一种基于多传感器融合的登机桥防碰撞方法及系统技术方案

一种基于多传感器融合的登机桥防碰撞方法，所述登机桥的移动轮周围安装有多个传感器，包括摄像头、毫米波雷达以及超声波雷达，所述方法包括：对所述多个传感器的空间位置一致性进行标定，采集登机桥周围的障碍物信息；获取所述摄像头的图像数据，利用YOLOv5算法获得所述图像数据中的障碍物的类别信息；基于所述毫米波雷达和超声波雷达的数据、以及坐标系的对应关系，获得障碍物信息；根据所述障碍物信息生成数据集，将所述数据集划分为训练集、测试集；构建BP神经网络算法，用于训练所述训练集的数据，生成碰撞风险判断网络；将所述测试集的数据输入所述碰撞风险判断网络中，得到是否发生碰撞风险的结果。本方法提高了登机桥防碰撞的准确率。碰撞的准确率。碰撞的准确率。

【技术实现步骤摘要】
一种基于多传感器融合的登机桥防碰撞方法及系统


[0001]本专利技术涉及登机桥防碰撞
，尤其涉及一种基于多传感器融合的登机桥防碰撞方法及系统。

技术介绍

[0002]随着“智慧机场”概念的提出，机场设施的智能化也成为了当前机场发展的新方向，登机桥作为连接机场与飞机的纽带在机场运行中承担着至关重要的作用。登机桥作为连接航站楼和航班最方便快捷的方式，由于航班数量的增加以及机场旅客人流数量的快速膨胀，登机桥也成为了机场中最繁忙的设备设置之一。每当有航班进港或者离港时，登机桥都需要在人工操作下实现与飞机舱门的对接以及从飞机舱门撤离的动作，对接撤离的过程也正随着航班和人流量的提升不断变得更加频繁，必须保证机场的工作人员和旅客在使用登机桥过程中的安全。
[0003]目前，主要依赖人工目视监督来防范危险的发生，效率较低并且容易出现误报漏报的风险。

技术实现思路

[0004]为了解决现有技术的缺陷，本专利技术的目的在于提供一种基于多传感器融合的登机桥防碰撞方法，实时监督并汇报登机桥对接或撤离过程中的各种可能出现的情况，提高对危险情况的监控、预警的效率和准确性，从而保护登机桥、飞机以及人员的安全。
[0005]为了实现上述目的，本专利技术提供一种基于多传感器融合的登机桥防碰撞方法，所述登机桥的移动轮周围安装有多个传感器，包括摄像头、毫米波雷达以及超声波雷达，所述方法包括以下步骤：
[0006]对所述多个传感器的空间位置一致性进行标定，采集登机桥周围的障碍物信息；
[0007]获取所述摄像头的图像数据，利用YOLOv5算法获得所述图像数据中的障碍物的类别信息；
[0008]基于所述毫米波雷达和超声波雷达的数据、以及坐标系的对应关系，获得障碍物的方位、类别、运动方向、运动速度和距离信息；
[0009]根据所述方位、类别、运动方向、运动速度和距离信息生成数据集，将所述数据集按预定比例划分为训练集、测试集；
[0010]构建BP神经网络算法，用于训练所述训练集的数据，生成碰撞风险判断网络；
[0011]将所述测试集的数据输入所述碰撞风险判断网络中，得到是否发生碰撞风险的结果。
[0012]进一步地，所述对所述多个传感器的空间位置一致性进行标定，采集登机桥周围的障碍物信息的步骤，还包括：
[0013]设雷达坐标系为O
r
‑
X
r
Y
r
Z
r
，相机坐标系为O
c
‑
X
c
Y
c
Z
c
，世界坐标系为O
W
‑
X
W
Y
W
Z
W
，雷达安装高度为H，雷达坐标系中一点(R，α)到世界坐标系的转换关系为：
[0014]X＝R*sinα，
[0015]Y＝H，
[0016]Z＝Z
r
+R*cosα，
[0017]雷达与摄像头在Y轴上的距离为H，若毫米波雷达坐标下有一个点P(R，α)，通过坐标系转换的方式转换到相机坐标系下的坐标(X
c
，Y
c
，Z
c
)为：
[0018][0019]摄像头焦距为f，若图中三维世界存在一点P(X
c
，Y
c
，Z
c
)，经摄像头采集投影至图像平面P
′
(x，y)，相机坐标系与图像坐标系的几何关系如下：
[0020][0021]进一步地，所述障碍物，包括：人员、车辆、与飞机连接的管线。
[0022]进一步地，所述获取所述摄像头的图像数据，利用YOLOv5算法获得所述图像数据中的障碍物的类别信息的步骤，还包括：
[0023]采用图像标注工具对图像中的障碍物进行YOLO格式标注；
[0024]将标注好的图像输入YOLOv5算法进行训练，识别障碍物并输出障碍物的类别信息。
[0025]进一步地，所述基于所述毫米波雷达和超声波雷达的数据、以及坐标系的对应关系，获得障碍物的方位、类别、运动方向、运动速度和距离信息的步骤，还包括：
[0026]通过CAN协议读取所述毫米波雷达获取的目标信息，通过坐标转换将不同障碍物的方位、运动速度以及运动方向信息与所述类别信息进行关联；
[0027]读取超声波雷达数据，获取不同障碍物的距离信息。
[0028]进一步地，所述训练集、测试集的比例为8:2。
[0029]进一步地，所述利用BP神经网络算法训练所述训练集的数据，获得碰撞风险判断网络的步骤，还包括：
[0030]将所述训练集的数据做归一化处理；
[0031]设置BP神经网络算法的层数、隐含神经元数量以及相应的传递函数，将测试集送入所述BP神经网络算法中进行迭代训练，并采用自适应梯度下降法调节学习率；
[0032]以障碍物的信息类别、距离、运动方向、运动速度、近处障碍物距离作为输入，以是否发生碰撞风险作为输出，经过误差反向传递训练，得到碰撞风险判断网络。
[0033]为实现上述目的，本专利技术还提供一种登机桥防碰撞系统，采用如上所述的基于多传感器融合的登机桥防碰撞方法，包括：
[0034]摄像模块，分别采用多个摄像头获取登机桥周围的障碍物图像并传输给图像处理模块；
[0035]毫米波雷达模块，分别采用多个毫米波雷达从不同位置获取所述障碍物的数量、
方位、运动速度和运动方向信息，并传输给数据处理模块；
[0036]超声波雷达模块，分别采用多个超声波雷达从不同位置获取所述障碍物的距离信息；
[0037]图像处理模块，识别所述障碍物图像，对图像数据进行YOLO格式标注，输出障碍物的类别信息并将其发送给融合网络模块；
[0038]数据处理模块，通过CAN协议读取毫米波雷达模块发送的障碍物的数量、方位、运动速度和运动方向信息，通过坐标转换将不同障碍物的方位、运动速度和运动方向信息与障碍物的类别信息进行关联，读取超声波雷达模块发送的障碍物的距离信息，向碰撞风险判断模块发送类别、方位、速度、方向和距离信息；
[0039]碰撞风险判断模块，分别输入所述类别、方位、速度、方向和距离信息，采用碰撞风险判断网络判断对应的障碍物是否有发生碰撞的风险，并向防碰撞预警模块发送预警指令；
[0040]防碰撞预警模块，根据接收到的预警指令作出响应。
[0041]为实现上述目的，本专利技术还提供一种电子设备，包括存储器、处理器，以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器所存放的计算机程序，以实现如上所述的基于多传感器融合的登机桥防碰撞方法。
[0042]为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如上所述的基于多传感器融合的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器融合的登机桥防碰撞方法，所述登机桥的移动轮周围安装有多个传感器，包括摄像头、毫米波雷达以及超声波雷达，其特征在于，所述方法包括以下步骤：对所述多个传感器的空间位置一致性进行标定，采集登机桥周围的障碍物信息；获取所述摄像头的图像数据，利用YOLOv5算法获得所述图像数据中的障碍物的类别信息；基于所述毫米波雷达和超声波雷达的数据、以及坐标系的对应关系，获得障碍物的方位、类别、运动方向、运动速度和距离信息；根据所述方位、类别、运动方向、运动速度和距离信息生成数据集，将所述数据集按预定比例划分为训练集、测试集；构建BP神经网络算法，用于训练所述训练集的数据，生成碰撞风险判断网络；将所述测试集的数据输入所述碰撞风险判断网络中，得到是否发生碰撞风险的结果。2.根据权利要求1所述的基于多传感器融合的登机桥防碰撞方法，其特征在于，所述对所述多个传感器的空间位置一致性进行标定，采集登机桥周围的障碍物信息的步骤，还包括：设雷达坐标系为O
r
‑
X
r
Y
r
Z
r
，相机坐标系为O
c
‑
X
c
Y
c
Z
c
，世界坐标系为O
w
‑
X
w
Y
w
Z
w
，雷达安装高度为H，雷达坐标系中一点(R，α)到世界坐标系的转换关系为：X＝R*sinα，Y＝H，Z＝Z
r
+R*cosα，雷达与摄像头在Y轴上的距离为H，若毫米波雷达坐标下有一个点P(R，α)，通过坐标系转换的方式转换到相机坐标系下的坐标(X
c
，Y
c
，Z
c
)为：摄像头焦距为f，若图中三维世界存在一点P(X
c
，Y
c
，Z
c
)，经摄像头采集投影至图像平面P
′
(x，y)，相机坐标系与图像坐标系的几何关系如下：3.根据权利要求1所述的基于多传感器融合的登机桥防碰撞方法，其特征在于，所述障碍物，包括：人员、车辆、与飞机连接的管线。4.根据权利要求1所述的基于多传感器融合的登机桥防碰撞方法，其特征在于，所述获取所述摄像头的图像数据，利用YOLOv5算法获得所述图像数据中的障碍物的类别信息的步骤，还包括：采用图像标注工具软件对图像中的障碍物进行YOLO格式标注；将标注好的图像输入YOLOv5算法进行训练，识别障碍物并输出障碍物的类别信息。5.根据权利要求1所...

【专利技术属性】
技术研发人员：陈昭，时建平，李旭，
申请(专利权)人：首都机场集团设备运维管理有限公司，
类型：发明
国别省市：