一种对夜间机场跑道路面上外来物的区域多特征的检测方法及检测装置制造方法及图纸

本发明专利技术公开了一种对夜间机场跑道路面上外来物的区域多特征的检测方法及检测装置，所述区域多特征的检测是对CCD相机实时采集到的包含有红色激光线位于视频图像中下部的视频图像所在区域进行检测判断；当激光器出射的红色激光线扫在FOD上时，位于FOD处的激光线会产生一定量的形变，通过提取此处激光线的形变特征情况，来识别出视频图像所在区域上是否存在FOD，进而判断出夜间机场跑道路面上是否存在有FOD。检测的最大精度为2cm×2cm，不受FOD的材质影响，不受夜间机场跑道路上光线变化影响。

A method and device for detecting regional multi features of foreign objects on night airport runway pavement

The invention discloses a method and device for detecting foreign matter on the night of airport runway pavement area characteristics, detection of the regional feature of the CCD camera real-time collected contains video image area red laser line located in the lower part of the video image in the detection of judgment; when the laser red laser the sweep line launched on FOD, the deformation of laser line is located at FOD will produce a certain amount of the deformation characteristics of extraction to the laser line, to identify the presence of the FOD video image region, and then identify the night airport runway pavement if there are FOD. The maximum accuracy of the detection is 2cm * 2cm, which is not affected by the material of FOD, and is not affected by the change of light on the runway at night.

【技术实现步骤摘要】
一种对夜间机场跑道路面上外来物的区域多特征的检测方法及检测装置
本专利技术涉及目标检测，更特别地说，是指一种对夜间机场跑道路面上外来物的区域多特征的检测方法及检测装置，实现对夜间机场跑道上外来物的清理。
技术介绍
机场跑道上的外来物(ForeignObjectDebris，FOD)在飞机起飞和降落的过程中会带来巨大的安全隐患，危及乘客的生命和财产安全。据保守估计，每年全球因FOD造成的损失至少30～40亿美元。目前，毫米波雷达、可见光摄像机、红外灯和热成像仪是机场跑道异物检测系统中的主流传感器。不同的传感器有各自的特点，适用与不同场合。毫米波雷达具有导引头体积小、质量轻、空间分辨率高、抗电磁干扰强等特点。与红外、激光、电视等光学导引头相比、毫米波导引头穿透雾、烟、灰尘的能力更强，具有全天候全天时的特点，但无法识别目标及细节特征。对FOD检测常用的手段主要有背景差分法、帧差法和光流法。近些年，基于机器学习的检测算法的运用也日益增长。使用背景差分法对FOD检测，需要不断的更新背景。由于夜间的机场跑道上，光线对于可见光相机来说是不充足、不均匀的，而且随着位置的改变，光强也在不断的变化，所以在实际运用中，适应差，实时性一般，检测效果不佳。使用帧差法对FOD检测，同样会受光强的影响，而且跑道上会有“突鼓”和“裂缝”会造成相机和激光器的上下抖动，改变激光线在采集图像中的位置，对帧差的结果影响较大。光流法受光强影响较大，在无目标运动的情况下，环境中光照的变化也会产生光流，导致误检测为出现了运动目标，而且算法计算量大，实时性差。基于机器学习的检测算法主要有adaboost和SVM，但这两张算法对硬件要求过高，为了保证准确度，需要大量的学习样本，所以有较高的计算复杂度，实时性差。因为是对激光线形变的检测，所以也可以采用直线检测算法。常用的直线算法包括Hough变换算法、Freeman链码算法和最小二乘线性拟合算法。其中Hough变换算法鲁棒性强，但它是穷尽式搜索，具有很大的计算量，占用大量的存储空间，计算时间长，对激光线检测时，由于激光线有一定宽度，会检测出多条平行直线，不易判别出FOD，而强鲁棒性也易出现虚假检测结果；Freeman链码算法具有较低的计算量，并且能获取直线段的位置、长度和方向等信息，但该算法容易受到目标边界跟踪算法的制约，由于激光线中间粗两头细，上下边缘是有弧度的。在检测中，边缘直线是断开的，而且Freeman准则源于理想数字直线，所以边界的抗噪性弱；最小二乘线性拟合算法利用随机误差对线性检测精度的影响，其检测结果精度较高，但边缘破损或毛刺等因素对算法精度影响显著，会增大结果的偏差。
技术实现思路
为了使飞机在起飞和降落时不受机场跑道路面上FOD的不影响，本专利技术的目的之一是设计了一种对夜间机场跑道路面上外来物的区域多特征的检测装置。该检测装置借助移动车载携带FOD检测装置、激光器和CCD相机，实现对夜间机场跑道路面上外来物的快速检测，可以有效的解决夜间机场跑道上光线不足、光线变化、光强不均所带来的噪声干扰和机场跑道路面出现的“突鼓”、“裂缝”所引起CCD相机和红色激光线的震动干扰。该检测装置能够实现的最大检测精度为2cm×2cm，不受FOD的材质影响，不受夜间机场跑道路上光线变化影响。本专利技术的另一目的是提出一种对夜间机场跑道路面上外来物的区域多特征的检测方法，该方法对CCD相机实时采集到的包含有红色激光线位于视频图像中下部的视频图像所在区域进行检测判断；当激光器出射的红色激光线扫在FOD上时，位于FOD处的激光线会产生变宽、变窄、断口等一系列不规则形变，通过提取此处激光线的形变特征情况，来识别出视频图像所在区域上是否存在FOD，进而判断出夜间机场跑道路面上是否存在有FOD。所述的区域多特征FOD检测单元可以依据多个特征来依次进行检测，以此来适应在夜间不同的外界条件下，能够检测出不同材质和形状的FOD。本专利技术方法是基于区域多特征、并结合置信区间及学习阈值对激光线上FOD进行实时检测，能够改善在实测中大大的减少光线不足、光线变化和光强不均所带来的干扰，同时消除了因场道上“突鼓”和“裂缝”而造成CCD相机和/或激光器的上下抖动对实测FOD结果带来的影响。应用本专利技术设计的一种对夜间机场跑道路面上外来物的区域多特征的检测装置进行的区域多特征FOD检测，其特征在于包括有下列步骤：步骤一，对CCD相机实时采集到的夜间机场跑道的视频图像进行预处理，获得包含FOD的预分割视频图像；步骤11，对CCD相机实时采集到的夜间机场跑道的视频图像进行三通道分解处理，获得R通道的视频图像信息；步骤12，对R通道的视频图像信息进行中值滤波处理，获得滤波后视频图像信息；步骤13，对滤波后视频图像信息进行形态学处理，获得形态—滤波后视频图像信息；步骤14，对形态—滤波后视频图像信息进行大津阈值分割处理，获得包含FOD的预分割视频图像信息；步骤二，对预分割视频图像信息进行视频区域分割；先以包含FOD的预分割视频图像的左顶角为坐标原点构建平面坐标系XOY，OX轴为横轴方向，OY轴为纵轴方向；然后沿横轴方向OX按照区间宽度S将所述的预分割视频图像划分为A个区间的图像；步骤三，纵轴方向激光线特征提取：为获取所述激光线—FOD视频图像区域FOD_VideoLA中激光线的纵向特征，以任意一区间内的激光线上的像素点个数的总和来求取，所述FOD_VideoLA所在区间竖直方向上的算术平均值令为区间中激光线上各列像素点个数和的序列集，从区间的左端开始到区间的右端结束，步长为1个像素；属于区间的方差中的角标k表示属于ai区间中的第几列，即列数标识号；步骤四，横轴方向激光线特征提取：为了获取所述激光线—FOD视频图像区域FOD_VideoLA中激光线的横向特征，以纵向的各个像素点个数的总和来表征，即激光线的横向特征计算所述激光线—FOD视频图像区域FOD_VideoLA中激光线长度的算术平均值(用像素点的个数来代替，简称横轴方向的算术平均值)，则有步骤五，区域内纵向特征比较，判断FOD的存在；为了获取所述激光线—FOD视频图像区域FOD_VideoLA中激光线的纵向变化特征，选取出区间内的列像素的最大值Fmax及最小值Fmin；若Fmax≥T1或Fmin≤T2，则证明区间中有FOD存在，同时在实时采集的视频图像界面中显示出FOD的位置；若Fmax＜T1和Fmin＞T2两者都不满足，则执行步骤六；T1表示激光线上包含FOD时激光线高度增加的最小阈值；T2表示激光线上包含FOD时激光线变窄或断开的最大阈值；步骤六，双总体t分布检验均值检验FOD；采用双总体t分布检验均值方法对进行比较是否相等，检验水准为0.05，若区间中有FOD，同时在实时采集的含有红色激光线视频图像界面中显示出FOD的位置及大小；若执行步骤七；DS表示属于区间的总体方差的最小方差无偏估计值；步骤七，区域横向特征比较，判断FOD的存在；在区间中求出竖直高度H，hj为竖直方向上单步长各行激光线上像素点总数集，hj中角标j为行数标识号，n为激光线高度所在的最大行数，从区间上端依次累加，直到出现时结束；T3表示激光线上像素点存在FOD的横向累加和与激光线上像素点没有FOD的横向累加和的最大间隔，本文档来自技高网...

【技术保护点】
一种对夜间机场跑道路面上外来物的区域多特征的检测装置，所述区域多特征检测装置包括有配置有GPS定位的移动车载、计算机；其特征在于：还包括有激光器、CCD相机和FOD检测装置；激光器和CCD相机安装在配置有GPS定位移动车载的顶部；激光器，用于出射红色激光线；CCD相机，用于采集包含有所述红色激光线的视频图像信息；FOD检测装置，由计算机、视频图像预处理单元和区域多特征FOD检测单元组成，所述的视频图像预处理单元和所述的区域多特征FOD检测单元存储在所述计算机内；激光器和CCD相机通过电缆与计算机的串口连接；视频图像预处理单元，首先对CCD相机实时采集到的夜间机场跑道的视频图像进行三通道分解处理，获得R通道的视频图像信息；然后对R通道的视频图像信息进行中值滤波处理，获得滤波后视频图像信息；进而对滤波后视频图像信息进行形态学处理，获得形态—滤波后视频图像信息；最后对形态—滤波后视频图像信息进行大津阈值分割处理，获得预分割视频图像信息；区域多特征FOD检测单元，对CCD相机实时采集到的包含有红色激光线位于视频图像中下部的视频图像所在区域进行检测判断；当激光器出射的红色激光线扫在FOD上时，位于FOD处的激光线会产生变宽、变窄、断口的形变，通过提取此处激光线的形变特征情况，来识别出视频图像所在区域上是否存在FOD，进而判断出夜间机场跑道路面上是否存在有FOD。...

【技术特征摘要】
1.一种对夜间机场跑道路面上外来物的区域多特征的检测装置，所述区域多特征检测装置包括有配置有GPS定位的移动车载、计算机；其特征在于：还包括有激光器、CCD相机和FOD检测装置；激光器和CCD相机安装在配置有GPS定位移动车载的顶部；激光器，用于出射红色激光线；CCD相机，用于采集包含有所述红色激光线的视频图像信息；FOD检测装置，由计算机、视频图像预处理单元和区域多特征FOD检测单元组成，所述的视频图像预处理单元和所述的区域多特征FOD检测单元存储在所述计算机内；激光器和CCD相机通过电缆与计算机的串口连接；视频图像预处理单元，首先对CCD相机实时采集到的夜间机场跑道的视频图像进行三通道分解处理，获得R通道的视频图像信息；然后对R通道的视频图像信息进行中值滤波处理，获得滤波后视频图像信息；进而对滤波后视频图像信息进行形态学处理，获得形态—滤波后视频图像信息；最后对形态—滤波后视频图像信息进行大津阈值分割处理，获得预分割视频图像信息；区域多特征FOD检测单元，对CCD相机实时采集到的包含有红色激光线位于视频图像中下部的视频图像所在区域进行检测判断；当激光器出射的红色激光线扫在FOD上时，位于FOD处的激光线会产生变宽、变窄、断口的形变，通过提取此处激光线的形变特征情况，来识别出视频图像所在区域上是否存在FOD，进而判断出夜间机场跑道路面上是否存在有FOD。2.根据权利要求1所述的一种对夜间机场跑道路面上外来物的区域多特征的检测装置，其特征在于：所述的预分割视频图像的竖直高度是激光线竖直高度的10倍。3.根据权利要求1所述的一种对夜间机场跑道路面上外来物的区域多特征的检测装置，其特征在于：所述CCD相机的像素要求不低于500万像素；所述CCD相机的有效采集距离为直线距离5米。4.根据权利要求1所述的一种对夜间机场跑道路面上外来物的区域多特征的检测装置，其特征在于：所述激光器出射波长为635纳米的红色激光线。5.根据权利要求1所述的一种对夜间机场跑道路面上外来物的区域多特征的检测装置，其特征在于：检测装置能够实现的最大检测精度为2cm×2cm，且不受FOD的材质影响，不受夜间机场跑道路上光线变化影响。6.应用如权利要求1所述的一种对夜间机场跑道路面上外来物的区域多特征的检测装置进行的区域多特征FOD检测，其特征在于包括有下列步骤：步骤一，对CCD相机实时采集到的夜间机场跑道的视频图像进行预处理，获得包含FOD的预分割视频图像；步骤11，对CCD相机实时采集到的夜间机场跑道的视频图像进行三通道分解处理，获得R通道的视频图像信息；步骤12，对R通道的视频图像信息进行中值滤波处理，获得滤波后视频图像信息；步骤13，对滤波后视频图像信息进行形态学处理，获得形态—滤波后视频图像信息；步骤14...

【专利技术属性】
技术研发人员：郑红，陈昊，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11