现代有轨电车是在传统有轨电车的基础上经过全面技术改造、管理模式革新而形成的一种新型轨道交通方式,对发展城市公共交通、缓解城市拥堵具有重要的意义。目前有轨电车在运行过程中主要依靠人眼对前方路况进行分析判断,司机对周边环境的判断受自身身心状况影响较大,无法形成稳定和准确度高的判断结果。基于机器视觉的车载实时监控系统帮助司机进行前方路面的信息采集和信息分析,确保有轨电车安全运行。而限界的识别正是监控系统的基础,限界能够有效标识出图像中感兴趣的区域,减小搜索范围,缩短处理时间,提高处理的准确性。本文对现代有轨电车限界识别及实时动态追踪系统进行研究,研究内容主要分为以下几个方面:(1)轨道区域分割:分析了传统的基于阈值法、边缘检测法的区域分割方法的优缺点。根据有轨电车轨道的实际特征,提出基于多阈值的轨道区域分割方法。对于轨道区域分割中阈值参数的选择,以局部区域统计特性推测整体轨道的阈值范围,提出基于累积直方图的参数自适应方法。(2)轨道线形识别:在轨道区域分割二值图的基础上,根据外推法的一般准则,结合区域生长和骨架提取的相关理论思想,提出基于像素点追踪的轨道特征点提取方法。分析比较几种不同拟合方法的优缺点,采用分段最小二乘的方法对轨道特征点进行拟合构建轨道模型。(3)轨道识别准确度评价指标:通过分析轨道识别方法的整个流程,创新性地将轨道识别准确度评价与时间序列相似性度量联系起来,将欧几里德距离和动态弯曲距离相互印证,作为轨道识别准确度的评价指标。(4)实时动态追踪系统研究:本文在系统设计时引入线程池动态增减工作线程的方式解决单帧图像算法耗时不固定的问题,提高了系统的鲁棒性和实用性。在单帧图像识别过程中,利用多线程并行处理左右两侧轨道的识别,减少算法耗费的时间,进一步满足实时性要求。(5)有轨电车轨道视频库建立:在有轨电车和高速铁路轨道识别领域,国内外尚无成型的视频库。本文在苏州高新区有轨电车一号线实地采集视频,覆盖不同天气、不同路面、不同轨道走向,建立标准化的视频库,为轨道交通领域轨道的识别及后续的研究及测试提供帮助。