[發(fā)明專利]機場協(xié)同決策方法、裝置、設備以及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011197102.9
• 申請日: 2020-10-30
• 公開（公告）號: CN112329592A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設計）人: 辛穎;馮原;苑鵬程;張濱;林書妃;王曉迪;龍翔;彭巖;韓樹民
• 申請（專利權）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/246;G06T7/73;G06K9/62;G06N3/04;G06N3/08;G06Q10/06;G06Q50/30
• 代理公司: 北京英賽嘉華知識產(chǎn)權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種機場協(xié)同決策方法，包括：

基于機場場景與飛機的位置關系，確定飛機附近的至少一個攝像頭，其中，一個攝像頭采集的機場圖像存在至少一種機場場景中的目標；

獲取所述至少一個攝像頭采集的機場圖像；

將所述機場圖像輸入至預先訓練的目標檢測模型，輸出機場場景中的目標的類別和位置；

基于所述目標的類別和位置進行追蹤，直至所述目標靜止，確定所述目標的最終位置；

基于所述目標的最終位置，對飛機地面運行進行協(xié)同決策。

2.根據(jù)權利要求1所述的方法，其中，所述至少一個攝像頭包括飛機右側、飛機左側和廊橋口三個方位的攝像頭，所述飛機左側的攝像頭采集的機場圖像存在上下輪檔、入離位、開關貨倉、靠撤廊橋、配餐車作業(yè)、行李傳送帶車作業(yè)的至少一種機場場景中的目標，所述飛機右側的攝像頭采集的機場圖像存在加油車作業(yè)的機場場景中的目標，所述廊橋口的攝像頭采集的機場圖像存在開關客艙門的機場場景中的目標。

3.根據(jù)權利要求1所述的方法，其中，所述目標檢測模型是兩階段目標檢測模型或單階段目標檢測模型，所述兩階段目標檢測模型包括以下至少一項：R-CNN、SPP-Net、Fast-RCNN、Faster-RCNN和FPN，所述單階段目標檢測模型是YOLO或SSD。

4.根據(jù)權利要求3所述的方法，其中，若所述目標檢測模型是YOLO，以及

所述將所述機場圖像輸入至預先訓練的目標檢測模型，輸出機場場景中的目標的類別和位置，包括：

將所述機場圖像劃分成S×S個格子，其中，S為正整數(shù)；

在落入所述目標的真實值的中心位置的坐標的格子中預測M個檢測框的位置信息和置信度，以及N個類別概率，其中，所述檢測框的位置信息是所述目標的中心位置相對于所述格子的中心位置的偏移、高度和寬度，M和N為正整數(shù)。

5.根據(jù)權利要求4所述的方法，其中，所述YOLO取消丟棄層，卷積層使用批標準化層，以預設分辨率微調(diào)所述YOLO中的分類器，移除全連接層。

6.根據(jù)權利要求5所述的方法，其中，所述YOLO的分類損失采用二元交叉損失函數(shù)，采用O個尺度預測，且每種尺度預測P個檢測框，使用聚類得到Q個聚類中心，按照大小均分給O個尺度，其中，O、P和Q為正整數(shù)。

7.一種機場協(xié)同決策裝置，包括：

確定模塊，被配置成基于機場場景與飛機的位置關系，確定飛機附近的至少一個攝像頭，其中，一個攝像頭采集的機場圖像存在至少一種機場場景中的目標；

獲取模塊，被配置成獲取所述至少一個攝像頭采集的機場圖像；

檢測模塊，被配置成將所述機場圖像輸入至預先訓練的目標檢測模型，輸出機場場景中的目標的類別和位置；

追蹤模塊，被配置成基于所述目標的類別和位置進行追蹤，直至所述目標靜止，確定所述目標的最終位置；

決策模塊，被配置成基于所述目標的最終位置，對飛機地面運行進行協(xié)同決策。

8.根據(jù)權利要求7所述的裝置，其中，所述至少一個攝像頭包括飛機右側、飛機左側和廊橋口三個方位的攝像頭，所述飛機左側的攝像頭采集的機場圖像存在上下輪檔、入離位、開關貨倉、靠撤廊橋、配餐車作業(yè)、行李傳送帶車作業(yè)的至少一種機場場景中的目標，所述飛機右側的攝像頭采集的機場圖像存在加油車作業(yè)的機場場景中的目標，所述廊橋口的攝像頭采集的機場圖像存在開關客艙門的機場場景中的目標。

9.根據(jù)權利要求8所述的裝置，其中，所述目標檢測模型是兩階段目標檢測模型或單階段目標檢測模型，所述兩階段目標檢測模型包括以下至少一項：R-CNN、SPP-Net、Fast-RCNN、Faster-RCNN和FPN，所述單階段目標檢測模型是YOLO或SSD。