（2）提出了一种基于融合注意力和残差机制的轨道提取方法。在数据集构建的过程中，首先完成数据标注，并考虑钢轨低反射率以及表面平滑的特点，对数据中的反射强度和粗糙度进行提取。随后，通过添加噪声和随机旋转扩充数据集，对数据进行封装完成数据集的构建。在数据集构建的基础上，利用SERP-Net对轨道进行提取，通过在特征传播层后嵌入残差和scSE模块，对空间和通道信息进行融合并促进模型的收敛。最后，使用构建的深度学习数据集对网络进行训练和测试。通过在包含单条、多条以及岔道的轨道场景中进行测试，本文方法可以准确对不同区域中的轨道进行提取，在与基础网络进行对比的结果中该方法能够获取到更好的精度以及提取效果。
参考文献（略）
