基于GPGPU加速的鐵軌扣件識別研究.pdf

1、鐵路扣件檢測是維護(hù)鐵路行車安全的重要任務(wù)。在高速鐵路快速發(fā)展的歷史背景下，鐵路維護(hù)與鐵路安全運營變得越來越重要，作為鐵路維護(hù)的子任務(wù)，扣件自動化檢測成為越來越重要的科研課題。本文在課題組前期工作的基礎(chǔ)上，針對已有的扣件檢測系統(tǒng)在性能和效率上的一些不足，提出了新的改進(jìn)方案。
　　本文的主要工作有:
　　1、由于扣件檢測沒有公認(rèn)的基準(zhǔn)測試集，為此，本文提出了一種半自動的扣件人工標(biāo)定方法。使用該方法本文創(chuàng)建了一個扣件基準(zhǔn)測試數(shù)據(jù)集

2、，該數(shù)據(jù)集包含5個線路文件，共計13416張圖像，80026個扣件，其中79043個正常扣件，983個丟失或污損扣件。本文同時實現(xiàn)了實驗結(jié)果的自動評估系統(tǒng)，能夠根據(jù)實驗結(jié)果與標(biāo)準(zhǔn)測試集自動統(tǒng)計扣件檢測準(zhǔn)確率，并給出評估報告，從而大幅縮短實驗的周期，為不同算法的性能評測提供了自動化平臺。
　　2、提出了一種基于在線學(xué)習(xí)的自適應(yīng)扣件檢測算法來對定位的扣件進(jìn)行分類。該方法避免了原有的固定閾值的扣件檢測算法中需要指定閾值參數(shù)的不足，并且對

3、新線路或同一線路的不同視頻具有自適應(yīng)調(diào)整的能力。該方法在實驗中針對不同的線路獲得了91％～99％的精確度。
　　3、為了解決扣件檢測系統(tǒng)實時性的問題，本文提出了采用CPU-GPGPU（General-purpose computing on graphics processing units）異構(gòu)的方法將耗時比較多的子算法并行化，并且讓GPU與CPU協(xié)同工作來提高運算效率。在實驗中HoG特征和距離計算的加速比分別達(dá)到了17.73和