para determinar la posición de los raíles en la dirección de la anchura, al menos cerca del vehículo ferroviario. Las ruedas del vehículo ferroviario se encuentran sobre los raíles y, con ello, la posición de las ruedas también indica la posición de los raíles, en particular en la dirección transversal en la posición del vehículo ferroviario. Puesto que el curso del raíl, del modo ya mencionado, se determina mediante parámetros del raíl conocidos o rangos de valores de parámetros del raíl conocidos que limitan la posible posición o ubicación de los raíles en el espacio, puede limitarse de modo correspondiente la sección de imagen que reproduce el curso del raíl. En particular, esto se aplica en el área próxima del vehículo ferroviario. Cuanto más alejados del vehículo ferroviario se sitúen los puntos de escaneo, tanto más ancha en dirección transversal será también el área de una posible posición del raíl, ya que los raíles pueden desviarse cada vez más de una guía lineal recta en función del alejamiento de la línea recta.

[0025] Preferentemente, la determinación de puntos candidatos tiene lugar en base al conocimiento de la altura y de la intensidad de puntos de imagen. Debido a los raíles sobresalientes, la intensidad de los puntos de imagen en el área del raíl debería ser más tenue que en el entorno directo. Puesto que los raíles se sitúan más elevados, o en el caso de tranvías o pasos a nivel, se sitúan más bajos que el balasto circundante, esa diferencia de altura puede evaluarse como un indicador de que un raíl se encuentra en ese punto. Del modo mencionado, la intensidad de los puntos de escaneo en el área de los raíles es especialmente reducida, ya que aquí se reflecta menos luz en dirección del sistema de sensores. Una intensidad de la imagen especialmente reducida, por tanto, igualmente puede interpretarse como un indicio de un raíl.

[0026] En una configuración del procedimiento según la invención para el reconocimiento de raíles desde un vehículo, la adaptación del modelo de raíl tiene lugar en base a un algoritmo RANSAC (RANSAC = random sample consensus = consenso de muestra aleatoria). Un algoritmo RANSAC es un algoritmo para estimar un modelo dentro de una serie de valores de medición con valores atípicos y errores graves. Debido a su robustez con respecto a los valores atípicos, éste se utiliza ante todo en la evaluación de mediciones automáticas en el área de la visión mediante ordenador. Aquí, este algoritmo favorece procedimientos de compensación, como por ejemplo el método de los mínimos cuadrados, que suelen fallar cuando hay una gran cantidad de valores atípicos, mediante el cálculo de un conjunto de datos limpio de valores atípicos, el así llamado conjunto de consenso. De manera ventajosa, con un procedimiento de esa clase puede mejorarse la fiabilidad del modelo de raíl adaptado.

[0027] Preferentemente, en el procedimiento según la invención, la determinación de una sección de imagen tiene lugar en base a una de las siguientes variables:

[0028] - una pendiente máxima del curso del raíl,

[0029] - un peralte máximo de los raíles, en particular en curvas,

[0030] - una curvatura de curvas máxima de los raíles,

[0031] - una variación máxima de la curvatura de curvas de los raíles.

[0032] Los valores máximos de los parámetros mencionados determinan un área de imagen en la que pueden o deben encontrarse los raíles buscados. Ventajosamente, conociendo esos parámetros o sus rangos de valores puede limitarse la sección que debe registrarse y, con ello, puede reducirse la cantidad de datos que debe procesarse y, de este modo, puede acelerarse el procedimiento, así como puede reducirse la necesidad de capacidades de procesamiento de datos utilizadas. Si el área de la imagen se determina cerca del vehículo ferroviario, aún mediante la posición de las ruedas del vehículo ferroviario, entonces ésta se amplía cada vez más en correspondencia con los parámetros mencionados, al aumentar la distancia desde el vehículo ferroviario. En conjunto, sin embargo, considerando esos parámetros, puede limitarse una sección de imagen que debe procesarse, lo que debido al número más reducido de los puntos de imagen que debe procesarse contribuye a una carga de datos reducida y, con ello, a una velocidad de procesamiento de datos mejorada. Esto es ventajoso en particular para requisitos en tiempo real, como se presentan en el caso de un funcionamiento autónomo de vehículos ferroviarios.

[0033] De manera especialmente preferente, en la adaptación del modelo de raíl la distancia conocida entre los raíles se utiliza como condición limitante. Es decir, que de la posición y la distancia de los raíles puede resultar por ejemplo la posición de las líneas del raíl directamente en el vehículo ferroviario, así como delante de las ruedas del vehículo ferroviario. De manera ventajosa, debido a esa información puede reducirse el esfuerzo de cálculo para determinar la posición y el curso de raíles que se extienden de forma paralela.

[0034] En una configuración del procedimiento según la invención, para la determinación de una sección de imagen puede utilizarse una longitud de sección predeterminada. De manera ventajosa, debido al tamaño limitado del área de registro puede reducirse la cantidad de datos que deben procesarse en la adaptación del modelo de raíl. Por consiguiente, se necesitan menos capacidades de procesamiento de datos, así como el procesamiento de datos puede tener lugar en menos tiempo, eventualmente incluso en tiempo real.

[0035] A continuación, la invención se explica una vez más en detalle, haciendo referencia a las figuras que se adjuntan, mediante ejemplos de ejecución. Muestran:

[0036] Figura 1 un diagrama de flujo que ilustra un procedimiento para el reconocimiento de raíles según un ejemplo de ejecución de la invención,

[0037] Figura 2 una representación esquemática de una imagen de escaneo en base a datos LiDAR, desde un vehículo ferroviario, según un ejemplo de ejecución de la invención,

[0038] Figura 3 una representación esquemática de una imagen de la representación mostrada en la Figura 2, según un ejemplo de ejecución de la invención,

[0039] Figura 4 una representación esquemática de la sección mostrada en la Figura 3, con puntos de raíl marcados,

[0040] Figura 5 una representación esquemática de la representación mostrada en la Figura 4 con líneas de raíl adaptadas según un ejemplo de ejecución de la invención,

[0041] Figura 6 una representación esquemática de una imagen de escaneo en base a datos LiDAR, desde una fila de raíles, con un aparato de vía,

[0042] Figura 7 una representación esquemática de una imagen de escaneo en base a datos LiDAR, desde una vía ferroviaria con dos filas de raíles que se extienden de forma paralela,

[0043] Figura 8 una representación esquemática de un dispositivo de reconocimiento de raíles según un ejemplo de ejecución de la invención,

[0044] Figura 9 una representación esquemática de un vehículo ferroviario según un ejemplo de ejecución de la invención.

[0045] En la Figura 1 se muestra un diagrama de flujo 100 que ilustra un procedimiento para el reconocimiento de raíles según un ejemplo de ejecución de la invención.

[0046] En la etapa 1.I tiene lugar un escaneo de una vía ferroviaria con la ayuda de un sistema LiDAR que está instalado en un vehículo ferroviario. De ese modo se escanean millones de puntos. Esos datos de puntos PD detectados son generados por el entorno del vehículo ferroviario. Los puntos de esa clase pueden apreciarse en la Figura 2. En la etapa 1.II se obtiene una sección ABD desde los datos de puntos, en la que debe situarse la vía o la fila de raíles delante del vehículo ferroviario. Esa sección ABD, por ejemplo, puede determinarse en base al conocimiento de la posición de las ruedas, relativamente con respecto a los datos de imagen o datos de puntos PD, la limitación de la curvatura de las curvas, la pendiente, así como el peralte de curvas. En la Figura 3 puede apreciarse una sección de esa clase.

[0047] En la etapa 1.III se generan datos de puntos de raíl PBD en base a los datos de sección ABD generados en la etapa 1.II. En este caso, ahora se realiza una sugerencia de en qué punto podría encontrarse un raíl. Para ello, se marcan puntos PP en los datos de imagen ABD seccionados, lo que puede apreciarse en la Figura 4. Esos puntos PP se marcan en lugares que presentan una diferencia de altura de aproximadamente la altura de raíles relativamente con respecto al entorno. También la información de intensidad puede utilizarse para reconocer puntos de raíl PP. No obstante, ese efecto disminuye al aumentar la distancia, ya que entonces los haces LiDAR alcanzan los lados de los raíles en lugar del lado superior de los raíles. Ese efecto se presenta especialmente en curvas. Para curvas que están más alejadas del vehículo ferroviario, la determinación de una gran diferencia de las posiciones x-y de puntos consecutivos que pertenecen al mismo anillo LiDAR, sin presentar grandes diferencias de altura, también puede utilizarse para determinar posibles puntos que pertenezcan a los raíles.

[0048] En la etapa 1.IV tiene lugar un proceso de adaptación en el que un modelo de raíl SBD se adapta a los puntos PP propuestos. Para ello, por ejemplo, puede utilizarse un procedimiento RANSAC para adaptar dos curvas paralelas a los puntos PP determinados en la etapa 1.III. Pueden no tenerse en cuenta los puntos PP que forman una curva que se extiende paralelamente con respecto a los raíles, cuya distancia con respecto a un raíl, sin embargo, no coincide con la anchura del raíl prevista. Las etapas del proceso mencionadas también pueden realizarse por secciones, para reducir la cantidad de los puntos de una nube de puntos que deben evaluarse. Las curvas SBD generadas en el proceso de adaptación, que representan el curso del raíl detectado, se muestran en la Figura 5.

[0049] En la Figura 2 se muestra una representación 20 de una imagen registrada con la ayuda de un sensor LiDAR, desde una nube de puntos, que ilustra una sección del entorno delante de un vehículo ferroviario. Los puntos PD individuales presentan distintos tonos de gris que representan una intensidad diferente de las señales LiDAR registradas. En la representación 20 pueden reconocerse diferencias de nivel que indican un terraplén con una estructura de vía. En el área superior de la imagen pueden observarse de forma borrosa postes de señales y otros objetos, al costado del terraplén. En el área inferior de la representación 20 está marcada una cuadrícula R con la que pueden determinarse distancias entre objetos o puntos individuales. Como puede apreciarse en la Figura 2, los dos raíles están distanciados uno de otro un poco más que una longitud de la cuadrícula.

[0050] En la Figura 3 se ilustra una sección ABD de la representación 20 mostrada en la Figura 2. La sección ABD mostrada comprende la sección que, en base a restricciones ya conocidas, representa el área en la que deben buscarse los raíles. Por ejemplo, los puntos de inicio de los raíles aparecen en el área de imagen inferior, a partir de las posiciones de las ruedas del vehículo ferroviario. Mediante limitaciones conocidas para el curso posterior de los raíles, pos consiguiente, puede determinarse un área que se ensancha cada vez más al aumentar la distancia con respecto al vehículo ferroviario, en la que deben encontrarse los raíles.

[0051] En la Figura 4 se muestra la sección ABD, ya ilustrada en la Figura 3, con una pluralidad de puntos candidatos de raíl PP marcados. Los puntos candidatos de raíl PP, por ejemplo, pueden determinarse mediante la diferencia altura que presentan con respecto al entorno. La diferencia de altura debería corresponder aproximadamente a la altura de un raíl. También una diferencia de intensidad en la dirección transversal puede utilizarse como indicador de un punto candidato de raíl PP.

[0052] En la Figura 5 se ilustra una representación esquemática de la representación mostrada en la Figura 4 con un modelo de raíl SBD que comprende líneas de raíl SL adaptadas a los puntos de raíl PP determinados, según un ejemplo de ejecución de la invención. Las líneas de raíl SL pueden determinarse con la ayuda de un algoritmo RANSAC, en base a los puntos candidatos de raíl PP previamente determinados.

[0053] En la Figura 6 se muestra una vía ferroviaria 60 con un aparato de vía W desde el que parten dos filas de raíles T1, T2 que se alejan una de otra. Si se examinan segmentos más cortos, entonces pueden detectarse ambas bifurcaciones. Una bifurcación de esa clase, por ejemplo, puede reconocerse debido a una mala adaptación en la etapa de adaptación (etapa 1.IV) o mediante un gran número de puntos adyacentes, es decir, puntos que no pueden aproximarse mediante un modelo de raíl de un tramo de una sola vía. La etapa 1.II, por tanto, la determinación de una sección de imagen ABD, puede aplicarse en ambas bifurcaciones, para revisar posibles bifurcaciones de los raíles. La determinación de las secciones de imagen ABD para las bifurcaciones, por ejemplo, puede tener lugar en base a una geometría conocida de un aparato de vía. A continuación, se realizan por separado las etapas restantes (1.III, 1.IV) para las dos bifurcaciones.

[0054] En la Figura 7 se muestra una vía ferroviaria 70 con dos filas de raíles T1, T2 paralelas separadas. En un caso de esa clase, el área de escaneo ABD debe extenderse en correspondencia con la anchura, para detectar ambas filas de raíles.

[0055] En la figura 8 se muestra una representación esquemática de un dispositivo de reconocimiento de raíles 80, según un ejemplo de ejecución de la invención.

[0056] El dispositivo de reconocimiento de raíles 80 presenta una unidad LiDAR 81 para la detección de datos de puntos PD. Una unidad de evaluación 82 también forma parte del dispositivo de reconocimiento de raíles 80. El dispositivo de evaluación 82 comprende una unidad de determinación 82a para determinar una sección de imagen ABD que comprende una fila de raíles. También una unidad de determinación de puntos 82b forma parte del dispositivo de evaluación 82, para determinar puntos candidatos PP en la sección de imagen ABD. Los datos PBD con los puntos candidatos PP se transmiten a una unidad de modelación 82c que se utiliza para adaptar un modelo de raíl en base a los puntos candidatos PP. Desde el dispositivo de evaluación 82 se emiten datos del modelo de raíl SBD que se basan en datos de posición del raíl, que por ejemplo pueden ser procesados posteriormente por un dispositivo de control de un vehículo ferroviario autónomo.

[0057] En la Figura 9 se representa esquemáticamente un vehículo ferroviario 90 de esa clase que comprende el dispositivo de reconocimiento de raíles 80 mostrado en la Figura 8. Los datos de posición del raíl determinados por el dispositivo de reconocimiento de raíles 80 o el modelo de raíl SBD que se basa en los datos de posición del raíl determinados se transmiten a un dispositivo de control 91 comprendido por el vehículo ferroviario 90, que en base a esos datos de posición del raíl, mediante la transmisión de datos de control SD, realiza de forma automatizada un control de un motor 92 y de frenos 93.

[0058] Por último, cabe señalar una vez más que los procedimientos y dispositivos antes descritos se tratan solamente de ejemplos de ejecución preferentes de la invención, y que la invención puede ser modificada por el experto sin abandonar el área de la invención, en tanto la misma esté predeterminada por las reivindicaciones. En aras de la exhaustividad, cabe señalar también que la utilización de los artículos indeterminados "uno" o "una" no excluye que las respectivas características también puedan estar presentes repetidas veces. Del mismo modo, el término "unidad" no excluye que la misma se componga de varios componentes, que eventualmente también pueden estar distribuidos en el espacio.

Claims (12)

1. REIVINDICACIONES

1. Procedimiento para el reconocimiento de raíles desde un vehículo ferroviario (90), que presenta las etapas:

- detección de datos de puntos (PD) mediante una unidad LiDAR (81) desde un área frontal delante del vehículo ferroviario (90), donde el área frontal es escaneada de forma anular mediante la unidad LiDAR, donde cada anillo LiDAR presenta una distancia diferente con respecto a un sensor de la unidad LiDAR, - determinación de una sección de imagen (ABD) que comprende una fila de raíles, en base a los datos de puntos (PD),

- determinación de puntos candidatos (PP) en la sección de imagen (ABD),

- determinación de un modelo de raíl (SBD) en base a los puntos candidatos (PP),

- donde los puntos candidatos (PP) se determinan en función de si se presentan datos de puntos (PD) con valores x-y muy diferentes, pero con el mismo valor de altura y en el mismo anillo LiDAR, donde un plano x-y se define como situado perpendicular al vector de la fuerza de gravedad.

2. Procedimiento según la reivindicación 1, donde la etapa de la determinación de una sección de imagen (ABD) tiene lugar en base al conocimiento de la posición de las ruedas del vehículo ferroviario (80), relativamente con respecto a la unidad LiDAR (81).

3. Procedimiento según la reivindicación 1 ó 2, donde la determinación de puntos candidatos (PP) tiene lugar en base al conocimiento de la altura y de la intensidad de puntos de imagen (PD).

4. Procedimiento según una de las reivindicaciones precedentes, donde la determinación del modelo de raíl (SBD) tiene lugar en base a un algoritmo RANSAC.

5. Procedimiento según una de las reivindicaciones precedentes, donde la determinación de una sección de imagen (ABD) tiene lugar en base al conocimiento de una pendiente máxima y/o de un peralte máximo y/o de una curvatura de curvas máxima de los raíles.

6. Procedimiento según una de las reivindicaciones precedentes, donde el conocimiento de la variación máxima de la curvatura de curvas de los raíles se utiliza para determinar la sección de imagen (ABD).

7. Procedimiento según una de las reivindicaciones precedentes, donde en la determinación del modelo de raíl el modelo de raíl (SBD) se adapta a los puntos candidatos (PP), y en la adaptación del modelo de raíl (SDB) una distancia conocida entre los raíles se utiliza como condición limitante.

8. Procedimiento según una de las reivindicaciones precedentes, donde para la determinación de una sección de imagen (ABD) se utiliza una longitud de sección predeterminada.

9. Dispositivo de reconocimiento de raíles (80), que presenta:

- una unidad LiDAR (81) para detectar datos de puntos (PD) desde un área frontal delante de un vehículo ferroviario (90) mediante el escaneo anular del área frontal, de modo que se detectan anillos LiDAR con distancias respectivamente diferentes con respecto a un sensor de la unidad LiDAR,

- una unidad de determinación (82a) para determinar una sección de imagen (ABD) que comprende una fila de raíles, en base a los datos de puntos (PD),

- una unidad de determinación de puntos (82b) para determinar puntos candidatos (PP) en la sección de imagen (ABD),

- una unidad de modelación (82c) para determinar un modelo de raíl (SBD) en base a los puntos candidatos (PP),

- donde la unidad de determinación de puntos está configurada para determinar los puntos candidatos (PP) en función de si se presentan datos de puntos (PD) con valores x-y muy diferentes, pero con el mismo valor de altura y en el mismo anillo LiDAR, donde un plano x-y se define como situado perpendicular al vector de la fuerza de gravedad.

10. Vehículo ferroviario (90) que presenta un dispositivo de reconocimiento de raíles (80) según la reivindicación 9.

11. Producto de programa de ordenador con un programa de ordenador que puede cargarse directamente en una unidad de almacenamiento de un vehículo ferroviario equipado con un dispositivo de reconocimiento de raíles según la reivindicación 9 ó 10, con partes de programa para realizar todas las etapas de un procedimiento según una de las reivindicaciones 1 a 8, cuando el programa de ordenador se ejecuta en el vehículo ferroviario.

12. Medio legible por ordenador, en el cual están almacenadas partes de programa que pueden ser ejecutadas por una unidad informática, para realizar todas las etapas del procedimiento según una de las reivindicaciones 1 a 8, cuando las partes de programa son ejecutadas por la unidad informática que está proporcionada en un vehículo ferroviario equipado con un dispositivo de reconocimiento de raíles según la reivindicación 9 ó 10.