[發明專利]一種區域多特征的檢測方法及檢測裝置

有效

• 申請號: 201710473762.7
• 申請日: 2017-06-21
• 公開（公告）號: CN107341455B
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 鄭紅;陳昊
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/40
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 滕勝利

本發明公開了一種對夜間機場跑道路面上外來物的區域多特征的檢測，所述區域多特征的檢測是對CCD相機實時采集到的包含有紅色激光線位于視頻圖像中下部的視頻圖像所在區域進行檢測判斷；當激光器出射的紅色激光線掃在FOD上時，位于FOD處的激光線會產生一定量的形變，通過提取此處激光線的形變特征情況，來識別出視頻圖像所在區域上是否存在FOD，進而判斷出夜間機場跑道路面上是否存在有FOD。檢測的最大精度為2cm×2cm，不受FOD的材質影響，不受夜間機場跑道路上光線變化影響。

技術領域

本發明涉及目標檢測，更特別地說，是指一種對夜間機場跑道路面上外來物的區域多特征的檢測方法及檢測裝置，實現對夜間機場跑道上外來物的清理。

背景技術

機場跑道上的外來物(Foreign Object Debris，FOD)在飛機起飛和降落的過程中會帶來巨大的安全隱患，危及乘客的生命和財產安全。據保守估計，每年全球因FOD 造成的損失至少30～40億美元。目前，毫米波雷達、可見光攝像機、紅外燈和熱成像儀是機場跑道異物檢測系統中的主流傳感器。不同的傳感器有各自的特點，適用與不同場合。毫米波雷達具有導引頭體積小、質量輕、空間分辨率高、抗電磁干擾強等特點。與紅外、激光、電視等光學導引頭相比、毫米波導引頭穿透霧、煙、灰塵的能力更強，具有全天候全天時的特點，但無法識別目標及細節特征。

對FOD檢測常用的手段主要有背景差分法、幀差法和光流法。近些年，基于機器學習的檢測算法的運用也日益增長。使用背景差分法對FOD檢測，需要不斷的更新背景。由于夜間的機場跑道上，光線對于可見光相機來說是不充足、不均勻的，而且隨著位置的改變，光強也在不斷的變化，所以在實際運用中，適應差，實時性一般，檢測效果不佳。使用幀差法對FOD檢測，同樣會受光強的影響，而且跑道上會有“突鼓”和“裂縫”會造成相機和激光器的上下抖動，改變激光線在采集圖像中的位置，對幀差的結果影響較大。光流法受光強影響較大，在無目標運動的情況下，環境中光照的變化也會產生光流，導致誤檢測為出現了運動目標，而且算法計算量大，實時性差?；跈C器學習的檢測算法主要有adaboost和SVM，但這兩張算法對硬件要求過高，為了保證準確度，需要大量的學習樣本，所以有較高的計算復雜度，實時性差。

因為是對激光線形變的檢測，所以也可以采用直線檢測算法。常用的直線算法包括 Hough變換算法、Freeman鏈碼算法和最小二乘線性擬合算法。其中Hough變換算法魯棒性強，但它是窮盡式搜索，具有很大的計算量，占用大量的存儲空間，計算時間長，對激光線檢測時，由于激光線有一定寬度，會檢測出多條平行直線，不易判別出 FOD，而強魯棒性也易出現虛假檢測結果；Freeman鏈碼算法具有較低的計算量，并且能獲取直線段的位置、長度和方向等信息，但該算法容易受到目標邊界跟蹤算法的制約，由于激光線中間粗兩頭細，上下邊緣是有弧度的。在檢測中，邊緣直線是斷開的，而且Freeman準則源于理想數字直線，所以邊界的抗噪性弱；最小二乘線性擬合算法利用隨機誤差對線性檢測精度的影響，其檢測結果精度較高，但邊緣破損或毛刺等因素對算法精度影響顯著，會增大結果的偏差。

發明內容

為了使飛機在起飛和降落時不受機場跑道路面上FOD的不影響，本發明的目的之一是設計了一種對夜間機場跑道路面上外來物的區域多特征的檢測裝置。該檢測裝置借助移動車載攜帶FOD檢測裝置、激光器和CCD相機，實現對夜間機場跑道路面上外來物的快速檢測，可以有效的解決夜間機場跑道上光線不足、光線變化、光強不均所帶來的噪聲干擾和機場跑道路面出現的“突鼓”、“裂縫”所引起CCD相機和紅色激光線的震動干擾。該檢測裝置能夠實現的最大檢測精度為2cm×2cm，不受FOD的材質影響，不受夜間機場跑道路上光線變化影響。