WIMI微美全息基于全息AI图像识别技术开发无人驾驶轨道车辆障碍物边缘检测软件，提高轨道障碍物检测的识别效率

城市轨道交通作为一种大容量、高密度的公共交通工具，其安全性直接关系到乘客的生命安全，为了保证该系统的安全、高效运行，必须有一套安全可靠的运行控制系统。无人驾驶轨道交通是一种无需驾驶员介入就能实现全自动化的交通方式。随着科技的进步，无人化、自动化已经成为了运输领域的发展趋势，而无人化技术在我国铁路建设中的应用也日益广泛。在自动行驶的城市轨道交通中，自动障碍物的探测系统是智能列车必不可少的一项功能，它可以代替驾驶员对轨道上的障碍物进行了观察，一旦发现有外来物体入侵，可实时通知控制中心和驾驶员，同时检测出异常的种类和距离，从而提高运行的安全可靠性，降低运维成本。

主动障碍物探测系统使用的技术与传统的列车控制系统有所不同，利用了汽车领域的环境感知技术，采用的传感器选用汽车自动驾驶使用的激光雷达、毫米波雷达、摄像头一致，在感知算法方面采用汽车自动驾驶使用的机器学习算法进行目标检测和分类，将汽车领域的多传感器融合技术进行跨界应用。

WIMI微美全息（NASDAQ:WIMI）研发团队基于全息图像识别技术开发了无人驾驶轨道车辆障碍物边缘检测软件，用于提高轨道障碍物检测的识别效率。WIMI微美全息研发团队在障碍物检测软件中加入人工智能深度学习技术，通过使用远距离轨道与近距离障碍物相结合的方式，增加人工智能图像识别技术的数据集，用于改善无人驾驶轨道车辆障碍物检测系统的远距离物体的检测功能，实现实际运行中更智能地自动判断障碍物及距离的功能。

远距离探测轨道要比短程探测困难：轨道的复杂外形阻碍了事先计算好的轨道模型，而且分辨率太低，很难将轨道边缘与邻近物体的结构区别开来。WIMI微美全息技术开发团队采用迭代分析算法，逐步扩大图像探测传感器的距离。通过迭代计算出位置，以此作为下一次目标的新位置，不断得到新距离目标。从小范围内获取的结果作为下一次分区的出发点。在每个重复过程中，将探测到的轨迹投影到新的子区域上，然后根据该子区域的变化来计算对应匹配比例分数。

未来，WIM微美全息（NASDAQ:WIMI）研发团队还将在多个方面对无人驾驶轨道障碍物识别系统进行优化，包括优化数据集的长尾分布，增强数据集的泛化能力，增加更多的检测场景和障碍类型，优化小目标检测问题，以及利用跨域数据集来验证模型的泛化性能；采用多模态检测方法，设计基于计算机视觉、激光雷达、毫米波雷达和其他多传感器融合技术的轨道交通障碍物探测模型等等。随着无人驾驶技术的发展，新的轨道交通方式将直接影响我们未来的出行，为人们的生活带来更便利的新交通工具。