知財求人 - 知財ポータルサイト「IP Force」
特開2024-41829鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024041829
(43)【公開日】2024-03-27
(54)【発明の名称】鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法
(51)【国際特許分類】
B61L 23/00 20060101AFI20240319BHJP
H04N 7/18 20060101ALI20240319BHJP
G06T 7/00 20170101ALI20240319BHJP
G06V 20/56 20220101ALI20240319BHJP
【ＦＩ】
B61L23/00 A
H04N7/18 D
H04N7/18 K
G06T7/00 350B
G06V20/56
【審査請求】未請求
【請求項の数】20
【出願形態】ＯＬ
(21)【出願番号】P 2024000013
(22)【出願日】2024-01-03
(62)【分割の表示】P 2022557882の分割
【原出願日】2021-03-10
(31)【優先権主張番号】16/827,238
(32)【優先日】2020-03-23
(33)【優先権主張国・地域又は機関】US
(71)【出願人】
【識別番号】505220284
【氏名又は名称】ビーエヌエスエフ レイルウェイ カンパニー
【住所又は居所原語表記】２５００ Ｌｏｕ Ｍｅｎｋ Ｄｒｉｖｅ， Ｆｏｒｔ Ｗｏｒｔｈ， Ｔｅｘａｓ ７６１３１ Ｕ．Ｓ．Ａ．
(74)【代理人】
【識別番号】100110423
【弁理士】
【氏名又は名称】曾我 道治
(74)【代理人】
【識別番号】100111648
【弁理士】
【氏名又は名称】梶並 順
(74)【代理人】
【識別番号】100221729
【弁理士】
【氏名又は名称】中尾 圭介
(74)【代理人】
【識別番号】100120662
【弁理士】
【氏名又は名称】川上 桂子
(74)【代理人】
【識別番号】100216770
【弁理士】
【氏名又は名称】三品 明生
(74)【代理人】
【識別番号】100217364
【弁理士】
【氏名又は名称】田端 豊
(74)【代理人】
【識別番号】100180529
【弁理士】
【氏名又は名称】梶谷 美道
(72)【発明者】
【氏名】モルガート、 デニス、 ウィリアム
(72)【発明者】
【氏名】マックバイン、 ジョシュア、 ジョン
(72)【発明者】
【氏名】パスタ、 コーレイ、 トレメイン
(72)【発明者】
【氏名】ラトレッジ、 アーロン、 トーマス
(57)【要約】 （修正有）
【課題】鉄道環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法に関する。
【解決手段】マシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャするステップを含み、マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられ、オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析するステップを含む。さらに、マシンビジョン装置によってオブジェクトに関連する値がオブジェクトの潜在的な欠陥を示しているかを決定するステップと、第１鉄道車両の外部の構成要素に警報を伝達するステップとを含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
【選択図】図１
【解決手段】マシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャするステップを含み、マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられ、オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析するステップを含む。さらに、マシンビジョン装置によってオブジェクトに関連する値がオブジェクトの潜在的な欠陥を示しているかを決定するステップと、第１鉄道車両の外部の構成要素に警報を伝達するステップとを含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
【選択図】図１
【特許請求の範囲】
【請求項1】
方法であって、
第１コンピュータシステムによって鉄道環境の画像をキャプチャするステップであって、前記第１コンピュータシステムは、前記鉄道環境の第１鉄道線路に沿って移動する第１鉄道車両に取り付けられるステップと、
前記第１コンピュータシステムによって、前記鉄道環境の前記画像内の複数のオブジェクトを識別するステップと、
前記第１コンピュータシステムによって、前記画像内で識別された複数のオブジェクトのうちの１つが例外を含んでいるかを決定するステップと、
前記第１コンピュータシステムによって、前記例外を欠陥として分類するステップであって、前記鉄道環境の第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさず、前記第１鉄道線路は、前記第２鉄道線路に隣接するステップと、
前記第１コンピュータシステムによって、前記鉄道環境の前記画像上に複数のラベルを生成するステップであって、前記複数のラベルは、前記鉄道環境の前記第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさない前記欠陥を含むステップと、
前記第１コンピュータシステムによって、前記ラベル付けされた画像を、前記第２鉄道線路に沿って移動する第２鉄道車両の第２コンピュータシステムに伝達するステップと、
を含む、
方法。
第１コンピュータシステムによって鉄道環境の画像をキャプチャするステップであって、前記第１コンピュータシステムは、前記鉄道環境の第１鉄道線路に沿って移動する第１鉄道車両に取り付けられるステップと、
前記第１コンピュータシステムによって、前記鉄道環境の前記画像内の複数のオブジェクトを識別するステップと、
前記第１コンピュータシステムによって、前記画像内で識別された複数のオブジェクトのうちの１つが例外を含んでいるかを決定するステップと、
前記第１コンピュータシステムによって、前記例外を欠陥として分類するステップであって、前記鉄道環境の第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさず、前記第１鉄道線路は、前記第２鉄道線路に隣接するステップと、
前記第１コンピュータシステムによって、前記鉄道環境の前記画像上に複数のラベルを生成するステップであって、前記複数のラベルは、前記鉄道環境の前記第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさない前記欠陥を含むステップと、
前記第１コンピュータシステムによって、前記ラベル付けされた画像を、前記第２鉄道線路に沿って移動する第２鉄道車両の第２コンピュータシステムに伝達するステップと、
を含む、
方法。
【請求項2】
前記欠陥は、
第２鉄道線路の位置ずれ、
前記第２鉄道線路沿いの植生生育、
横断警告装置の誤作動、及び
前記第２鉄道線路のバラストプロファイルの変化、
のうちの１つである、請求項１に記載の方法。
第２鉄道線路の位置ずれ、
前記第２鉄道線路沿いの植生生育、
横断警告装置の誤作動、及び
前記第２鉄道線路のバラストプロファイルの変化、
のうちの１つである、請求項１に記載の方法。
【請求項3】
前記第１コンピュータシステムは、マシンビジョンアルゴリズム又は機械学習アルゴリズムを含むマシンビジョン装置である、請求項１に記載の方法。
【請求項4】
前記第１コンピュータシステムによって、前記ラベル付けされた画像をネットワークオペレーションセンタに伝達するステップをさらに含む、請求項１に記載の方法。
【請求項5】
前記複数のラベルは、前記識別された複数のオブジェクトの複数のラベルをさらに含む、請求項１に記載の方法
【請求項6】
前記第１コンピュータシステムが、前記鉄道環境の前記画像をキャプチャし、１０秒以内に前記ラベル付けされた画像を前記第２コンピュータシステムに伝達する、請求項１に記載の方法。
【請求項7】
前記第１コンピュータシステムは、前記第１鉄道車両の後部フロントガラスに取り付けられる、請求項１に記載の方法。
【請求項8】
システムであって、
１つ以上のプロセッサと、
命令を格納するメモリと、
を含み、
前記命令は、
１つ以上のプロセッサによって実行される場合、１つ以上のプロセッサが動作を行うようにし、
前記動作は、
鉄道環境の画像をキャプチャする動作であって、前記システムは、前記鉄道環境の第１鉄道線路に沿って移動する第１鉄道車両に取り付けられる動作と、
前記鉄道環境の前記画像内の複数のオブジェクトを識別する動作と、
前記画像内で識別された前記複数のオブジェクトのうちの１つが例外を含んでいるかを決定する動作と、
前記例外を欠陥として分類する動作であって、前記鉄道環境の第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさず、前記第１鉄道線路は前記第２鉄道線路に隣接する動作と、
前記鉄道環境の前記画像上に複数のラベルを生成する動作であって、前記複数のラベルは、前記鉄道環境の第２鉄道線路には影響を及ぼすが、第１鉄道線路には影響を及ぼさない前記欠陥を含む動作と、
前記ラベル付けされた画像を、前記第２鉄道線路に沿って移動する第２鉄道車両の第２システムに伝達する動作と、
を含む、
システム。
１つ以上のプロセッサと、
命令を格納するメモリと、
を含み、
前記命令は、
１つ以上のプロセッサによって実行される場合、１つ以上のプロセッサが動作を行うようにし、
前記動作は、
鉄道環境の画像をキャプチャする動作であって、前記システムは、前記鉄道環境の第１鉄道線路に沿って移動する第１鉄道車両に取り付けられる動作と、
前記鉄道環境の前記画像内の複数のオブジェクトを識別する動作と、
前記画像内で識別された前記複数のオブジェクトのうちの１つが例外を含んでいるかを決定する動作と、
前記例外を欠陥として分類する動作であって、前記鉄道環境の第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさず、前記第１鉄道線路は前記第２鉄道線路に隣接する動作と、
前記鉄道環境の前記画像上に複数のラベルを生成する動作であって、前記複数のラベルは、前記鉄道環境の第２鉄道線路には影響を及ぼすが、第１鉄道線路には影響を及ぼさない前記欠陥を含む動作と、
前記ラベル付けされた画像を、前記第２鉄道線路に沿って移動する第２鉄道車両の第２システムに伝達する動作と、
を含む、
システム。
【請求項9】
前記欠陥は、
第２鉄道線路の位置ずれ、
前記第２鉄道線路沿いの植生生育、
横断警告装置の誤作動、及び
前記第２線路のバラストプロファイルの変化、
のうちの１つである、請求項８に記載のシステム。
第２鉄道線路の位置ずれ、
前記第２鉄道線路沿いの植生生育、
横断警告装置の誤作動、及び
前記第２線路のバラストプロファイルの変化、
のうちの１つである、請求項８に記載のシステム。
【請求項10】
前記システムは、マシンビジョンアルゴリズム又は機械学習アルゴリズムを含むマシンビジョン装置である、請求項８に記載のシステム。
【請求項11】
前記動作は、前記ラベル付けされた画像をネットワークオペレーションセンタに伝達することをさらに含む、請求項８に記載のシステム。
【請求項12】
前記複数のラベルは、前記識別された複数のオブジェクトの複数のラベルをさらに含む、請求項８に記載のシステム。
【請求項13】
前記システムは、前記鉄道環境の前記画像をキャプチャし、１０秒以内に前記ラベル付けされた画像を前記第２システムに伝達する、請求項８に記載のシステム。
【請求項14】
前記システムは、前記第１鉄道車両の後部フロントガラスに取り付けられる、請求項８に記載のシステム。
【請求項15】
１つ以上のコンピュータ可読記憶媒体であって、
第１コンピュータシステムによって実行される場合、前記第１コンピュータシステムに動作を行うようにさせる命令を格納し、
前記動作は、
鉄道環境の画像をキャプチャする動作であって、前記第１コンピュータシステムは、前記鉄道環境の第１鉄道線路に沿って移動する第１鉄道車両に取り付けられる動作と、
前記鉄道環境の前記画像内の複数のオブジェクトを識別する動作と、
前記画像内で識別された前記複数のオブジェクトのうちの１つが例外を含んでいるかを決定する動作と、
前記例外を欠陥として分類する動作であって、前記鉄道環境の第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさず、前記第１鉄道線路は、第２鉄道線路に隣接する動作と、
前記鉄道環境の前記画像上に複数のラベルを生成する動作であって、前記複数のラベルは、前記鉄道環境の前記第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさない前記欠陥を含む動作と、
前記ラベル付けされた画像を、前記第２鉄道線路に沿って移動する第２鉄道車両の第２コンピュータシステムに伝達する動作と、
を含む、
１つ以上のコンピュータ可読記憶媒体。
第１コンピュータシステムによって実行される場合、前記第１コンピュータシステムに動作を行うようにさせる命令を格納し、
前記動作は、
鉄道環境の画像をキャプチャする動作であって、前記第１コンピュータシステムは、前記鉄道環境の第１鉄道線路に沿って移動する第１鉄道車両に取り付けられる動作と、
前記鉄道環境の前記画像内の複数のオブジェクトを識別する動作と、
前記画像内で識別された前記複数のオブジェクトのうちの１つが例外を含んでいるかを決定する動作と、
前記例外を欠陥として分類する動作であって、前記鉄道環境の第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさず、前記第１鉄道線路は、第２鉄道線路に隣接する動作と、
前記鉄道環境の前記画像上に複数のラベルを生成する動作であって、前記複数のラベルは、前記鉄道環境の前記第２鉄道線路には影響を及ぼすが、前記第１鉄道線路には影響を及ぼさない前記欠陥を含む動作と、
前記ラベル付けされた画像を、前記第２鉄道線路に沿って移動する第２鉄道車両の第２コンピュータシステムに伝達する動作と、
を含む、
１つ以上のコンピュータ可読記憶媒体。
【請求項16】
前記欠陥は、
第２鉄道線路の位置ずれ、
前記第２鉄道線路沿いの植生生育、
横断警告装置の誤作動、及び
前記第２線路のバラストプロファイルの変化、
のうちの１つである、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
第２鉄道線路の位置ずれ、
前記第２鉄道線路沿いの植生生育、
横断警告装置の誤作動、及び
前記第２線路のバラストプロファイルの変化、
のうちの１つである、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
【請求項17】
前記第１コンピュータシステムは、マシンビジョンアルゴリズム又は機械学習アルゴリズムを含むマシンビジョン装置である、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
【請求項18】
前記動作は、前記ラベル付けされた画像をネットワークオペレーションセンタに伝達することをさらに含む、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
【請求項19】
前記複数のラベルは、前記識別された複数のオブジェクトの複数のラベルをさらに含む、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
【請求項20】
前記第１コンピュータシステムは、前記鉄道環境の前記画像をキャプチャし、１０秒以内に前記ラベル付けされた画像を前記第２システムに伝達する、請求項１５に記載の１つ以上のコンピュータ可読記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、一般にオブジェクトの欠陥を識別することに関し、より具体的には、鉄道
環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法に関する。
環境オブジェクトの潜在的な欠陥を識別するためのシステム及び方法に関する。
【背景技術】
【0002】
一般に、鉄道検査官（ｒａｉｌｒｏａｄ ｉｎｓｐｅｃｔｏｒ）は、安全でない状態
について鉄道を検査し、安全でない状態を是正するためのアクションを推奨する。例えば
、鉄道検査官は、座屈した鉄道線路に遭遇し、鉄道会社に座屈した鉄道線路を報告し得る
。報告を受けた鉄道会社は、座屈した鉄道線路を修理するためのアクションを取り得る。
ただし、列車の脱線などの事故の発生を未然に防ぐための是正アクションが適時に行われ
ない場合がある。
について鉄道を検査し、安全でない状態を是正するためのアクションを推奨する。例えば
、鉄道検査官は、座屈した鉄道線路に遭遇し、鉄道会社に座屈した鉄道線路を報告し得る
。報告を受けた鉄道会社は、座屈した鉄道線路を修理するためのアクションを取り得る。
ただし、列車の脱線などの事故の発生を未然に防ぐための是正アクションが適時に行われ
ない場合がある。
【発明の概要】
【課題を解決するための手段】
【0003】
本発明の態様は独立項に記載されており、好ましい特徴は従属項に記載されている。
一態様の特徴は、単独で、又は他の態様と組み合わせて、任意の態様に適用され得る。
一態様の特徴は、単独で、又は他の態様と組み合わせて、任意の態様に適用され得る。
【0004】
一実施形態によれば、方法は、マシンビジョン（機械視覚）装置によって、鉄道環境
（ｒａｉｌｗａｙ ｅｎｖｉｒｏｎｍｅｎｔ）内のオブジェクト（ｏｂｊｅｃｔ）の画像
をキャプチャするステップを含む。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿
って第１の方向に移動する第１鉄道車両に取り付けられる。方法は、マシンビジョン装置
によって、オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアル
ゴリズムを使用してオブジェクトの画像を分析するステップをさらに含む。方法は、マシ
ンビジョン装置によって、オブジェクトに関連する値がオブジェクトの潜在的な欠陥（ｐ
ｏｔｅｎｔｉａｌ ｄｅｆｉｃｉｅｎｃｙ）を示しているかを決定するステップと、マシ
ンビジョン装置によって、第１鉄道車両の外部の構成要素に警報を伝達（ｃｏｍｍｕｎｉ
ｃａｔｅ）するステップとをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を
含む。
（ｒａｉｌｗａｙ ｅｎｖｉｒｏｎｍｅｎｔ）内のオブジェクト（ｏｂｊｅｃｔ）の画像
をキャプチャするステップを含む。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿
って第１の方向に移動する第１鉄道車両に取り付けられる。方法は、マシンビジョン装置
によって、オブジェクトに関連する値を決定するために、１つ以上のマシンビジョンアル
ゴリズムを使用してオブジェクトの画像を分析するステップをさらに含む。方法は、マシ
ンビジョン装置によって、オブジェクトに関連する値がオブジェクトの潜在的な欠陥（ｐ
ｏｔｅｎｔｉａｌ ｄｅｆｉｃｉｅｎｃｙ）を示しているかを決定するステップと、マシ
ンビジョン装置によって、第１鉄道車両の外部の構成要素に警報を伝達（ｃｏｍｍｕｎｉ
ｃａｔｅ）するステップとをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を
含む。
【0005】
特定の実施形態では、オブジェクトの潜在的な欠陥は、第２鉄道線路の位置ずれ、横
断警告装置の誤作動、第２鉄道線路の遮られた視野、オブジェクトの損傷、及びオブジェ
クトの誤った配置のうちの１つである。いくつかの実施形態では、鉄道環境の第１鉄道線
路は、鉄道環境の第２鉄道線路に隣接し、第１鉄道車両の外部の構成要素は、第２鉄道線
路に沿って第２の方向に移動する第２鉄道車両に取り付けられ、警報は、第２鉄道車両に
アクションを実行するように命令する。特定の実施形態では、第１鉄道車両の外部の構成
要素は、ネットワークオペレーションセンタ内に位置する装置である。
断警告装置の誤作動、第２鉄道線路の遮られた視野、オブジェクトの損傷、及びオブジェ
クトの誤った配置のうちの１つである。いくつかの実施形態では、鉄道環境の第１鉄道線
路は、鉄道環境の第２鉄道線路に隣接し、第１鉄道車両の外部の構成要素は、第２鉄道線
路に沿って第２の方向に移動する第２鉄道車両に取り付けられ、警報は、第２鉄道車両に
アクションを実行するように命令する。特定の実施形態では、第１鉄道車両の外部の構成
要素は、ネットワークオペレーションセンタ内に位置する装置である。
【0006】
いくつかの実施形態では、警報は、オブジェクトの説明、潜在的な欠陥の説明、オブ
ジェクトの画像、オブジェクトの位置、第１鉄道車両のマシンビジョン装置によってオブ
ジェクトがキャプチャされた時間、第１鉄道車両のマシンビジョン装置によってオブジェ
クトがキャプチャされた日付、第１鉄道車両の識別、第１鉄道車両の第１の方向の表示、
及び所定の時間内に鉄道環境を通過するように予定された１つ以上の鉄道車両の表示のう
ちの少なくとも１つを含む。特定の実施形態では、マシンビジョン装置は、オブジェクト
の画像をキャプチャして、１０秒以内に第１鉄道車両の外部の構成要素に警報を伝達する
。マシンビジョン装置は、第１鉄道車両のフロントガラスに装着し得る。
ジェクトの画像、オブジェクトの位置、第１鉄道車両のマシンビジョン装置によってオブ
ジェクトがキャプチャされた時間、第１鉄道車両のマシンビジョン装置によってオブジェ
クトがキャプチャされた日付、第１鉄道車両の識別、第１鉄道車両の第１の方向の表示、
及び所定の時間内に鉄道環境を通過するように予定された１つ以上の鉄道車両の表示のう
ちの少なくとも１つを含む。特定の実施形態では、マシンビジョン装置は、オブジェクト
の画像をキャプチャして、１０秒以内に第１鉄道車両の外部の構成要素に警報を伝達する
。マシンビジョン装置は、第１鉄道車両のフロントガラスに装着し得る。
【0007】
他の実施形態によれば、システムは、１つ以上のプロセッサと、命令を格納するメモ
リとを含み、命令は、１つ以上のプロセッサによって実行される場合、１つ以上のプロセ
ッサがマシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャする動
作を行うようにする。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方
向に移動する第１鉄道車両に取り付けられる。動作はまた、オブジェクトに関連する値を
決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像
を分析する動作を含む。動作は、オブジェクトに関連する値がオブジェクトの潜在的な欠
陥を示しているかを決定する動作と、第１鉄道車両の外部の構成要素に警報を伝達する動
作とをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
リとを含み、命令は、１つ以上のプロセッサによって実行される場合、１つ以上のプロセ
ッサがマシンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャする動
作を行うようにする。マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方
向に移動する第１鉄道車両に取り付けられる。動作はまた、オブジェクトに関連する値を
決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像
を分析する動作を含む。動作は、オブジェクトに関連する値がオブジェクトの潜在的な欠
陥を示しているかを決定する動作と、第１鉄道車両の外部の構成要素に警報を伝達する動
作とをさらに含む。警報は、オブジェクトの潜在的な欠陥の表示を含む。
【0008】
また他の実施形態によれば、１つ以上のコンピュータ可読記憶媒体は、プロセッサに
よって実行される場合、プロセッサが動作を行うようにする命令を格納し、動作は、マシ
ンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャする動作を含む。
マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道
車両に取り付けられる。動作はまた、オブジェクトに関連する値を決定するために、１つ
以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析する動作を含む
。動作は、オブジェクトに関連する値がオブジェクトの潜在的な欠陥を示しているかを決
定する動作と、第１鉄道車両の外部の構成要素に警報を伝達する動作とをさらに含む。警
報は、オブジェクトの潜在的な欠陥の表示を含む。
よって実行される場合、プロセッサが動作を行うようにする命令を格納し、動作は、マシ
ンビジョン装置によって鉄道環境内のオブジェクトの画像をキャプチャする動作を含む。
マシンビジョン装置は、鉄道環境の第１鉄道線路に沿って第１の方向に移動する第１鉄道
車両に取り付けられる。動作はまた、オブジェクトに関連する値を決定するために、１つ
以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析する動作を含む
。動作は、オブジェクトに関連する値がオブジェクトの潜在的な欠陥を示しているかを決
定する動作と、第１鉄道車両の外部の構成要素に警報を伝達する動作とをさらに含む。警
報は、オブジェクトの潜在的な欠陥の表示を含む。
【0009】
本開示の特定の実施形態の技術的利点は、以下のうちの１つ以上を含み得る。本明細
書に記載の特定のシステム及び方法は、線路の位置ずれ、誤動作の警告装置、鉄道線路の
遮られた視野、鉄道線路近くの歩行者、及び流失などの安全上の重要な側面に対して鉄道
環境を分析するマシンビジョン装置を含む。特定の実施形態では、マシンビジョン装置は
、リアルタイムで鉄道環境の潜在的な欠陥を検出及び報告し、これは、即時の是正アクシ
ョン及び事故の低減／予防につながり得る。いくつかの実施形態では、マシンビジョン装
置は、鉄道環境の欠陥を自動で検出し、現場の検査官に関連する費用及び／又は安全上の
危険を低減し得る。
書に記載の特定のシステム及び方法は、線路の位置ずれ、誤動作の警告装置、鉄道線路の
遮られた視野、鉄道線路近くの歩行者、及び流失などの安全上の重要な側面に対して鉄道
環境を分析するマシンビジョン装置を含む。特定の実施形態では、マシンビジョン装置は
、リアルタイムで鉄道環境の潜在的な欠陥を検出及び報告し、これは、即時の是正アクシ
ョン及び事故の低減／予防につながり得る。いくつかの実施形態では、マシンビジョン装
置は、鉄道環境の欠陥を自動で検出し、現場の検査官に関連する費用及び／又は安全上の
危険を低減し得る。
【0010】
他の技術的利点は、以下の図、説明、及び請求の範囲から当業者に容易に明らかにな
るであろう。さらに、特定の利点について上述したが、様々な実施形態は、列挙された利
点の全部又は一部を含んでもよく、又は全てを含まないこともできる。
るであろう。さらに、特定の利点について上述したが、様々な実施形態は、列挙された利
点の全部又は一部を含んでもよく、又は全てを含まないこともできる。
【0011】
本開示の理解を助けるために、添付の図面と併せて以下の説明を参照する。
【図面の簡単な説明】
【0012】
【図1】鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的なシステムを示す。
【図4】鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的な方法を示す。
【図5】本明細書に記載のシステム及び方法によって使用され得る例示的なコンピュータシステムを示す。
【発明を実施するための形態】
【0013】
図１～図５は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的なシス
テム及び方法を示す。図１は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例
示的なシステムを示す。図２は、図１のシステムのマシンビジョン装置によって生成され
得る例示的な前面画像を示す。図３は、図１のシステムのマシンビジョン装置によって生
成され得る例示的な後面画像を示す。図４は、鉄道環境オブジェクトの潜在的な欠陥を識
別するための例示的な方法を示す。図５は、本明細書で説明されるシステム及び方法によ
って使用され得る例示的なコンピュータシステムを示す。
テム及び方法を示す。図１は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例
示的なシステムを示す。図２は、図１のシステムのマシンビジョン装置によって生成され
得る例示的な前面画像を示す。図３は、図１のシステムのマシンビジョン装置によって生
成され得る例示的な後面画像を示す。図４は、鉄道環境オブジェクトの潜在的な欠陥を識
別するための例示的な方法を示す。図５は、本明細書で説明されるシステム及び方法によ
って使用され得る例示的なコンピュータシステムを示す。
【0014】
図１は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的なシステム１
００を示す。図１のシステム１００は、ネットワーク１１０、鉄道環境１２０、鉄道線路
１３０（即ち、鉄道線路１３０ａ及び鉄道線路１３０ｂ）、鉄道車両１４０（即ち、鉄道
車両１４０ａ及び鉄道車両１４０ｂ）、マシンビジョン装置１５０（即ち、マシンビジョ
ン装置１５０ａ及びマシンビジョン装置１５０ｂ、ネットワークオペレーションセンタ１
８０、及びユーザ機器（ＵＥ）１９０を含む。システム１００又はその一部は、組織（ｅ
ｎｔｉｔｙ）に関連することができ、鉄道環境オブジェクトの潜在的な欠陥を識別できる
企業、会社（例えば、鉄道会社、輸送会社など）又は政府機関（例えば、運輸局、など）
のような任意の組織を含み得る。図１の例示された実施形態は、鉄道システムに関連する
が、システム１００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路な
ど）に関連し得る。システム１００の要素は、ハードウェア、ファームウェア、及びソフ
トウェアの任意の適切な組み合わせを使用して実現され得る。例えば、システム１００の
１つ以上の構成要素は、図５の１つ以上の構成要素を使用してもよい。
００を示す。図１のシステム１００は、ネットワーク１１０、鉄道環境１２０、鉄道線路
１３０（即ち、鉄道線路１３０ａ及び鉄道線路１３０ｂ）、鉄道車両１４０（即ち、鉄道
車両１４０ａ及び鉄道車両１４０ｂ）、マシンビジョン装置１５０（即ち、マシンビジョ
ン装置１５０ａ及びマシンビジョン装置１５０ｂ、ネットワークオペレーションセンタ１
８０、及びユーザ機器（ＵＥ）１９０を含む。システム１００又はその一部は、組織（ｅ
ｎｔｉｔｙ）に関連することができ、鉄道環境オブジェクトの潜在的な欠陥を識別できる
企業、会社（例えば、鉄道会社、輸送会社など）又は政府機関（例えば、運輸局、など）
のような任意の組織を含み得る。図１の例示された実施形態は、鉄道システムに関連する
が、システム１００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路な
ど）に関連し得る。システム１００の要素は、ハードウェア、ファームウェア、及びソフ
トウェアの任意の適切な組み合わせを使用して実現され得る。例えば、システム１００の
１つ以上の構成要素は、図５の１つ以上の構成要素を使用してもよい。
【0015】
システム１００のネットワーク１１０は、システム１００の構成要素間の伝達を容易
にする任意のタイプのネットワークであり得る。例えば、ネットワーク１１０は、マシン
ビジョン装置１５０ａをシステム１００のマシンビジョン装置１５０ｂに接続してもよい
。別の例として、ネットワーク１１０は、マシンビジョン装置１５０をシステム１００の
ネットワークオペレーションセンタ１８０のＵＥ１９０に接続してもよい。ネットワーク
１１０の１つ以上の一部は、アドホックネットワーク、イントラネット、エクストラネッ
ト、仮想私設網（ＶＰＮ）、ローカルエリアネットワーク（ＬＡＮ）、無線ＬＡＮ（ＷＬ
ＡＮ）、広域ネットワーク（ＷＡＮ）、無線ＷＡＮ（ＷＷＡＮ）、大都市圏ネットワーク
（ＭＡＮ）、インターネットの一部、公衆交換電話網（ＰＳＴＮ）の一部、携帯電話網、
３Ｇネットワーク、４Ｇネットワーク、５Ｇネットワーク、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ
Ｅｖｏｌｕｔｉｏｎ）セルラ通信網、これらの２つ以上の組み合わせ、又はその他の適
切なタイプのネットワークを含み得る。ネットワーク１１０の１つ以上の一部は、１つ以
上のアクセス（例えば、モバイルアクセス）、コア及び／又はエッジネットワークを含み
得る。ネットワーク１１０は、私設網（ｐｒｉｖａｔｅ ｎｅｔｗｏｒｋ）、公衆網（ｐ
ｕｂｌｉｃ ｎｅｔｗｏｒｋ）、インターネットを介した接続、モバイルネットワーク、
ＷＩ－ＦＩネットワーク、ブルートゥース（登録商標）ネットワークなどの任意の通信網
であり得る。ネットワーク１１０は、クラウドコンピューティング機能を含み得る。シス
テム１００の１つ以上の構成要素は、ネットワーク１１０を介して伝達し得る。例えば、
マシンビジョン装置１５０は、ネットワークオペレーションセンタ１８０のＵＥ１９０に
情報（例えば、潜在的な欠陥）を送信すること、及び／又はネットワークオペレーション
センタ１８０のＵＥ１９０から情報（例えば、確認された欠陥）を受信することを含み、
ネットワーク１１０を介して伝達してもよい。
にする任意のタイプのネットワークであり得る。例えば、ネットワーク１１０は、マシン
ビジョン装置１５０ａをシステム１００のマシンビジョン装置１５０ｂに接続してもよい
。別の例として、ネットワーク１１０は、マシンビジョン装置１５０をシステム１００の
ネットワークオペレーションセンタ１８０のＵＥ１９０に接続してもよい。ネットワーク
１１０の１つ以上の一部は、アドホックネットワーク、イントラネット、エクストラネッ
ト、仮想私設網（ＶＰＮ）、ローカルエリアネットワーク（ＬＡＮ）、無線ＬＡＮ（ＷＬ
ＡＮ）、広域ネットワーク（ＷＡＮ）、無線ＷＡＮ（ＷＷＡＮ）、大都市圏ネットワーク
（ＭＡＮ）、インターネットの一部、公衆交換電話網（ＰＳＴＮ）の一部、携帯電話網、
３Ｇネットワーク、４Ｇネットワーク、５Ｇネットワーク、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ
Ｅｖｏｌｕｔｉｏｎ）セルラ通信網、これらの２つ以上の組み合わせ、又はその他の適
切なタイプのネットワークを含み得る。ネットワーク１１０の１つ以上の一部は、１つ以
上のアクセス（例えば、モバイルアクセス）、コア及び／又はエッジネットワークを含み
得る。ネットワーク１１０は、私設網（ｐｒｉｖａｔｅ ｎｅｔｗｏｒｋ）、公衆網（ｐ
ｕｂｌｉｃ ｎｅｔｗｏｒｋ）、インターネットを介した接続、モバイルネットワーク、
ＷＩ－ＦＩネットワーク、ブルートゥース（登録商標）ネットワークなどの任意の通信網
であり得る。ネットワーク１１０は、クラウドコンピューティング機能を含み得る。シス
テム１００の１つ以上の構成要素は、ネットワーク１１０を介して伝達し得る。例えば、
マシンビジョン装置１５０は、ネットワークオペレーションセンタ１８０のＵＥ１９０に
情報（例えば、潜在的な欠陥）を送信すること、及び／又はネットワークオペレーション
センタ１８０のＵＥ１９０から情報（例えば、確認された欠陥）を受信することを含み、
ネットワーク１１０を介して伝達してもよい。
【0016】
システム１００の鉄道環境１２０は、１つ以上の鉄道線路１３０を含む領域である。
鉄道環境１２０は、区画（ｄｉｖｉｓｉｏｎ）及び／又は細区画（ｓｕｂｄｉｖｉｓｉｏ
ｎ）に関連し得る。区画は、監督者の監督下にある鉄道の一部である。細区画は、区画の
小さい一部である。細区画は、作業員区域（ｃｒｅｗ ｄｉｓｔｒｉｃｔ）及び／又は支
線（ｂｒａｎｃｈ ｌｉｎｅ）であり得る。図１に示した実施形態では、鉄道環境１２０
は、鉄道線路１３０、鉄道車両１４０、及びマシンビジョン装置１５０を含む。
鉄道環境１２０は、区画（ｄｉｖｉｓｉｏｎ）及び／又は細区画（ｓｕｂｄｉｖｉｓｉｏ
ｎ）に関連し得る。区画は、監督者の監督下にある鉄道の一部である。細区画は、区画の
小さい一部である。細区画は、作業員区域（ｃｒｅｗ ｄｉｓｔｒｉｃｔ）及び／又は支
線（ｂｒａｎｃｈ ｌｉｎｅ）であり得る。図１に示した実施形態では、鉄道環境１２０
は、鉄道線路１３０、鉄道車両１４０、及びマシンビジョン装置１５０を含む。
【0017】
システム１００の鉄道線路１３０は、鉄道車両１４０の車輪が転がる表面を提供する
ことによって、鉄道車両１４０が移動できるようにする構造である。特定の実施形態では
、鉄道線路１３０は、レール、締結装置、枕木、バラストなどを含む。鉄道車両１４０は
、鉄道輸送システムで貨物及び／又は乗客を運ぶ車両である。特定の実施形態では、鉄道
車両１４０は、共に結合して列車を形成する。鉄道車両１４０は、機関車、客車、貨車、
有蓋車、長物車、タンク車などを含み得る。
ことによって、鉄道車両１４０が移動できるようにする構造である。特定の実施形態では
、鉄道線路１３０は、レール、締結装置、枕木、バラストなどを含む。鉄道車両１４０は
、鉄道輸送システムで貨物及び／又は乗客を運ぶ車両である。特定の実施形態では、鉄道
車両１４０は、共に結合して列車を形成する。鉄道車両１４０は、機関車、客車、貨車、
有蓋車、長物車、タンク車などを含み得る。
【0018】
図１に示した実施形態では、鉄道車両１４０は、鉄道車両１４０ａ及び鉄道車両１４
０ｂを含む。鉄道車両１４０ａは、鉄道線路１３０ａに沿って進行方向１６０ａに移動し
ている。鉄道車両１４０ｂは、鉄道線路１３０ｂに沿って進行方向１６０ｂに移動してい
る。いくつかの実施形態では、鉄道環境１２０の鉄道線路１３０ａは、鉄道環境１２０の
鉄道線路１３０ｂに隣接（例えば、平行）している。特定の実施形態では、進行方向１６
０ａは、進行方向１６０ｂと反対である。例えば、進行方向１６０ａは、南行きであって
もよく、進行方向１６０ｂは、北行きであってもよい。別の例として、進行方向１６０ａ
は、東行きであってもよく、進行方向１６０ｂは、西行きであってもよい。
０ｂを含む。鉄道車両１４０ａは、鉄道線路１３０ａに沿って進行方向１６０ａに移動し
ている。鉄道車両１４０ｂは、鉄道線路１３０ｂに沿って進行方向１６０ｂに移動してい
る。いくつかの実施形態では、鉄道環境１２０の鉄道線路１３０ａは、鉄道環境１２０の
鉄道線路１３０ｂに隣接（例えば、平行）している。特定の実施形態では、進行方向１６
０ａは、進行方向１６０ｂと反対である。例えば、進行方向１６０ａは、南行きであって
もよく、進行方向１６０ｂは、北行きであってもよい。別の例として、進行方向１６０ａ
は、東行きであってもよく、進行方向１６０ｂは、西行きであってもよい。
【0019】
システム１００のマシンビジョン装置１５０は、静止画像又は動画を自動でキャプチ
ャ、検査、評価、及び／又は処理する構成要素である。マシンビジョン装置１５０は、１
つ以上のカメラ、レンズ、センサ、光学装置、照明要素などを含み得る。特定の実施形態
では、マシンビジョン装置１５０は、リアルタイム又はほぼリアルタイムで１つ以上の動
作を行う。例えば、鉄道車両１４０ａのマシンビジョン装置１５０ａは、鉄道環境１２０
でオブジェクト（例えば、鉄道線路１３０ｂ）の画像をキャプチャし、所定の時間（例え
ば、１秒、５秒、又は１０秒）より短い時間内に鉄道車両１４０ａの外部の構成要素（例
えば、ネットワークオペレーションセンタ１８０のマシンビジョン装置１５０ｂ又はＵＥ
１９０）に潜在的な欠陥（線路の位置ずれ１７０）を示す警報を伝達してもよい。
ャ、検査、評価、及び／又は処理する構成要素である。マシンビジョン装置１５０は、１
つ以上のカメラ、レンズ、センサ、光学装置、照明要素などを含み得る。特定の実施形態
では、マシンビジョン装置１５０は、リアルタイム又はほぼリアルタイムで１つ以上の動
作を行う。例えば、鉄道車両１４０ａのマシンビジョン装置１５０ａは、鉄道環境１２０
でオブジェクト（例えば、鉄道線路１３０ｂ）の画像をキャプチャし、所定の時間（例え
ば、１秒、５秒、又は１０秒）より短い時間内に鉄道車両１４０ａの外部の構成要素（例
えば、ネットワークオペレーションセンタ１８０のマシンビジョン装置１５０ｂ又はＵＥ
１９０）に潜在的な欠陥（線路の位置ずれ１７０）を示す警報を伝達してもよい。
【0020】
特定の実施形態では、マシンビジョン装置１５０は、システム１００の鉄道環境１２
０の画像を自動でキャプチャする１つ以上のカメラを含む。マシンビジョン装置１５０は
、鉄道車両１４０が鉄道線路１３０に沿って移動する間、自動で静止画像又は動画をキャ
プチャし得る。マシンビジョン装置１５０は、任意の適切な数の静止画像又は動画を自動
でキャプチャし得る。例えば、マシンビジョン装置１５０は、毎秒、毎分、毎時などの所
定の数の画像を自動でキャプチャしてもよい。特定の実施形態では、マシンビジョン装置
１５０は、所定の領域（例えば、区画又は細区画）内で鉄道線路１３０の全長をキャプチ
ャするのに十分な数の画像を自動でキャプチャする。
０の画像を自動でキャプチャする１つ以上のカメラを含む。マシンビジョン装置１５０は
、鉄道車両１４０が鉄道線路１３０に沿って移動する間、自動で静止画像又は動画をキャ
プチャし得る。マシンビジョン装置１５０は、任意の適切な数の静止画像又は動画を自動
でキャプチャし得る。例えば、マシンビジョン装置１５０は、毎秒、毎分、毎時などの所
定の数の画像を自動でキャプチャしてもよい。特定の実施形態では、マシンビジョン装置
１５０は、所定の領域（例えば、区画又は細区画）内で鉄道線路１３０の全長をキャプチ
ャするのに十分な数の画像を自動でキャプチャする。
【0021】
システム１００のマシンビジョン装置１５０ａは、鉄道車両１４０ａに取り付けられ
ている。マシンビジョン装置１５０ａは、鉄道線路１３０ａの明確な視野を提供する任意
の適切な場所で鉄道車両１４０ａに取り付けることができる。例えば、マシンビジョン装
置１５０ａは、鉄道線路１３０ａの前方向きの視野を提供するために鉄道車両１４０ａの
前端（例えば、フロントガラス）に取り付けることができる。別の例として、マシンビジ
ョン装置１５０ａは、鉄道線路１３０ａの後向きの視野を提供するために鉄道車両１４０
ａの後端（例えば、後部フロントガラス）に取り付けることができる。特定の実施形態で
は、マシンビジョン装置１５０ａは、鉄道車両１４０ａが鉄道線路１３０ａに沿って進行
方向１６０ａに移動するとき、鉄道環境１２０の画像をキャプチャする。
ている。マシンビジョン装置１５０ａは、鉄道線路１３０ａの明確な視野を提供する任意
の適切な場所で鉄道車両１４０ａに取り付けることができる。例えば、マシンビジョン装
置１５０ａは、鉄道線路１３０ａの前方向きの視野を提供するために鉄道車両１４０ａの
前端（例えば、フロントガラス）に取り付けることができる。別の例として、マシンビジ
ョン装置１５０ａは、鉄道線路１３０ａの後向きの視野を提供するために鉄道車両１４０
ａの後端（例えば、後部フロントガラス）に取り付けることができる。特定の実施形態で
は、マシンビジョン装置１５０ａは、鉄道車両１４０ａが鉄道線路１３０ａに沿って進行
方向１６０ａに移動するとき、鉄道環境１２０の画像をキャプチャする。
【0022】
システム１００のマシンビジョン装置１５０ｂは、鉄道車両１４０ｂに取り付けられ
ている。マシンビジョン装置１５０ｂは、鉄道線路１３０ｂの明確な視野を提供する任意
の適切な場所で鉄道車両１４０ｂに取り付けることができる。例えば、マシンビジョン装
置１５０ｂは、鉄道線路１３０ｂの前向きの視野を提供するために、鉄道車両１４０ｂの
前端（例えば、フロントガラス）に取り付けることができる。別の例として、マシンビジ
ョン装置１５０ｂは、鉄道線路１３０ｂの後向きの視野を提供するために鉄道車両１４０
ｂの後端（例えば、後部フロントガラス）に取り付けることができる。特定の実施形態で
は、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂが進行方向１６０ｂに鉄道線路１
３０ｂに沿って移動するとき、鉄道環境１２０の画像をキャプチャする。
ている。マシンビジョン装置１５０ｂは、鉄道線路１３０ｂの明確な視野を提供する任意
の適切な場所で鉄道車両１４０ｂに取り付けることができる。例えば、マシンビジョン装
置１５０ｂは、鉄道線路１３０ｂの前向きの視野を提供するために、鉄道車両１４０ｂの
前端（例えば、フロントガラス）に取り付けることができる。別の例として、マシンビジ
ョン装置１５０ｂは、鉄道線路１３０ｂの後向きの視野を提供するために鉄道車両１４０
ｂの後端（例えば、後部フロントガラス）に取り付けることができる。特定の実施形態で
は、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂが進行方向１６０ｂに鉄道線路１
３０ｂに沿って移動するとき、鉄道環境１２０の画像をキャプチャする。
【0023】
マシンビジョン装置１５０は、キャプチャされた画像のオブジェクトを検査し得る。
オブジェクトは、鉄道線路１３０、破片（ｄｅｂｒｉｓ）１７２（例えば、瓦礫（ｒｕｂ
ｂｌｅ）、難破貨物（ｗｒｅｃｋａｇｅ）、廃虚（ｒｕｉｎｓ）、落葉（ｌｉｔｔｅｒ）
、ゴミ（ｔｒａｓｈ）、小枝（ｂｒｕｓｈ）など）、歩行者１７４（例えば、侵入者（ｔ
ｒｅｓｐａｓｓｅｒ））、動物（ａｎｉｍａｌ）、植生（ｖｅｇｅｔａｔｉｏｎ）、バラ
ストなどを含み得る。いくつかの実施形態では、マシンビジョン装置１５０は、マシンビ
ジョンアルゴリズムを使用して画像内のオブジェクトを分析し得る。マシンビジョンアル
ゴリズムは、画像内のオブジェクトを認識し、画像処理技術及び／又はパターン認識技術
を使用してオブジェクトを分類し得る。
オブジェクトは、鉄道線路１３０、破片（ｄｅｂｒｉｓ）１７２（例えば、瓦礫（ｒｕｂ
ｂｌｅ）、難破貨物（ｗｒｅｃｋａｇｅ）、廃虚（ｒｕｉｎｓ）、落葉（ｌｉｔｔｅｒ）
、ゴミ（ｔｒａｓｈ）、小枝（ｂｒｕｓｈ）など）、歩行者１７４（例えば、侵入者（ｔ
ｒｅｓｐａｓｓｅｒ））、動物（ａｎｉｍａｌ）、植生（ｖｅｇｅｔａｔｉｏｎ）、バラ
ストなどを含み得る。いくつかの実施形態では、マシンビジョン装置１５０は、マシンビ
ジョンアルゴリズムを使用して画像内のオブジェクトを分析し得る。マシンビジョンアル
ゴリズムは、画像内のオブジェクトを認識し、画像処理技術及び／又はパターン認識技術
を使用してオブジェクトを分類し得る。
【0024】
特定の実施形態では、マシンビジョン装置１５０は、例外に対して画像のオブジェク
トを分析するために、マシンビジョンアルゴリズムを使用する。例外は、許容される標準
と比較した場合のオブジェクトの偏差である。例外には、１つ以上の鉄道線路１３０の線
路の位置ずれ（例えば、湾曲（ｃｕｒｖｅｄ）、ゆがみ（ｗａｒｐｅｄ）、ねじれ（ｔｗ
ｉｓｔｅｄ）、又はオフセット（ｏｆｆｓｅｔ）した線路）（例えば、鉄道線路１３０ｂ
の線路の位置ずれ１７０）、１つ以上の鉄道線路１３０上又は１つ以上の鉄道線路１３０
の所定の距離内に位置する所定のサイズを超過する破片１７２、鉄道線路１３０の所定の
距離内に位置する歩行者１７４（例えば、侵入者）、踏切警告装置の誤作動、鉄道線路１
３０の遮られた視野、オブジェクトへの損傷（例えば、１つ以上の鉄道線路１３０の支持
面の流失）、オブジェクトの誤った配置、などを含み得る。
トを分析するために、マシンビジョンアルゴリズムを使用する。例外は、許容される標準
と比較した場合のオブジェクトの偏差である。例外には、１つ以上の鉄道線路１３０の線
路の位置ずれ（例えば、湾曲（ｃｕｒｖｅｄ）、ゆがみ（ｗａｒｐｅｄ）、ねじれ（ｔｗ
ｉｓｔｅｄ）、又はオフセット（ｏｆｆｓｅｔ）した線路）（例えば、鉄道線路１３０ｂ
の線路の位置ずれ１７０）、１つ以上の鉄道線路１３０上又は１つ以上の鉄道線路１３０
の所定の距離内に位置する所定のサイズを超過する破片１７２、鉄道線路１３０の所定の
距離内に位置する歩行者１７４（例えば、侵入者）、踏切警告装置の誤作動、鉄道線路１
３０の遮られた視野、オブジェクトへの損傷（例えば、１つ以上の鉄道線路１３０の支持
面の流失）、オブジェクトの誤った配置、などを含み得る。
【0025】
いくつかの実施形態では、マシンビジョン装置１５０は、オブジェクトに関連する値
を決定し、その値を所定の閾値（例えば、所定の許容可能な値）と比較してオブジェクト
が例外を示すか否かを決定し得る。例えば、マシンビジョン装置１５０は、図１の鉄道線
路１３０ｂの線路の位置ずれ１７０が３メートル延びていると決定し、その値を１メート
ルの許容可能な線路の位置ずれ値と比較して線路の位置ずれ１７０が例外を示していると
決定し得る。別の例として、マシンビジョン装置１５０は、図１の破片１７２が鉄道線路
１３０ｂに位置すると決定し、その値を鉄道線路１３０ｂから３メートル以上離れて位置
する破片１７２の許容可能な値と比較して破片１７２が例外を示していると決定し得る。
また別の例として、マシンビジョン装置１５０は、図１の歩行者１７４が鉄道線路１３０
ｂに位置すると決定し、その値を鉄道線路１３０ｂから３メートル以上離れて位置する歩
行者１７４の許容可能な値と比較して歩行者１７４が例外を示していると決定し得る。特
定の実施形態では、例外は、オブジェクトの潜在的な欠陥を示す。
を決定し、その値を所定の閾値（例えば、所定の許容可能な値）と比較してオブジェクト
が例外を示すか否かを決定し得る。例えば、マシンビジョン装置１５０は、図１の鉄道線
路１３０ｂの線路の位置ずれ１７０が３メートル延びていると決定し、その値を１メート
ルの許容可能な線路の位置ずれ値と比較して線路の位置ずれ１７０が例外を示していると
決定し得る。別の例として、マシンビジョン装置１５０は、図１の破片１７２が鉄道線路
１３０ｂに位置すると決定し、その値を鉄道線路１３０ｂから３メートル以上離れて位置
する破片１７２の許容可能な値と比較して破片１７２が例外を示していると決定し得る。
また別の例として、マシンビジョン装置１５０は、図１の歩行者１７４が鉄道線路１３０
ｂに位置すると決定し、その値を鉄道線路１３０ｂから３メートル以上離れて位置する歩
行者１７４の許容可能な値と比較して歩行者１７４が例外を示していると決定し得る。特
定の実施形態では、例外は、オブジェクトの潜在的な欠陥を示す。
【0026】
マシンビジョン装置１５０は、システム１００の１つ以上の構成要素に１つ以上の警
報を伝達し得る。警報は、マシンビジョン装置１５０によって決定された例外（例えば、
欠陥）の表示を含み得る。特定の実施形態では、図１のマシンビジョン装置１５０ａは、
図１のマシーン装置１５０ｂに１つ以上の警報を伝達する。例えば、鉄道車両１４０ａの
マシンビジョン装置１５０ａは、鉄道線路１３０ｂの線路の位置ずれ１７０の画像をキャ
プチャし、線路の位置ずれ１７０が例外であると決定し、鉄道車両１４０ｂの１つ以上の
構成要素（例えば、マシンビジョン装置１５０ｂ）に例外を示す警報を伝達してもよい。
警報は、鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前に、鉄道車両１４０ｂの
列車技術者に線路の位置ずれ１７０を通知してもよい。
報を伝達し得る。警報は、マシンビジョン装置１５０によって決定された例外（例えば、
欠陥）の表示を含み得る。特定の実施形態では、図１のマシンビジョン装置１５０ａは、
図１のマシーン装置１５０ｂに１つ以上の警報を伝達する。例えば、鉄道車両１４０ａの
マシンビジョン装置１５０ａは、鉄道線路１３０ｂの線路の位置ずれ１７０の画像をキャ
プチャし、線路の位置ずれ１７０が例外であると決定し、鉄道車両１４０ｂの１つ以上の
構成要素（例えば、マシンビジョン装置１５０ｂ）に例外を示す警報を伝達してもよい。
警報は、鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前に、鉄道車両１４０ｂの
列車技術者に線路の位置ずれ１７０を通知してもよい。
【0027】
特定の実施形態では、マシンビジョン装置１５０によって生成された警報は、オブジ
ェクトの説明（例えば、鉄道線路１３０ｂ）、潜在的な欠陥の説明（例えば、線路の位置
ずれ１７０）、オブジェクトの画像、オブジェクトの位置（例えば、鉄道線路１３０ｂの
線路の位置ずれ１７０の全地球測位システム（ＧＰＳ）の位置）、鉄道車両１４０のマシ
ンビジョン装置１５０によってオブジェクトがキャプチャされた時間、鉄道車両１４０の
マシンビジョン装置１５０によってオブジェクトがキャプチャされた日付、鉄道車両１４
０の識別（例えば、鉄道車両１４０ａ又は鉄道車両１４０ｂ）、鉄道車両１４０の進行方
向１６０の表示、所定の時間内に鉄道環境１２０を通過するように予定されている１つ以
上の鉄道車両の表示などのうちの１つ以上を含み得る。いくつかの実施形態では、図１の
マシンビジョン装置１５０ａは、ネットワークオペレーションセンタ１８０のＵＥ１９０
に１つ以上の例外を伝達する。
ェクトの説明（例えば、鉄道線路１３０ｂ）、潜在的な欠陥の説明（例えば、線路の位置
ずれ１７０）、オブジェクトの画像、オブジェクトの位置（例えば、鉄道線路１３０ｂの
線路の位置ずれ１７０の全地球測位システム（ＧＰＳ）の位置）、鉄道車両１４０のマシ
ンビジョン装置１５０によってオブジェクトがキャプチャされた時間、鉄道車両１４０の
マシンビジョン装置１５０によってオブジェクトがキャプチャされた日付、鉄道車両１４
０の識別（例えば、鉄道車両１４０ａ又は鉄道車両１４０ｂ）、鉄道車両１４０の進行方
向１６０の表示、所定の時間内に鉄道環境１２０を通過するように予定されている１つ以
上の鉄道車両の表示などのうちの１つ以上を含み得る。いくつかの実施形態では、図１の
マシンビジョン装置１５０ａは、ネットワークオペレーションセンタ１８０のＵＥ１９０
に１つ以上の例外を伝達する。
【0028】
システム１００のネットワークオペレーションセンタ１８０は、輸送関連の交通を管
理するサポートスタッフを収容する１つ以上の場所を備えた施設である。例えば、ネット
ワークオペレーションセンタ１８０は、州（ｓｔａｔｅ）、プロビデンス（ｐｒｏｖｉｄ
ｅｎｃｅ）などを横切る列車の動きをモニタ、管理、及び／又は制御してもよい。ネット
ワークオペレーションセンタ１８０は、ネットワークオペレーションセンタ１８０と関連
する従業員間の協力を容易にするための輸送計画技術を含み得る。従業員は、運行管理員
（例えば、列車の運行管理員）、サポートスタッフ、作業員（ｃｒｅｗ ｍｅｍｂｅｒ）
、エンジニア（例えば、列車技術者）、チームの一員（例えば、セキュリティチームの一
員）、保守計画者、管理者（例えば、通路管理者（ｃｏｒｒｉｄｏｒ ｓｕｐｅｒｉｎｔ
ｅｎｄｅｎｔ））、現場検査官（ｆｉｅｌｄ ｉｎｓｐｅｃｔｏｒ）などを含み得る。特
定の実施形態では、ネットワークオペレーションセンタ１８０は、会議室、テレビ、ワー
クステーションなどを含む。それぞれのワークステーションは、ＵＥ１９０を含み得る。
理するサポートスタッフを収容する１つ以上の場所を備えた施設である。例えば、ネット
ワークオペレーションセンタ１８０は、州（ｓｔａｔｅ）、プロビデンス（ｐｒｏｖｉｄ
ｅｎｃｅ）などを横切る列車の動きをモニタ、管理、及び／又は制御してもよい。ネット
ワークオペレーションセンタ１８０は、ネットワークオペレーションセンタ１８０と関連
する従業員間の協力を容易にするための輸送計画技術を含み得る。従業員は、運行管理員
（例えば、列車の運行管理員）、サポートスタッフ、作業員（ｃｒｅｗ ｍｅｍｂｅｒ）
、エンジニア（例えば、列車技術者）、チームの一員（例えば、セキュリティチームの一
員）、保守計画者、管理者（例えば、通路管理者（ｃｏｒｒｉｄｏｒ ｓｕｐｅｒｉｎｔ
ｅｎｄｅｎｔ））、現場検査官（ｆｉｅｌｄ ｉｎｓｐｅｃｔｏｒ）などを含み得る。特
定の実施形態では、ネットワークオペレーションセンタ１８０は、会議室、テレビ、ワー
クステーションなどを含む。それぞれのワークステーションは、ＵＥ１９０を含み得る。
【0029】
システム１００のＵＥ１９０は、情報を受信、生成、処理、格納、及び／又は伝達す
ることができる任意の装置を含む。例えば、システム１００のＵＥ１９０は、マシンビジ
ョン装置１５０から情報（例えば、潜在的な欠陥）を受信し、及び／又はマシンビジョン
装置１５０に情報（例えば、確認された欠陥）を伝達してもよい。ＵＥ１９０は、デスク
トップコンピュータ、ラップトップコンピュータ、モバイルフォン（例えば、スマートフ
ォン）、タブレット、携帯情報端末（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔ
ａｎｔ）、ウェアラブルコンピュータなどであり得る。ＵＥ１９０は、液晶ディスプレイ
（ＬＣＤ）、有機発光ダイオード（ＯＬＥＤ）フラットスクリーンインターフェース、デ
ジタルボタン、デジタルキーボード、物理的ボタン、物理的キーボード、１つ以上のタッ
チスクリーン構成要素、グラフィクユーザインターフェース（ＧＵＩ）などを含み得る。
図１の例示された実施形態では、ＵＥ１９０はネットワークオペレーションセンタ１８０
内に位置するが、ＵＥ１９０は、情報を受信してシステム１００の１つ以上の構成要素に
伝達するために任意の適切な場所に配置され得る。例えば、ネットワークオペレーション
センタ１８０の従業員は、住宅又は小売店などの場所で遠隔作業することができ、ＵＥ１
９０は、ネットワークオペレーションセンタ１８０の従業員の位置に配置されてもよい。
別の例として、ＵＥ１９０は、１つ以上の鉄道車両１４０に配置されてもよい。
ることができる任意の装置を含む。例えば、システム１００のＵＥ１９０は、マシンビジ
ョン装置１５０から情報（例えば、潜在的な欠陥）を受信し、及び／又はマシンビジョン
装置１５０に情報（例えば、確認された欠陥）を伝達してもよい。ＵＥ１９０は、デスク
トップコンピュータ、ラップトップコンピュータ、モバイルフォン（例えば、スマートフ
ォン）、タブレット、携帯情報端末（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔ
ａｎｔ）、ウェアラブルコンピュータなどであり得る。ＵＥ１９０は、液晶ディスプレイ
（ＬＣＤ）、有機発光ダイオード（ＯＬＥＤ）フラットスクリーンインターフェース、デ
ジタルボタン、デジタルキーボード、物理的ボタン、物理的キーボード、１つ以上のタッ
チスクリーン構成要素、グラフィクユーザインターフェース（ＧＵＩ）などを含み得る。
図１の例示された実施形態では、ＵＥ１９０はネットワークオペレーションセンタ１８０
内に位置するが、ＵＥ１９０は、情報を受信してシステム１００の１つ以上の構成要素に
伝達するために任意の適切な場所に配置され得る。例えば、ネットワークオペレーション
センタ１８０の従業員は、住宅又は小売店などの場所で遠隔作業することができ、ＵＥ１
９０は、ネットワークオペレーションセンタ１８０の従業員の位置に配置されてもよい。
別の例として、ＵＥ１９０は、１つ以上の鉄道車両１４０に配置されてもよい。
【0030】
動作時、マシンビジョン装置１５０ａは、鉄道車両１４０ａに取り付けられ、マシン
ビジョン装置１５０ｂは、鉄道車両１４０ｂに取り付けられる。鉄道車両１４０ａは、鉄
道線路１３０ａに沿って南行きの進行方向１６０ａに移動している。鉄道車両１４０ｂは
、鉄道線路１３０ｂについて北行きの進行方向１６０ｂに移動している。鉄道車両１４０
ａは、時間Ｔ１で鉄道環境１２０に進入し、鉄道車両１４０ｂは、以後時間Ｔ２（例えば
、時間Ｔ１の１０分後）に鉄道環境１２０に進入するように予定されている。マシンビジ
ョン装置１５０ａは、鉄道線路１３０ｂを含む時間Ｔ１での鉄道環境１２０の画像をキャ
プチャする。マシンビジョン装置１５０ａは、鉄道線路１３０ｂの位置合わせに関連する
値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用して鉄道線路１３０
ｂの画像を分析する。マシンビジョン装置１５０ａは、位置合わせ値を所定の許容可能な
位置合わせ値と比較して、位置合わせ値が所定の許容可能な位置合わせ値を超過すると決
定する。マシンビジョン装置１５０ａは、比較に基づいて鉄道線路１３０ｂが潜在的な欠
陥を含むと決定する。マシンビジョン装置１５０ａは、潜在的な欠陥の識別及び位置を含
む警報をネットワークオペレーションセンタ１８０のＵＥ１９０に伝達する。ＵＥ１９０
のユーザは、潜在的な欠陥が実際の欠陥であることを確認し、鉄道車両１４０ｂが線路の
位置ずれ１７０に遭遇する前に線路の位置ずれ１７０の識別及び位置を鉄道車両１４０ｂ
のマシンビジョン装置１５０ｂに伝達する。このように、システム１００は、近づく鉄道
環境における危険な状態を警告するために使用され、これは、列車が危険な状態を回避す
るアクションを開始するのに十分な時間を得ることを可能にし得る。
ビジョン装置１５０ｂは、鉄道車両１４０ｂに取り付けられる。鉄道車両１４０ａは、鉄
道線路１３０ａに沿って南行きの進行方向１６０ａに移動している。鉄道車両１４０ｂは
、鉄道線路１３０ｂについて北行きの進行方向１６０ｂに移動している。鉄道車両１４０
ａは、時間Ｔ１で鉄道環境１２０に進入し、鉄道車両１４０ｂは、以後時間Ｔ２（例えば
、時間Ｔ１の１０分後）に鉄道環境１２０に進入するように予定されている。マシンビジ
ョン装置１５０ａは、鉄道線路１３０ｂを含む時間Ｔ１での鉄道環境１２０の画像をキャ
プチャする。マシンビジョン装置１５０ａは、鉄道線路１３０ｂの位置合わせに関連する
値を決定するために、１つ以上のマシンビジョンアルゴリズムを使用して鉄道線路１３０
ｂの画像を分析する。マシンビジョン装置１５０ａは、位置合わせ値を所定の許容可能な
位置合わせ値と比較して、位置合わせ値が所定の許容可能な位置合わせ値を超過すると決
定する。マシンビジョン装置１５０ａは、比較に基づいて鉄道線路１３０ｂが潜在的な欠
陥を含むと決定する。マシンビジョン装置１５０ａは、潜在的な欠陥の識別及び位置を含
む警報をネットワークオペレーションセンタ１８０のＵＥ１９０に伝達する。ＵＥ１９０
のユーザは、潜在的な欠陥が実際の欠陥であることを確認し、鉄道車両１４０ｂが線路の
位置ずれ１７０に遭遇する前に線路の位置ずれ１７０の識別及び位置を鉄道車両１４０ｂ
のマシンビジョン装置１５０ｂに伝達する。このように、システム１００は、近づく鉄道
環境における危険な状態を警告するために使用され、これは、列車が危険な状態を回避す
るアクションを開始するのに十分な時間を得ることを可能にし得る。
【0031】
図１は、ネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車両１４０、
マシンビジョン装置１５０、ネットワークオペレーションセンタ１８０、及びＵＥ１９０
の特定の配置を示しているが、本開示は、ネットワーク１１０、鉄道環境１２０、鉄道線
路１３０、鉄道車両１４０、マシンビジョン装置１５０、ネットワークオペレーションセ
ンタ１８０、及びＵＥ１９０の任意の適切な配置を企図する。例えば、線路の位置ずれ１
７０は、鉄道線路１３０ｂの代わりに鉄道線路１３０ａ上に配置されてもよい。別の例と
して、マシンビジョン装置１５０ａは、鉄道車両１４０ａの前部の代わりに鉄道車両１４
０ａの後部に配置されてもよい。また別の例として、破片１７２及び／又は歩行者１７４
は、鉄道線路１３０ａと鉄道線路１３０ｂとの間に配置されてもよい。
マシンビジョン装置１５０、ネットワークオペレーションセンタ１８０、及びＵＥ１９０
の特定の配置を示しているが、本開示は、ネットワーク１１０、鉄道環境１２０、鉄道線
路１３０、鉄道車両１４０、マシンビジョン装置１５０、ネットワークオペレーションセ
ンタ１８０、及びＵＥ１９０の任意の適切な配置を企図する。例えば、線路の位置ずれ１
７０は、鉄道線路１３０ｂの代わりに鉄道線路１３０ａ上に配置されてもよい。別の例と
して、マシンビジョン装置１５０ａは、鉄道車両１４０ａの前部の代わりに鉄道車両１４
０ａの後部に配置されてもよい。また別の例として、破片１７２及び／又は歩行者１７４
は、鉄道線路１３０ａと鉄道線路１３０ｂとの間に配置されてもよい。
【0032】
図１は、特定の数のネットワーク１１０、鉄道環境１２０、鉄道線路１３０、鉄道車
両１４０、マシンビジョン装置１５０、ネットワークオペレーションセンタ１８０、及び
ＵＥ１９０を示しているが、本開示は、任意の適切な数のネットワーク１１０、鉄道環境
１２０、鉄道線路１３０、鉄道車両１４０、マシンビジョン装置１５０、ネットワークオ
ペレーションセンタ１８０、及びＵＥ１９０を企図する。例えば、図１は、２つより多い
又は少ない鉄道線路１３０及び／又は２つより多い又は少ない鉄道車両１４０を含んでも
よい。
両１４０、マシンビジョン装置１５０、ネットワークオペレーションセンタ１８０、及び
ＵＥ１９０を示しているが、本開示は、任意の適切な数のネットワーク１１０、鉄道環境
１２０、鉄道線路１３０、鉄道車両１４０、マシンビジョン装置１５０、ネットワークオ
ペレーションセンタ１８０、及びＵＥ１９０を企図する。例えば、図１は、２つより多い
又は少ない鉄道線路１３０及び／又は２つより多い又は少ない鉄道車両１４０を含んでも
よい。
【0033】
図２は、図１のシステム１００のマシンビジョン装置１５０ｂによって生成され得る
例示的な前面画像２００を示す。画像２００は、特定の時点における鉄道環境１２０の概
要を示す。画像２００は、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ｂの線
路の位置ずれ１７０、鉄道線路１３０ａと鉄道線路１３０ｂとの間の破片１７２、鉄道線
路１３０ｂの近くのバラストプロファイル２１０の変化、及び鉄道線路１３０ｂの外部の
植生生育の終端２２０を含む。図２に示した実施形態では、鉄道線路１３０ａは、鉄道線
路１３０ｂに隣接（例えば、平行）している。
例示的な前面画像２００を示す。画像２００は、特定の時点における鉄道環境１２０の概
要を示す。画像２００は、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ｂの線
路の位置ずれ１７０、鉄道線路１３０ａと鉄道線路１３０ｂとの間の破片１７２、鉄道線
路１３０ｂの近くのバラストプロファイル２１０の変化、及び鉄道線路１３０ｂの外部の
植生生育の終端２２０を含む。図２に示した実施形態では、鉄道線路１３０ａは、鉄道線
路１３０ｂに隣接（例えば、平行）している。
【0034】
特定の実施形態では、図１のマシンビジョン装置１５０ｂは、鉄道車両１４０ｂが鉄
道線路１３０ｂに沿って進行方向１６０ａに移動するとき、図２の画像２００を自動でキ
ャプチャする。マシンビジョン装置１５０ｂは、画像２００を静止画像又は動画でキャプ
チャし得る。図２に示した実施形態では、マシンビジョン装置１５０ｂは、鉄道車両１４
０ｂのフロントガラスに取り付けられて、鉄道線路１３０ｂの明確な前向きの視野を提供
する。
道線路１３０ｂに沿って進行方向１６０ａに移動するとき、図２の画像２００を自動でキ
ャプチャする。マシンビジョン装置１５０ｂは、画像２００を静止画像又は動画でキャプ
チャし得る。図２に示した実施形態では、マシンビジョン装置１５０ｂは、鉄道車両１４
０ｂのフロントガラスに取り付けられて、鉄道線路１３０ｂの明確な前向きの視野を提供
する。
【0035】
いくつかの実施形態では、マシンビジョン装置１５０ｂは、画像２００内の１つ以上
のオブジェクトを識別するために、画像２００を自動で処理する。マシンビジョン装置１
５０ｂは、画像２００を処理するために、機械学習アルゴリズム及び／又はマシンビジョ
ンアルゴリズムを使用し得る。特定の実施形態では、マシンビジョン装置１５０ｂは、リ
アルタイム又はほぼリアルタイムで画像２００を自動で処理する。図２に示した実施形態
では、識別されたオブジェクトは、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３
０ａと鉄道線路１３０ｂとの間の破片１７２、バラスト２１０、及び鉄道線路１３０ｂの
外部の植生２２０を含む。マシンビジョン装置１５０ｂは、画像２００が１つ以上の例外
（例えば、欠陥）を含むか否かを決定するために、画像２００のオブジェクトを分析する
。
のオブジェクトを識別するために、画像２００を自動で処理する。マシンビジョン装置１
５０ｂは、画像２００を処理するために、機械学習アルゴリズム及び／又はマシンビジョ
ンアルゴリズムを使用し得る。特定の実施形態では、マシンビジョン装置１５０ｂは、リ
アルタイム又はほぼリアルタイムで画像２００を自動で処理する。図２に示した実施形態
では、識別されたオブジェクトは、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３
０ａと鉄道線路１３０ｂとの間の破片１７２、バラスト２１０、及び鉄道線路１３０ｂの
外部の植生２２０を含む。マシンビジョン装置１５０ｂは、画像２００が１つ以上の例外
（例えば、欠陥）を含むか否かを決定するために、画像２００のオブジェクトを分析する
。
【0036】
特定の実施形態では、マシンビジョン装置１５０ｂは、画像２００内の１つ以上の例
外を自動で識別する。例えば、マシンビジョン装置１５０ｂは、鉄道線路１３０ｂの画像
２００をキャプチャして、画像２００の鉄道線路１３０ｂ内の例外（例えば、曲率）を識
別し、例外を潜在的な欠陥（例えば、線路の位置ずれ１７０）に分類するために、１つ以
上のアルゴリズムを使用してもよい。別の例として、マシンビジョン装置１５０ｂは、破
片１７２の画像２００をキャプチャして、画像２００の破片１７２に対する例外（例えば
、鉄道線路１３０ａの近すぎる位置にある破片１７２、鉄道線路１３０ａの視野を遮る破
片１７２など）を識別することができ、１つ以上のアルゴリズムを使用して例外を欠陥（
例えば、近づく列車への潜在的な危険）に分類してもよい。
外を自動で識別する。例えば、マシンビジョン装置１５０ｂは、鉄道線路１３０ｂの画像
２００をキャプチャして、画像２００の鉄道線路１３０ｂ内の例外（例えば、曲率）を識
別し、例外を潜在的な欠陥（例えば、線路の位置ずれ１７０）に分類するために、１つ以
上のアルゴリズムを使用してもよい。別の例として、マシンビジョン装置１５０ｂは、破
片１７２の画像２００をキャプチャして、画像２００の破片１７２に対する例外（例えば
、鉄道線路１３０ａの近すぎる位置にある破片１７２、鉄道線路１３０ａの視野を遮る破
片１７２など）を識別することができ、１つ以上のアルゴリズムを使用して例外を欠陥（
例えば、近づく列車への潜在的な危険）に分類してもよい。
【0037】
いくつかの実施形態では、マシンビジョン装置１５０ｂは、画像２００に対する１つ
以上のラベルを生成する。ラベルは、画像２００に関連する情報を示す。例えば、マシン
ビジョン装置１５０ｂは、１つ以上のオブジェクト（例えば、鉄道線路１３０ｂ、破片１
７２など）を識別する画像２００に対する１つ以上のラベルを生成してもよい。別の例と
して、マシンビジョン装置１５０ｂは、画像２００内の１つ以上の潜在的な欠陥（例えば
、線路の位置ずれ１７０、バラストプロファイル２１０の変化など）を識別する画像２０
０に対する１つ以上のラベルを生成してもよい。また別の例として、マシンビジョン装置
１５０ｂは、画像２００に対する追加情報（例えば、進行方向１６０ａ、植生生育２２０
の終端など）を提供する画像２００に対する１つ以上のラベルを生成してもよい。いくつ
かの実施形態では、マシンビジョン装置１５０ｂは、画像２００に１つ以上のラベルを重
ね合わせる。
以上のラベルを生成する。ラベルは、画像２００に関連する情報を示す。例えば、マシン
ビジョン装置１５０ｂは、１つ以上のオブジェクト（例えば、鉄道線路１３０ｂ、破片１
７２など）を識別する画像２００に対する１つ以上のラベルを生成してもよい。別の例と
して、マシンビジョン装置１５０ｂは、画像２００内の１つ以上の潜在的な欠陥（例えば
、線路の位置ずれ１７０、バラストプロファイル２１０の変化など）を識別する画像２０
０に対する１つ以上のラベルを生成してもよい。また別の例として、マシンビジョン装置
１５０ｂは、画像２００に対する追加情報（例えば、進行方向１６０ａ、植生生育２２０
の終端など）を提供する画像２００に対する１つ以上のラベルを生成してもよい。いくつ
かの実施形態では、マシンビジョン装置１５０ｂは、画像２００に１つ以上のラベルを重
ね合わせる。
【0038】
特定の実施形態では、マシンビジョン装置１５０ｂは、画像２００を１つ以上の外部
の構成要素（例えば、図１のネットワークオペレーションセンタ１８０のＵＥ１９０）に
伝達する。いくつかの実施形態では、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂ
が例外に遭遇する前に、画像２００内の例外（例えば、欠陥）を識別し得る。例えば、マ
シンビジョン装置１５０ｂは、鉄道車両１４０ｂが鉄道線路１３０ｂの線路の位置ずれ１
７０に近づくときに画像２００をキャプチャしてもよい。マシンビジョン装置１５０ｂは
、画像２００が線路の位置ずれ１７０を含むことを自動で決定し、鉄道車両１４０ｂの運
転者に潜在的な危険を警告し得る。警報に応答して、オペレータは、事故（例えば、列車
の脱線）を防止できる鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前にアクショ
ン（例えば、鉄道車両１４０ｂに関連する列車を停止又は減速）をとり得る。このように
、画像２００は、鉄道環境１２０内の安全動作を増加させ得る鉄道環境１２０の潜在的な
欠陥の識別のために使用され得る。
の構成要素（例えば、図１のネットワークオペレーションセンタ１８０のＵＥ１９０）に
伝達する。いくつかの実施形態では、マシンビジョン装置１５０ｂは、鉄道車両１４０ｂ
が例外に遭遇する前に、画像２００内の例外（例えば、欠陥）を識別し得る。例えば、マ
シンビジョン装置１５０ｂは、鉄道車両１４０ｂが鉄道線路１３０ｂの線路の位置ずれ１
７０に近づくときに画像２００をキャプチャしてもよい。マシンビジョン装置１５０ｂは
、画像２００が線路の位置ずれ１７０を含むことを自動で決定し、鉄道車両１４０ｂの運
転者に潜在的な危険を警告し得る。警報に応答して、オペレータは、事故（例えば、列車
の脱線）を防止できる鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前にアクショ
ン（例えば、鉄道車両１４０ｂに関連する列車を停止又は減速）をとり得る。このように
、画像２００は、鉄道環境１２０内の安全動作を増加させ得る鉄道環境１２０の潜在的な
欠陥の識別のために使用され得る。
【0039】
図２は、画像２００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０
、破片１７２、バラストプロファイル２１０、及び植生生育２２０の特定の配置を示して
いるが、本開示は、画像２００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ
１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０の任意の適切な
配置を企図する。例えば、鉄道線路１３０ａと鉄道線路１３０ｂが入れ替わってもよい。
別の例として、破片１７２は、鉄道線路１３０ａ、鉄道線路１３０ｂ、又は、鉄道線路１
３０ｂの近くに配置されてもよい。
、破片１７２、バラストプロファイル２１０、及び植生生育２２０の特定の配置を示して
いるが、本開示は、画像２００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ
１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０の任意の適切な
配置を企図する。例えば、鉄道線路１３０ａと鉄道線路１３０ｂが入れ替わってもよい。
別の例として、破片１７２は、鉄道線路１３０ａ、鉄道線路１３０ｂ、又は、鉄道線路１
３０ｂの近くに配置されてもよい。
【0040】
図２は、特定の数の画像２００、鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置
ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０を示してい
るが、本開示は、任意の適切な数の画像２００、鉄道線路１３０ａ、鉄道線路１３０ｂ、
線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０
を企図する。例えば、図２は、２つより多い又は少ない鉄道線路を含んでもよい。図２の
画像２００は、鉄道システムと関連するが、画像２００は、任意の適切な輸送システム（
例えば、車両／道路、船舶／水路など）に関連し得る。
ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０を示してい
るが、本開示は、任意の適切な数の画像２００、鉄道線路１３０ａ、鉄道線路１３０ｂ、
線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０
を企図する。例えば、図２は、２つより多い又は少ない鉄道線路を含んでもよい。図２の
画像２００は、鉄道システムと関連するが、画像２００は、任意の適切な輸送システム（
例えば、車両／道路、船舶／水路など）に関連し得る。
【0041】
図３は、図１のシステム１００のマシンビジョン装置１５０ａによって生成され得る
例示的な後面画像３００を示す。画像３００は、特定の時点における鉄道環境１２０の概
要を示す。画像３００は、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ｂの線
路の位置ずれ１７０、鉄道線路１３０ａと鉄道線路１３０ｂとの間の破片１７２、鉄道線
路１３０ｂの近くのバラストプロファイル２１０の変化、及び植生生育の終端２２０を含
む。図３に示した実施形態では、鉄道線路１３０ａは、鉄道線路１３０ｂに隣接（例えば
、平行）している。
例示的な後面画像３００を示す。画像３００は、特定の時点における鉄道環境１２０の概
要を示す。画像３００は、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ｂの線
路の位置ずれ１７０、鉄道線路１３０ａと鉄道線路１３０ｂとの間の破片１７２、鉄道線
路１３０ｂの近くのバラストプロファイル２１０の変化、及び植生生育の終端２２０を含
む。図３に示した実施形態では、鉄道線路１３０ａは、鉄道線路１３０ｂに隣接（例えば
、平行）している。
【0042】
特定の実施形態では、図１のマシンビジョン装置１５０ａは、図１の鉄道車両１４０
ａが鉄道線路１３０ａに沿って進行方向１６０ｂに移動するとき、図３の画像３００を自
動でキャプチャする。マシンビジョン装置１５０ａは、画像３００を静止画像又は動画と
してキャプチャし得る。特定の実施形態では、マシンビジョン装置１５０ａは、鉄道車両
１４０ｂの後部フロントガラスに取り付けられ、鉄道線路１３０ａ及び鉄道線路１３０ｂ
の明確な後向きの視野を提供する。
ａが鉄道線路１３０ａに沿って進行方向１６０ｂに移動するとき、図３の画像３００を自
動でキャプチャする。マシンビジョン装置１５０ａは、画像３００を静止画像又は動画と
してキャプチャし得る。特定の実施形態では、マシンビジョン装置１５０ａは、鉄道車両
１４０ｂの後部フロントガラスに取り付けられ、鉄道線路１３０ａ及び鉄道線路１３０ｂ
の明確な後向きの視野を提供する。
【0043】
いくつかの実施形態では、マシンビジョン装置１５０ａは、画像３００を自動で処理
し、画像３００の１つ以上のオブジェクトを識別する。マシンビジョン装置１５０ａは、
画像３００を処理するために機械学習アルゴリズム及び／又はマシンビジョンアルゴリズ
ムを使用してもよい。特定の実施形態では、マシンビジョン装置１５０ａは、リアルタイ
ム又はほぼリアルタイムで画像３００を自動で処理する。図３に示した実施形態では、識
別されたオブジェクトは、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ａと鉄
道線路１３０ｂとの間の破片１７２、バラスト２１０、及び植生２２０を含む。マシンビ
ジョン装置１５０ａは、画像３００が１つ以上の例外（例えば、欠陥）を含むか否かを決
定するために画像３００のオブジェクトを分析する。
し、画像３００の１つ以上のオブジェクトを識別する。マシンビジョン装置１５０ａは、
画像３００を処理するために機械学習アルゴリズム及び／又はマシンビジョンアルゴリズ
ムを使用してもよい。特定の実施形態では、マシンビジョン装置１５０ａは、リアルタイ
ム又はほぼリアルタイムで画像３００を自動で処理する。図３に示した実施形態では、識
別されたオブジェクトは、鉄道線路１３０ａ、鉄道線路１３０ｂ、鉄道線路１３０ａと鉄
道線路１３０ｂとの間の破片１７２、バラスト２１０、及び植生２２０を含む。マシンビ
ジョン装置１５０ａは、画像３００が１つ以上の例外（例えば、欠陥）を含むか否かを決
定するために画像３００のオブジェクトを分析する。
【0044】
特定の実施形態では、マシンビジョン装置１５０ａは、画像３００内の１つ以上の例
外を自動で識別する。例えば、マシンビジョン装置１５０ａは、鉄道線路１３０ｂの画像
３００をキャプチャして、画像３００の鉄道線路１３０ｂ内の例外（例えば、湾曲、座屈
、ゆがみ、及び／又はねじれたレール）を識別し、例外を潜在的な欠陥（例えば、線路の
位置ずれ１７０）に分類するために、１つ以上のアルゴリズムを使用してもよい。別の例
として、マシンビジョン装置１５０ａは、破片１７２の画像３００をキャプチャして、画
像３００の破片１７２に対する例外（例えば、鉄道線路１３０ｂの近すぎる位置にある破
片１７２、鉄道線路１３０ｂの視野を遮る破片１７２など）を識別することができ、１つ
以上のアルゴリズムを使用して例外を欠陥（例えば、近づく列車への潜在的な危険）に分
類してもよい。
外を自動で識別する。例えば、マシンビジョン装置１５０ａは、鉄道線路１３０ｂの画像
３００をキャプチャして、画像３００の鉄道線路１３０ｂ内の例外（例えば、湾曲、座屈
、ゆがみ、及び／又はねじれたレール）を識別し、例外を潜在的な欠陥（例えば、線路の
位置ずれ１７０）に分類するために、１つ以上のアルゴリズムを使用してもよい。別の例
として、マシンビジョン装置１５０ａは、破片１７２の画像３００をキャプチャして、画
像３００の破片１７２に対する例外（例えば、鉄道線路１３０ｂの近すぎる位置にある破
片１７２、鉄道線路１３０ｂの視野を遮る破片１７２など）を識別することができ、１つ
以上のアルゴリズムを使用して例外を欠陥（例えば、近づく列車への潜在的な危険）に分
類してもよい。
【0045】
いくつかの実施形態では、マシンビジョン装置１５０ａは、画像３００に対する１つ
以上のラベルを生成する。例えば、マシンビジョン装置１５０ａは、１つ以上のオブジェ
クト（例えば、鉄道線路１３０ａ、鉄道線路１３０ｂ、破片１７２など）を識別する１つ
以上のラベルを画像３００に生成してもよい。別の例として、マシンビジョン装置１５０
ａは、画像３００内の１つ以上の潜在的な欠陥（例えば、線路の位置ずれ１７０、バラス
トプロファイル２１０の変化など）を識別する１つ以上のラベルを画像３００に生成して
もよい。また別の例として、マシンビジョン装置１５０ａは、画像３００に対する追加情
報（例えば、進行方向１６０ｂ、植生生育の終端２２０など）を提供する１つ以上のラベ
ルを画像３００に生成してもよい。いくつかの実施形態では、マシンビジョン装置１５０
ｂは、画像３００に１つ以上のラベルを重ね合わせる。
以上のラベルを生成する。例えば、マシンビジョン装置１５０ａは、１つ以上のオブジェ
クト（例えば、鉄道線路１３０ａ、鉄道線路１３０ｂ、破片１７２など）を識別する１つ
以上のラベルを画像３００に生成してもよい。別の例として、マシンビジョン装置１５０
ａは、画像３００内の１つ以上の潜在的な欠陥（例えば、線路の位置ずれ１７０、バラス
トプロファイル２１０の変化など）を識別する１つ以上のラベルを画像３００に生成して
もよい。また別の例として、マシンビジョン装置１５０ａは、画像３００に対する追加情
報（例えば、進行方向１６０ｂ、植生生育の終端２２０など）を提供する１つ以上のラベ
ルを画像３００に生成してもよい。いくつかの実施形態では、マシンビジョン装置１５０
ｂは、画像３００に１つ以上のラベルを重ね合わせる。
【0046】
特定の実施形態では、マシンビジョン装置１５０ａは、画像３００を１つ以上の構成
要素（例えば、図１のネットワークオペレーションセンタ１８０のＵＥ１９０、図１のマ
シンビジョン装置１５０ｂなど）に伝達する。いくつかの実施形態では、マシンビジョン
装置１５０ａは、他の鉄道車両が例外に遭遇する前に、画像３００内の例外（例えば、欠
陥）を識別し得る。例えば、マシンビジョン装置１５０ａは、鉄道車両１４０ａが鉄道線
路１３０ａに沿って移動し、鉄道線路１３０ｂの線路の位置ずれ１７０を通過するときに
、画像３００をキャプチャしてもよい。マシンビジョン装置１５０ｂは、画像３００が鉄
道線路１３０ｂの線路の位置ずれ１７０を含むと自動で決定し、鉄道車両１４０ｂの構成
要素（例えば、マシンビジョン装置１５０ｂ）に警報を伝達し得る。鉄道車両１４０ｂの
オペレータは、線路の位置ずれ１７０の潜在的な危険を示す警報を受信し得る。警報に応
答して、オペレータは、鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前にアクシ
ョン（例えば、鉄道車両１４０ｂと関連する列車を停止又は減速）をとることができ、事
故（例えば、列車の脱線）を防ぐことができる。このように、画像３００は、鉄道環境１
２０内の安全動作を増加させ得る鉄道環境１２０の潜在的な欠陥を識別するために使用さ
れ得る。
要素（例えば、図１のネットワークオペレーションセンタ１８０のＵＥ１９０、図１のマ
シンビジョン装置１５０ｂなど）に伝達する。いくつかの実施形態では、マシンビジョン
装置１５０ａは、他の鉄道車両が例外に遭遇する前に、画像３００内の例外（例えば、欠
陥）を識別し得る。例えば、マシンビジョン装置１５０ａは、鉄道車両１４０ａが鉄道線
路１３０ａに沿って移動し、鉄道線路１３０ｂの線路の位置ずれ１７０を通過するときに
、画像３００をキャプチャしてもよい。マシンビジョン装置１５０ｂは、画像３００が鉄
道線路１３０ｂの線路の位置ずれ１７０を含むと自動で決定し、鉄道車両１４０ｂの構成
要素（例えば、マシンビジョン装置１５０ｂ）に警報を伝達し得る。鉄道車両１４０ｂの
オペレータは、線路の位置ずれ１７０の潜在的な危険を示す警報を受信し得る。警報に応
答して、オペレータは、鉄道車両１４０ｂが線路の位置ずれ１７０に遭遇する前にアクシ
ョン（例えば、鉄道車両１４０ｂと関連する列車を停止又は減速）をとることができ、事
故（例えば、列車の脱線）を防ぐことができる。このように、画像３００は、鉄道環境１
２０内の安全動作を増加させ得る鉄道環境１２０の潜在的な欠陥を識別するために使用さ
れ得る。
【0047】
図３は、画像３００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ１７０
、破片１７２、バラストプロファイル２１０、及び植生生育２２０の特定の配置を示して
いるが、本開示は、画像３００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ
１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０の任意の適切な
配置を企図する。例えば、鉄道線路１３０ａと鉄道線路１３０ｂが入れ替わってもよい。
別の例として、破片１７２は、鉄道線路１３０ａ、鉄道線路１３０ｂ、又は、鉄道線路１
３０ｂの近くに配置されてもよい。
、破片１７２、バラストプロファイル２１０、及び植生生育２２０の特定の配置を示して
いるが、本開示は、画像３００の鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置ずれ
１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０の任意の適切な
配置を企図する。例えば、鉄道線路１３０ａと鉄道線路１３０ｂが入れ替わってもよい。
別の例として、破片１７２は、鉄道線路１３０ａ、鉄道線路１３０ｂ、又は、鉄道線路１
３０ｂの近くに配置されてもよい。
【0048】
図３は、特定の数の画像３００、鉄道線路１３０ａ、鉄道線路１３０ｂ、線路の位置
ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０を示してい
るが、本開示は、任意の適切な数の画像３００、鉄道線路１３０ａ、鉄道線路１３０ｂ、
線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０
を企図する。例えば、図３は、２つより多い又は少ない鉄道線路を含んでもよい。図３の
画像３００は、鉄道システムと関連するが、画像３００は、任意の適切な輸送システム（
例えば、車両／道路、船舶／水路など）に関連し得る。
ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０を示してい
るが、本開示は、任意の適切な数の画像３００、鉄道線路１３０ａ、鉄道線路１３０ｂ、
線路の位置ずれ１７０、破片１７２、バラストプロファイル２１０、及び植生生育２２０
を企図する。例えば、図３は、２つより多い又は少ない鉄道線路を含んでもよい。図３の
画像３００は、鉄道システムと関連するが、画像３００は、任意の適切な輸送システム（
例えば、車両／道路、船舶／水路など）に関連し得る。
【0049】
図４は、鉄道環境オブジェクトの潜在的な欠陥を識別するための例示的な方法４００
を示す。方法４００は、ステップ４０５で開始する。ステップ４１０において、マシンビ
ジョン装置（例えば、図１のマシンビジョン装置１５０ａ）は、鉄道車両（例えば、図１
の鉄道車両１４０ａ）に取り付けられている。特定の実施形態では、鉄道車両は、列車の
終端に位置し、マシンビジョン装置は、鉄道車両の後部フロントガラスに取り付けられ、
鉄道線路（例えば、図１の鉄道線路１３０ａ）の明確な後方視野を提供する。特定の実施
形態では、マシンビジョン装置は、隣接する鉄道線路（例えば、図１の鉄道線路１３０ｂ
）の明確な後方視野を提供するために鉄道車両の後部フロントガラスに配置される。次に
、方法４００は、ステップ４１０からステップ４２０に移動する。
を示す。方法４００は、ステップ４０５で開始する。ステップ４１０において、マシンビ
ジョン装置（例えば、図１のマシンビジョン装置１５０ａ）は、鉄道車両（例えば、図１
の鉄道車両１４０ａ）に取り付けられている。特定の実施形態では、鉄道車両は、列車の
終端に位置し、マシンビジョン装置は、鉄道車両の後部フロントガラスに取り付けられ、
鉄道線路（例えば、図１の鉄道線路１３０ａ）の明確な後方視野を提供する。特定の実施
形態では、マシンビジョン装置は、隣接する鉄道線路（例えば、図１の鉄道線路１３０ｂ
）の明確な後方視野を提供するために鉄道車両の後部フロントガラスに配置される。次に
、方法４００は、ステップ４１０からステップ４２０に移動する。
【0050】
方法４００のステップ４２０で、マシンビジョン装置は、鉄道環境（例えば、図１の
鉄道環境１２０）にあるオブジェクトの画像（例えば、図３の画像３００）をキャプチャ
する。例えば、鉄道環境で隣接する鉄道線路（例えば、図１の鉄道線路１３０ｂ）、破片
（例えば、図１の破片１７２）、及び／又は歩行者（例えば、図１の歩行者１７４）の画
像をキャプチャしてもよい。マシンビジョン装置は、鉄道車両が第１の方向（例えば、図
１の進行方向１６０ａ）に鉄道線路に沿って移動する間の時間Ｔ１で画像をキャプチャす
る。次に、方法４００は、ステップ４２０からステップ４３０に移動する。
鉄道環境１２０）にあるオブジェクトの画像（例えば、図３の画像３００）をキャプチャ
する。例えば、鉄道環境で隣接する鉄道線路（例えば、図１の鉄道線路１３０ｂ）、破片
（例えば、図１の破片１７２）、及び／又は歩行者（例えば、図１の歩行者１７４）の画
像をキャプチャしてもよい。マシンビジョン装置は、鉄道車両が第１の方向（例えば、図
１の進行方向１６０ａ）に鉄道線路に沿って移動する間の時間Ｔ１で画像をキャプチャす
る。次に、方法４００は、ステップ４２０からステップ４３０に移動する。
【0051】
方法４００のステップ４３０で、マシンビジョン装置は、オブジェクトに関連する値
を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画
像を分析する。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する曲率値を決
定するために、隣接する鉄道線路の画像を分析してもよい。別の例として、マシンビジョ
ン装置は、破片の画像を分析して破片に関連するサイズ及び／又は形状の値を決定しても
よい。また別の例として、マシンビジョン装置は、画像を分析して歩行者と隣接する鉄道
線路との間の距離を決定してもよい。次に、方法４００は、ステップ４３０からステップ
４４０に移動する。
を決定するために、１つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画
像を分析する。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する曲率値を決
定するために、隣接する鉄道線路の画像を分析してもよい。別の例として、マシンビジョ
ン装置は、破片の画像を分析して破片に関連するサイズ及び／又は形状の値を決定しても
よい。また別の例として、マシンビジョン装置は、画像を分析して歩行者と隣接する鉄道
線路との間の距離を決定してもよい。次に、方法４００は、ステップ４３０からステップ
４４０に移動する。
【0052】
方法４００のステップ４４０で、マシンビジョン装置は、オブジェクトに関連する値
を所定の閾値と比較する。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する
曲率値を所定の曲率の閾値と比較してもよい。別の例として、マシンビジョン装置は、破
片に関連するサイズ及び／又は形状の値を所定のサイズ及び／又は形状の閾値と比較して
もよい。また別の例として、マシンビジョン装置は、歩行者と隣接する鉄道線路との間の
距離を所定の距離の閾値と比較してもよい。次に、方法４００は、ステップ４４０からス
テップ４５０に移動する。
を所定の閾値と比較する。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する
曲率値を所定の曲率の閾値と比較してもよい。別の例として、マシンビジョン装置は、破
片に関連するサイズ及び／又は形状の値を所定のサイズ及び／又は形状の閾値と比較して
もよい。また別の例として、マシンビジョン装置は、歩行者と隣接する鉄道線路との間の
距離を所定の距離の閾値と比較してもよい。次に、方法４００は、ステップ４４０からス
テップ４５０に移動する。
【0053】
方法４００のステップ４５０で、マシンビジョン装置は、オブジェクトに関連する値
と所定の閾値との比較がオブジェクトの潜在的な欠陥を示しているか否かを決定する。特
定の実施形態では、マシンビジョン装置は、オブジェクトに関連する値が所定の閾値を超
過すると決定し得る。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する曲率
値が所定の曲率の閾値を超過すると決定してもよい。別の例として、マシンビジョン装置
は、破片に関連するサイズ及び／又は形状の値が所定のサイズ及び／又は形状の閾値を超
過すると決定してもよい。特定の実施形態では、マシンビジョン装置は、オブジェクトに
関連する値が所定の閾値より小さいと決定し得る。例えば、マシンビジョン装置は、歩行
者と隣接する鉄道線路との間の距離（例えば、２フィート）が所定の閾値の距離（例えば
、５フィート）より小さいと決定してもよい。
と所定の閾値との比較がオブジェクトの潜在的な欠陥を示しているか否かを決定する。特
定の実施形態では、マシンビジョン装置は、オブジェクトに関連する値が所定の閾値を超
過すると決定し得る。例えば、マシンビジョン装置は、隣接する鉄道線路に関連する曲率
値が所定の曲率の閾値を超過すると決定してもよい。別の例として、マシンビジョン装置
は、破片に関連するサイズ及び／又は形状の値が所定のサイズ及び／又は形状の閾値を超
過すると決定してもよい。特定の実施形態では、マシンビジョン装置は、オブジェクトに
関連する値が所定の閾値より小さいと決定し得る。例えば、マシンビジョン装置は、歩行
者と隣接する鉄道線路との間の距離（例えば、２フィート）が所定の閾値の距離（例えば
、５フィート）より小さいと決定してもよい。
【0054】
ステップ４５０で、マシンビジョン装置が、オブジェクトに関連する値と所定の閾値
との比較がオブジェクトの潜在的な欠陥を示すと決定した場合、方法４００は、ステップ
４５０からステップ４６５に進むみ、そこで方法４００は終了する。ステップ４５０で、
マシンビジョン装置が、オブジェクトに関連する値と所定の閾値との比較がオブジェクト
の潜在的な欠陥を示すと決定した場合、方法４００は、ステップ４５０からステップ４６
０に移動し、ここでマシンビジョン装置は、鉄道車両の外部の構成要素に警報を伝達する
。警報には、オブジェクト対する説明、潜在的な欠陥の説明、オブジェクトの画像、オブ
ジェクトの位置、オブジェクトがマシンビジョン装置によってキャプチャされた時間、オ
ブジェクトがマシンビジョン装置によってキャプチャされた日付、鉄道車両の識別、鉄道
車両の進行方向の表示、所定の時間の両内に鉄道環境を通過するように予定された１つ以
上の鉄道車両の表示のうちの１つ以上を含み得る。
との比較がオブジェクトの潜在的な欠陥を示すと決定した場合、方法４００は、ステップ
４５０からステップ４６５に進むみ、そこで方法４００は終了する。ステップ４５０で、
マシンビジョン装置が、オブジェクトに関連する値と所定の閾値との比較がオブジェクト
の潜在的な欠陥を示すと決定した場合、方法４００は、ステップ４５０からステップ４６
０に移動し、ここでマシンビジョン装置は、鉄道車両の外部の構成要素に警報を伝達する
。警報には、オブジェクト対する説明、潜在的な欠陥の説明、オブジェクトの画像、オブ
ジェクトの位置、オブジェクトがマシンビジョン装置によってキャプチャされた時間、オ
ブジェクトがマシンビジョン装置によってキャプチャされた日付、鉄道車両の識別、鉄道
車両の進行方向の表示、所定の時間の両内に鉄道環境を通過するように予定された１つ以
上の鉄道車両の表示のうちの１つ以上を含み得る。
【0055】
特定の実施形態では、マシンビジョン装置は、ネットワークオペレーションセンタ（
例えば、図１のネットワークオペレーションセンタ１８０）に関連するＵＥ（例えば、Ｕ
Ｅ１９０）に警報を伝達し得る。ＵＥのユーザは、潜在的な欠陥が実際の欠陥（例えば、
安全上の危険）を示すかを確認し、潜在的な欠陥の識別及び位置を実際の欠陥を含む鉄道
環境に入るように予定された鉄道車両（例えば、図１の鉄道車両１４０ｂ）の１つ以上の
構成要素に伝達し得る。従って、方法４００は、近づく鉄道環境における実際の欠陥（例
えば、線路の位置ずれ）を列車に警告するために使用され、これは、列車が線路の位置ず
れに遭遇する前に列車を停止するなどのアクションを開始できるようにし得る。次に、方
法４００は、ステップ４６０からステップ４６５に移動し、そこで方法４００は終了する
。
例えば、図１のネットワークオペレーションセンタ１８０）に関連するＵＥ（例えば、Ｕ
Ｅ１９０）に警報を伝達し得る。ＵＥのユーザは、潜在的な欠陥が実際の欠陥（例えば、
安全上の危険）を示すかを確認し、潜在的な欠陥の識別及び位置を実際の欠陥を含む鉄道
環境に入るように予定された鉄道車両（例えば、図１の鉄道車両１４０ｂ）の１つ以上の
構成要素に伝達し得る。従って、方法４００は、近づく鉄道環境における実際の欠陥（例
えば、線路の位置ずれ）を列車に警告するために使用され、これは、列車が線路の位置ず
れに遭遇する前に列車を停止するなどのアクションを開始できるようにし得る。次に、方
法４００は、ステップ４６０からステップ４６５に移動し、そこで方法４００は終了する
。
【0056】
図４に示された方法４００に対して、修正（Ｍｏｄｉｆｉｃａｔｉｏｎ）、追加（ａ
ｄｄｉｔｉｏｎ）、又は省略（ｏｍｉｓｓｉｏｎ）を行うことができる。方法４００は、
より多くの、より少ない、又は他のステップを含み得る。例えば、方法４００は、第２オ
ブジェクトの画像をキャプチャし、第２オブジェクトの画像を分析して潜在的な欠陥を決
定することを目的とした追加のステップを含んでもよい。別の例として、方法４００は、
潜在的な欠陥の警報を受信することに応答して、１つ以上のアクション（例えば、列車を
停止又は減速）を開始するように向けられた１つ以上の追加のステップを含んでもよい。
また別の例として、方法４００は、鉄道環境オブジェクトにおける（潜在的な欠陥ではな
く）例外を識別することを対象としてもよい。また別の例として、方法４００の１つ以上
のステップがリアルタイムで実行されてもよい。
ｄｄｉｔｉｏｎ）、又は省略（ｏｍｉｓｓｉｏｎ）を行うことができる。方法４００は、
より多くの、より少ない、又は他のステップを含み得る。例えば、方法４００は、第２オ
ブジェクトの画像をキャプチャし、第２オブジェクトの画像を分析して潜在的な欠陥を決
定することを目的とした追加のステップを含んでもよい。別の例として、方法４００は、
潜在的な欠陥の警報を受信することに応答して、１つ以上のアクション（例えば、列車を
停止又は減速）を開始するように向けられた１つ以上の追加のステップを含んでもよい。
また別の例として、方法４００は、鉄道環境オブジェクトにおける（潜在的な欠陥ではな
く）例外を識別することを対象としてもよい。また別の例として、方法４００の１つ以上
のステップがリアルタイムで実行されてもよい。
【0057】
方法４００は、任意の適切な輸送システム（例えば、車両／道路、船舶／水路など）
に関連してもよい。方法４００のステップは、並行して、又は任意の適切な順序で実行さ
れ得る。方法４００のステップを完了する特定の構成要素として論じられるが、任意の適
切な構成要素は、方法４００の任意のステップを実行してもよい。例えば、方法４００の
１つ以上のステップは、図４のコンピュータシステムの１つ以上の構成要素を使用して自
動化されてもよい。
に関連してもよい。方法４００のステップは、並行して、又は任意の適切な順序で実行さ
れ得る。方法４００のステップを完了する特定の構成要素として論じられるが、任意の適
切な構成要素は、方法４００の任意のステップを実行してもよい。例えば、方法４００の
１つ以上のステップは、図４のコンピュータシステムの１つ以上の構成要素を使用して自
動化されてもよい。
【0058】
図５は、本明細書に記載のシステム及び方法によって使用され得る例示的なコンピュ
ータシステムを示す。例えば、図１のネットワーク１１０、マシンビジョン装置１５０ａ
、マシンビジョン装置１５０ｂ、及び／又はＵＥ１９０は、１つ以上のインターフェース
５１０、処理回路５２０、メモリ５３０、及び／又は他の適切な要素を含んでもよい。イ
ンターフェース５１０は、入力を受信し、出力を送信し、入力及び／又は出力を処理して
、及び／又は他の適切な動作を実行する。インターフェース５１０は、ハードウェア及び
／又はソフトウェアを含み得る。
ータシステムを示す。例えば、図１のネットワーク１１０、マシンビジョン装置１５０ａ
、マシンビジョン装置１５０ｂ、及び／又はＵＥ１９０は、１つ以上のインターフェース
５１０、処理回路５２０、メモリ５３０、及び／又は他の適切な要素を含んでもよい。イ
ンターフェース５１０は、入力を受信し、出力を送信し、入力及び／又は出力を処理して
、及び／又は他の適切な動作を実行する。インターフェース５１０は、ハードウェア及び
／又はソフトウェアを含み得る。
【0059】
処理回路５２０は、構成要素の動作を実行又は管理する。処理回路５２０は、ハード
ウェア及び／又はソフトウェアを含み得る。処理回路の例は、１つ以上のコンピュータ、
１つ以上のマイクロプロセッサー、１つ以上のアプリケーションなどを含む。特定の実施
形態では、処理回路５２０は、入力から出力を生成するなどのアクション（例えば、動作
）を実行するめのロジック（例えば、命令）を実行する。処理回路５２０によって実行さ
れるロジックは、１つ以上の有形の非一時的なコンピュータ可読媒体（例えば、メモリ５
３０）に符号化され得る。例えば、ロジックは、コンピュータプログラム、ソフトウェア
、コンピュータ実行可能命令、及び／又はコンピュータによって実行可能である命令を含
んでもよい。特定の実施形態では、実施形態の動作は、コンピュータプログラムを格納、
実現及び／又は符号化、及び／又は格納及び／又は符号化されたコンピュータプログラム
を有する１つ以上のコンピュータ可読媒体によって実行されてもよい。
ウェア及び／又はソフトウェアを含み得る。処理回路の例は、１つ以上のコンピュータ、
１つ以上のマイクロプロセッサー、１つ以上のアプリケーションなどを含む。特定の実施
形態では、処理回路５２０は、入力から出力を生成するなどのアクション（例えば、動作
）を実行するめのロジック（例えば、命令）を実行する。処理回路５２０によって実行さ
れるロジックは、１つ以上の有形の非一時的なコンピュータ可読媒体（例えば、メモリ５
３０）に符号化され得る。例えば、ロジックは、コンピュータプログラム、ソフトウェア
、コンピュータ実行可能命令、及び／又はコンピュータによって実行可能である命令を含
んでもよい。特定の実施形態では、実施形態の動作は、コンピュータプログラムを格納、
実現及び／又は符号化、及び／又は格納及び／又は符号化されたコンピュータプログラム
を有する１つ以上のコンピュータ可読媒体によって実行されてもよい。
【0060】
メモリ５３０（又はメモリユニット）は、情報を格納する。メモリ５３０（例えば、
図１のメモリ１２４）は、１つ以上の非一時的、有形、コンピュータ可読、及び／又はコ
ンピュータ実行可能記憶媒体を含み得る。メモリ５３０の例は、コンピュータメモリ（例
えば、ＲＡＭ又はＲＯＭ）、大容量記憶媒体（例えば、ハードディスク）、リムーバブル
記憶媒体（例えば、コンパクトディスク（ＣＤ）又はデジタルビデオディスク（ＤＶＤ）
）、データベース及び／又はネットワークストレージ（例えば、サーバ）、及び／又は他
のコンピュータ可読媒体を含む。
図１のメモリ１２４）は、１つ以上の非一時的、有形、コンピュータ可読、及び／又はコ
ンピュータ実行可能記憶媒体を含み得る。メモリ５３０の例は、コンピュータメモリ（例
えば、ＲＡＭ又はＲＯＭ）、大容量記憶媒体（例えば、ハードディスク）、リムーバブル
記憶媒体（例えば、コンパクトディスク（ＣＤ）又はデジタルビデオディスク（ＤＶＤ）
）、データベース及び／又はネットワークストレージ（例えば、サーバ）、及び／又は他
のコンピュータ可読媒体を含む。
【0061】
本開示の実施形態は、マシンビジョン装置によって鉄道環境内のオブジェクトの画像
をキャプチャするためのシステム及び方法に関する。マシンビジョン装置は、鉄道環境の
第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられている。この方
法はまた、マシンビジョン装置によってオブジェクトに関連する値を決定するために、１
つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析するステップ
を含む。この方法は、マシンビジョン装置によってオブジェクトに関連する値がオブジェ
クトの潜在的な欠陥を示しているかを決定するステップと、マシンビジョン装置によって
第１鉄道車両の外部の構成要素に警報を伝達するステップとをさらに含む。警報は、オブ
ジェクトの潜在的な欠陥の表示を含む。
をキャプチャするためのシステム及び方法に関する。マシンビジョン装置は、鉄道環境の
第１鉄道線路に沿って第１の方向に移動する第１鉄道車両に取り付けられている。この方
法はまた、マシンビジョン装置によってオブジェクトに関連する値を決定するために、１
つ以上のマシンビジョンアルゴリズムを使用してオブジェクトの画像を分析するステップ
を含む。この方法は、マシンビジョン装置によってオブジェクトに関連する値がオブジェ
クトの潜在的な欠陥を示しているかを決定するステップと、マシンビジョン装置によって
第１鉄道車両の外部の構成要素に警報を伝達するステップとをさらに含む。警報は、オブ
ジェクトの潜在的な欠陥の表示を含む。
【0062】
本明細書では、コンピュータ可読非一時的記憶媒体又は媒体は、１つ以上の半導体ベ
ース又は他の集積回路（ＩＣ）（例えば、フィールドプログラマブルゲートアレイ（ＦＰ
ＧＡ）又は特定用途向け集積回路（ＡＳＩＣ））、ハードディスクドライブ（ＨＤＤ）、
ハイブリッドハードドライブ（ＨＨＤ）、光ディスク、光ディスクドライブ（ＯＤＤ）、
光磁気ディスク、光磁気ドライブ、フロッピーディスク、フロッピーディスクドライブ（
ＦＤＤ）、磁気テープ、ソリッドステートドライブ（ＳＳＤ）、ＲＡＭドライブ、ＳＤ（
ＳＥＣＵＲＥ ＤＩＧＩＴＡＬ）カード又はドライブ、その他の適切なコンピュータ可読
の非一時的記憶媒体、又は必要に応じてこれらの２以上の適切な組み合わせを含み得る。
コンピュータ可読非一時的記憶媒体は、必要に応じて、揮発性、不揮発性、又は揮発性と
不揮発性の組み合わせであり得る。
ース又は他の集積回路（ＩＣ）（例えば、フィールドプログラマブルゲートアレイ（ＦＰ
ＧＡ）又は特定用途向け集積回路（ＡＳＩＣ））、ハードディスクドライブ（ＨＤＤ）、
ハイブリッドハードドライブ（ＨＨＤ）、光ディスク、光ディスクドライブ（ＯＤＤ）、
光磁気ディスク、光磁気ドライブ、フロッピーディスク、フロッピーディスクドライブ（
ＦＤＤ）、磁気テープ、ソリッドステートドライブ（ＳＳＤ）、ＲＡＭドライブ、ＳＤ（
ＳＥＣＵＲＥ ＤＩＧＩＴＡＬ）カード又はドライブ、その他の適切なコンピュータ可読
の非一時的記憶媒体、又は必要に応じてこれらの２以上の適切な組み合わせを含み得る。
コンピュータ可読非一時的記憶媒体は、必要に応じて、揮発性、不揮発性、又は揮発性と
不揮発性の組み合わせであり得る。
【0063】
本明細書において、「又は」は、明示的に別段の指示がない限り、又は文脈によって
別段の指示がない限り、包括的であって排他的ではない。従って、本明細書において、「
Ａ又はＢ」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り
、「Ａ、Ｂ、又はその両方」を意味する。また、「及び」は、明示的に別段の指示がない
限り、又は文脈によって別段の指示がない限り、共同及び複数を意味する。従って、本明
細書において、「Ａ及びＢ」は、明示的に別段の指示がない限り、又は文脈によって別段
の指示がない限り、「Ａ及びＢ、共同、又は個別」を意味する。
別段の指示がない限り、包括的であって排他的ではない。従って、本明細書において、「
Ａ又はＢ」は、明示的に別段の指示がない限り、又は文脈によって別段の指示がない限り
、「Ａ、Ｂ、又はその両方」を意味する。また、「及び」は、明示的に別段の指示がない
限り、又は文脈によって別段の指示がない限り、共同及び複数を意味する。従って、本明
細書において、「Ａ及びＢ」は、明示的に別段の指示がない限り、又は文脈によって別段
の指示がない限り、「Ａ及びＢ、共同、又は個別」を意味する。
【0064】
本開示の範囲は、当業者が理解することのできる本明細書に記載又は図示された例示
的な実施形態に対する全ての変更、置換、変形、変更、及び修正を含む。本開示の範囲は
、本明細書に記載又は図示された例示的な実施形態に限定されない。さらに、本開示は、
特定の構成要素、要素、特徴、機能、動作、又はステップを含むものとして本明細書のそ
れぞれの実施形態を説明及び例示しているが、これらの実施形態のいずれも、当業者が理
解し得る本明細書のどこかに記載又は図示された構成要素、要素、特徴、機能、動作、又
はステップのうちの任意の組み合わせ又は順列を含み得る。さらに、添付の特許請求の範
囲において、特定の機能を実行するように適合、配置、可能、構成、有効、動作可能、又
は作動する装置又はシステムの構成要素への言及は、その装置、システム、又は構成要素
がそのように適合、配置、可能、構成、有効、動作可能、又は作動する限り、その装置、
システム、構成要素、又は特定の機能が活性化、オン、又はロック解除されているか否か
に関係なく、その装置、システム、構成要素を含む。さらに、本開示は、特定の利点を提
供するものとして特定の実施形態を説明又は図示しているが、特定の実施形態は、これら
の利点のいずれも提供しないか、一部を提供、又は全てを提供し得る。
的な実施形態に対する全ての変更、置換、変形、変更、及び修正を含む。本開示の範囲は
、本明細書に記載又は図示された例示的な実施形態に限定されない。さらに、本開示は、
特定の構成要素、要素、特徴、機能、動作、又はステップを含むものとして本明細書のそ
れぞれの実施形態を説明及び例示しているが、これらの実施形態のいずれも、当業者が理
解し得る本明細書のどこかに記載又は図示された構成要素、要素、特徴、機能、動作、又
はステップのうちの任意の組み合わせ又は順列を含み得る。さらに、添付の特許請求の範
囲において、特定の機能を実行するように適合、配置、可能、構成、有効、動作可能、又
は作動する装置又はシステムの構成要素への言及は、その装置、システム、又は構成要素
がそのように適合、配置、可能、構成、有効、動作可能、又は作動する限り、その装置、
システム、構成要素、又は特定の機能が活性化、オン、又はロック解除されているか否か
に関係なく、その装置、システム、構成要素を含む。さらに、本開示は、特定の利点を提
供するものとして特定の実施形態を説明又は図示しているが、特定の実施形態は、これら
の利点のいずれも提供しないか、一部を提供、又は全てを提供し得る。
【図1】
【図2】
【図3】
【図4】
【図5】