Технологии беспилотного управления для железнодорожного транспорта презентация

Содержание

Беспилотные системы на железнодорожном транспорте в мире Голландская инфраструктурная компания в 2016 году объявила о планах по запуску опытного участка с беспилотных движением грузовых поездов на выделенной линии Роттердам – Эммерич.

Слайд 1Попов Павел Александрович, к.т.н.
Руководитель центра АО «НИИАС»

08.02.2018г.
Технологии беспилотного управления для железнодорожного

транспорта

Слайд 2Беспилотные системы на железнодорожном транспорте в мире
Голландская инфраструктурная компания в 2016

году объявила о планах по запуску опытного участка с беспилотных движением грузовых поездов на выделенной линии Роттердам – Эммерич.

Компания Сименс в кооперации с DB Cargo провела демонстрацию проекта по автоматическому движению грузовых поездов.

Компания Rio-Tinto запускает в Австралии проект по управлению грузовыми поездами без машиниста в малолюдной местности

Согласно прогнозам компании Сименс к 2050 году все поезда будут автономными

Глава Deutsche Bahn в 2016 году заявил, что к 2021, 2022, 2023 в Германии часть железнодорожной сети будет работать в полностью автоматическом режиме

SNCF планирует к 2023 году запустить беспилотные высокоскоростные поезда


Слайд 3Беспилотный маневровый локомотив ТЭМ-7А на станции Лужской
Определение расстояния до вагонов

при сцепке;
Обнаружение препятствий и автоматическая остановка перед ними;
Возможность дистанционного управления.



Слайд 4Беспилотный электропоезд ЭС2Г на МЦК


Слайд 5Испытания на основе стенда для отработки блока обнаружения препятствий
Тестирование разного вида

сенсоров;
Проверка алгоритмов по распознаванию рельсовой колеи;
Проверка алгоритмов по обнаружению препятствий.

Слайд 6Датчики для системы технического зрения
Обнаружение препятствий


Слайд 7Современная оптика позволяет видеть на расстоянии большем, чем возможности человеческого зрения.
Разные

фокусные расстояния позволяют разносить камеры по ближней, средней, дальней зонам.

Интерфейс – GigE
Разрешение – до 2448х2048 пикселей
Разрешение на пиксель – 10 или 12 бит
Количество кадров – от 23 до 42 fps
Электропитание через Ethernet


acA1920-40, acA2440-20, acA2040-35 (gc/gm)


Блок оптического зрения


Слайд 8Исходный вид с камеры
Вид с увеличением масштаба


Слайд 9Радары Continental ARS-408-21 и ARS-408-21SC


Слайд 10Радар Bosch MRR F037 B00 255
Радар Bosch MRR F037 B00

255

Слайд 11Лидар IBEO SCALA B2


Слайд 12Пример данных с лидара IBEO SCALA B2 (подъезд маневрового локомотива к

вагонам)

Основные задачи:
Кластеризация данных лидара;
Обнаружение объектов;
Отслеживание объектов.



Слайд 13Наложение данных лидара на видеоизображение


Слайд 14NVIDIA
QUALCOMM
DRIVE PX 2
ОСНОВНЫЕ ПЛАТФОРМЫ ДЛЯ АВТОНОМНОГО ДВИЖЕНИЯ
INTEL GO
(ПЛАТФОРМА 5G)
https://www.forbes.com/sites/moorinsights/2017/01/23/chipmakers-get-serious-about-autonomous-driving-at-ces-2017/#55415cfd18ba


Слайд 15Основные задачи


Слайд 16Выбор сенсоров
Основные задачи:
Мониторинг рынка и анализ новых разработок, участие в конференциях;
Формирование

технических заданий для разработки отечественных сенсоров.


ОСНОВНЫЕ РАЗРАБОТЧИКИ РАДАРОВ В РОССИИ:
концерн радиостроения «Вега»;
Томский государственный университет систем управления и радиоэлектроники;
Московский государственный технический университет им. Н.Э. Баумана;
Научно-производственное предприятие «ДОК» (Санкт-Петербург);
ООО «Микроволновые системы» (Москва);
ООО «Радио Гигабит» (Нижний Новогород) (резидент Сколково);
ОА «Центральное конструкторское бюро автоматики» (Тула);
Концерн ВКО «Алмаз-Антей»;
АО «НПП «ИСТОК» им. Шокина» (Фрязино);
ФГУП Октябрь (Каменск-Уральский);
Московский авиационный институт;
ООО «Ольвия».


ОСНОВНЫЕ РАЗРАБОТЧИКИ ЛИАДРОВ:
НИИ ПОЛЮС им. Стельмаха;
ООО НПП Лазерные системы.



Слайд 17концерн радиостроения «Вега»;
Томский государственный университет систем управления и радиоэлектроники;
Московский государственный технический

университет им. Н.Э. Баумана;
Научно-производственное предприятие «ДОК» (Санкт-Петербург);
ООО «Микроволновые системы» (Москва);
ООО «Радио Гигабит» (Нижний Новогород) (резидент Сколково);
ОА «Центральное конструкторское бюро автоматики» (Тула);
Концерн ВКО «Алмаз-Антей»;
АО «НПП «ИСТОК» им. Шокина» (Фрязино);
ФГУП Октябрь (Каменск-Уральский);
Московский авиационный институт;
ООО «Ольвия»


ОСНОВНЫЕ РАЗРАБОТЧИКИ РАДАРОВ В РОССИИ

ПРОИЗВОДИТЕЛИ РАДАРОВ В РОССИИ

Нет полностью готовых образцов;
Выпуск опытных партий (нет массового производства);
Высокая цена.

ОСНОВНЫЕ СЛОЖНОСТИ:


Слайд 18Определение рельсовой колеи аналитическими методами
Основные задачи:
Кластеризация данных лидара;
Создание изображения в

обратной перспективе
Предварительная обработка изображения средствами OpenCV
Определение рельсовых путей
Вычисление центральной линии
Фильтрация полученных линий (движение прямо, движение по стрелке)
Стабилизация видеопотока
Определение препятствий.




Слайд 19Распознавание пути методами машинного обучения
Препроцессинг данных
Подготовка датасетов для обучения
Выбор типа нейронной

сети (классификация, сегментация)
Построение архитектуры нейронной сети
Обучение
Наложение маски на рельсовую линию
Постпроцессинг данных (фильтрация)

Слайд 20Распознавание сигналов светофора
Препроцессинг изображения
Подготовка обучающей выборки (“набивание” датасета, аугментация данных)
Выбор

техник обработки изображений перед обучением (HOG, Bin spatial, Color Histogram, Neural Networks)
Обучение методами машинного обучения (SVM)
Построение архитектуры сети для глубокого обучения
Обучение сети на GPU ( TensorFlow, PyTorch, Keras)
Объединение полученных результатов

Слайд 21Распознавание и классификация препятствий на пути
Препроцессинг изображения
Подготовка обучающей выборки (использование готовых

датасетов (KITTI,COCO,ImageNet,“набивание” датасета, аугментация данных)
Построение архитектуры сети для глубокого обучения, FineTuning тренированных сетей.
Обучение сети на GPU ( TensorFlow, PyTorch, Keras)
Распознавание препятствия, классификация и определение его местоположения (bounding box)



Слайд 22Высокоточное позиционирование подвижного состава
Требования по точности ±0,5 м


Используемые системы координат:
Геодезическая;
Линейная (железнодорожная);
Относительная.



Слайд 23Создание 3D карт


Слайд 24Архитектура сети связи
На борт поезда
Разрешенная дистанция
для проследования
Профиль

скорости
Профиль уклонов пути
Временные ограничения
скорости
Расписание движения
Команды управления
Электронная бортовая
карта

Координаты и скорость поезда
Подтверждение команд
Диагностика поезда
Видеопоток с поезда

С борта поезда


Слайд 25Классификация услуг связи в сетях LTE


Слайд 26Дистанционное управление
Рабочее место для машиниста - оператора
Дистанционно управляемый электропоезд ЭС2Г «Ласточка»


Слайд 27Open source проекты по беспилотным технологиям (автомобильные)
Проект с открытым исходным кодом

компании Baidu и большим количеством партнеров.
http://apollo.auto/

Японский проект: https://www.autoware.ai/join/

Американский проект
http://oscc.io/


Обратная связь

Если не удалось найти и скачать презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое ThePresentation.ru?

Это сайт презентаций, докладов, проектов, шаблонов в формате PowerPoint. Мы помогаем школьникам, студентам, учителям, преподавателям хранить и обмениваться учебными материалами с другими пользователями.


Для правообладателей

Яндекс.Метрика