一種基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種泊位飛機(jī)定位及引導(dǎo)技術(shù)，特別是一種用于飛機(jī)泊位引導(dǎo)的運(yùn)動(dòng) 物體檢測(cè)、特征識(shí)別和驗(yàn)證的基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法及系統(tǒng)。
【背景技術(shù)】
[0002] 飛機(jī)泊位引導(dǎo)是指將到港飛機(jī)從滑行道末端導(dǎo)引至機(jī)坪的停機(jī)位置并準(zhǔn)確停泊 的過程。飛機(jī)泊位引導(dǎo)的目的是保障入塢飛機(jī)安全準(zhǔn)確停泊，能方便飛機(jī)與各種地勤接口 的準(zhǔn)確對(duì)接，并使登機(jī)橋能有效靠接飛機(jī)艙門，提高機(jī)場(chǎng)運(yùn)行效率和安全。自動(dòng)飛機(jī)泊位引 導(dǎo)系統(tǒng)按使用傳感器的類型不同主要分為：（1)地埋線圈類；（2)激光掃描測(cè)距類；（3)視 覺感知類。由于激光掃描測(cè)距類和視覺感知類自動(dòng)引導(dǎo)系統(tǒng)能有效獲取入塢飛機(jī)的可視化 信息，因此該兩類自動(dòng)飛機(jī)泊位引導(dǎo)系統(tǒng)又稱為可視化泊位引動(dòng)系統(tǒng)。地埋感應(yīng)線圈類自 動(dòng)引導(dǎo)系統(tǒng)通過探測(cè)是否有金屬物體經(jīng)過或停留來確定入塢飛機(jī)的位置。地埋感應(yīng)線圈的 優(yōu)點(diǎn)是響應(yīng)速度快、成本低，對(duì)天氣和照度無要求，但誤差較大、抗干擾能力低。同時(shí)，埋在 地下的引線和電子元件容易被壓壞、可靠性不高，測(cè)量精度不高，不能識(shí)別機(jī)型，可調(diào)試可 維修性差。激光掃描測(cè)距類自動(dòng)引導(dǎo)系統(tǒng)通過激光測(cè)距和激光掃描來確定飛機(jī)位置、速度 和機(jī)型等信息，不受環(huán)境照度的影響、且受天氣影響較小，精度較高，可調(diào)試可維修性好，但 成本較高，且激光掃描頻率有限，限制了引導(dǎo)的實(shí)時(shí)性和穩(wěn)定性。視覺感知類自動(dòng)引導(dǎo)系統(tǒng) 通過光學(xué)成像方式獲取飛機(jī)入塢過程的圖像信息，進(jìn)而通過智能化信息處理技術(shù)確定入塢 飛機(jī)的位置、速度和機(jī)型等信息，系統(tǒng)架構(gòu)簡(jiǎn)單、成本低，具有高的智能化水平，可調(diào)性可維 護(hù)性較好，但對(duì)天氣和照度有要求、適應(yīng)性較差。
[0003] 隨著視覺感知成像技術(shù)、智能化信息處理技術(shù)和計(jì)算機(jī)技術(shù)的不斷深入發(fā)展，可 視化飛機(jī)泊位引導(dǎo)技術(shù)能精確、快速獲取入塢飛機(jī)的入塢信息，已在機(jī)場(chǎng)的泊位引導(dǎo)系統(tǒng) 中得到應(yīng)用。美國Honeywell公司研制的可視化飛機(jī)泊位引導(dǎo)系統(tǒng)（VDGS)和德國西門子 公司研制的視頻泊位引導(dǎo)系統(tǒng)（VD0CKS)作為國際領(lǐng)先水平的視覺引導(dǎo)設(shè)備也在國際上一 些機(jī)場(chǎng)得到應(yīng)用，但這些系統(tǒng)對(duì)天氣和照度要求較高、適應(yīng)性較差，且缺乏智能化的信息處 理能力。在整個(gè)泊位飛機(jī)引導(dǎo)過程中，飛機(jī)跟蹤和定位、機(jī)型識(shí)別及身份驗(yàn)證操作都是在泊 位飛機(jī)捕獲之后進(jìn)行。如果泊位系統(tǒng)并未捕獲到泊位飛機(jī)，那么后續(xù)的一切操作將不會(huì)執(zhí) 行。因此，泊位飛機(jī)的快速、準(zhǔn)確捕獲是泊位引導(dǎo)系統(tǒng)完成泊位飛機(jī)引導(dǎo)任務(wù)的基礎(chǔ)和前 提。一個(gè)快速、準(zhǔn)確的泊位飛機(jī)捕獲方法能夠?yàn)楹罄m(xù)的飛機(jī)機(jī)型識(shí)別、跟蹤和引導(dǎo)提供更準(zhǔn) 確的信息和更多的處理時(shí)間。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是提供一種能夠快速、準(zhǔn)確捕獲泊位飛機(jī)基于機(jī)器視 覺的入塢飛機(jī)實(shí)時(shí)捕獲方法及系統(tǒng)。
[0005] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法， 其中，包括如下步驟：
[0006]S1、飛機(jī)泊位場(chǎng)景設(shè)置，將監(jiān)測(cè)場(chǎng)景劃分為不同的信息處理功能區(qū)，以縮小圖片的 處理區(qū)域范圍，提高處理效率；
[0007]S2、飛機(jī)捕獲，包括：
[0008]S21、背景消除，基于中值濾波的背景模型、混合高斯背景模型或基于核密度概率 估計(jì)的背景模型來模擬場(chǎng)景中背景的動(dòng)態(tài)分布并進(jìn)行背景建模，然后將當(dāng)前幀與背景模型 作差分以消除背景；
[0009]S22、陰影消除，統(tǒng)計(jì)通過背景消除提取的前景區(qū)域中的灰度值，找出最大灰度值 gmax和最小灰度值gmin，然后在灰度值小于T=gmin+(gmax-gmin)*0· 5的區(qū)域進(jìn)行陰影 消除；
[0010] S23、區(qū)域分類，建立一個(gè)標(biāo)準(zhǔn)正面飛機(jī)區(qū)域模板，經(jīng)過變化檢測(cè)提取目標(biāo)區(qū)域并 求取該區(qū)域的垂直投影曲線，然后求取該垂直投影曲線與所述標(biāo)準(zhǔn)正面飛機(jī)區(qū)域模板的垂 直投影曲線的相關(guān)系數(shù)，若該相關(guān)系數(shù)大于或等于0.9,則該目標(biāo)為飛機(jī)；
[0011] S24、特征驗(yàn)證，通過檢測(cè)捕獲到的飛機(jī)的引擎和前輪來進(jìn)一步驗(yàn)證該目標(biāo)是否為 飛機(jī)。
[0012] 上述的基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法，其中，在步驟S1之后，還可包括 如下步驟：
[0013]S10、視頻圖像預(yù)處理，對(duì)圖像進(jìn)行亮度校正和去噪處理，以改善圖像的視覺效果， 提1?圖像的清晰度。
[0014] 上述的基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法，其中，所述背景消除步驟S21中， 所述單高斯背景模型的建立包括如下步驟：
[0015]S211、背景模型的建立，初始化背景圖像，計(jì)算一段時(shí)間內(nèi)視頻序列圖像f(x，y) 中每一個(gè)像素的平均灰度值μ。以及像素灰度的方差W，由μ。和 < 組成具有高斯分布 η(X，μ。，σ。）的初始背景圖像Β。，4 =[/Α,，σ,;]
[0016] 其中
[0017] 然后為每幀圖像的每個(gè)像素點(diǎn)建立高斯模型η(XdμuJ;
[0018] 其中，i為幀序號(hào)，Χι為像素點(diǎn)的當(dāng)前像素值，μi為當(dāng)前像素點(diǎn)高斯模型的均值， σi為當(dāng)前像素點(diǎn)高斯模型的均方差；若ΓΙ(Xi，μi，。i) <Tp,Tp為概率閾值，則判定該點(diǎn) 為前景點(diǎn)，否則為背景點(diǎn)；
[0019]S212、背景模型的更新
[0020] 若場(chǎng)景發(fā)生變化，則對(duì)背景模型進(jìn)行更新，利用攝像裝置拍攝的連續(xù)圖像提供的 實(shí)時(shí)信息對(duì)背景模型進(jìn)行更新，如下式：
[0021] μ1+, = (1-α)μ,.+αΧ?
[0022]
[0023] 其中α為更新率，取值在〇~1之間。
[0024]上述的基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法，其中，若該像素為背景，則α取 0.05,若該像素為前景，則α取0.0025。
[0025] 上述的基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法，其中，所述特征驗(yàn)證步驟S24包 括：
[0026]S241、圖像極黑區(qū)域提取，對(duì)圖像進(jìn)行灰度直方圖統(tǒng)計(jì)，在灰度級(jí)中間1%~99% 范圍內(nèi)獲得像素?cái)?shù)不為〇的最大灰度值/最小灰度值的比值，使用預(yù)設(shè)的極黑判定閾值提 取圖像中最黑的部分，得到一幅極黑區(qū)域；
[0027]S242、類圓形檢測(cè)，提取該極黑區(qū)域的所有外層邊界，對(duì)每一個(gè)邊界使用邊界的矩 計(jì)算邊界的重心坐標(biāo)，邊界的第ji階矩定義如下：
[0028]
[0029] 重心坐標(biāo)(r，y):
[0030]
[0031] 對(duì)于當(dāng)前邊界的所有像素點(diǎn)，計(jì)算其與該重心的距離，若計(jì)算得到的最大距離與 最小距離的比值大于一圓形判定閾值，則認(rèn)為該區(qū)域非圓形，進(jìn)行下一區(qū)域的判定，記錄判 定的類圓形區(qū)域的重心坐標(biāo)和半徑；
[0032]S243、在類圓區(qū)域中通過判斷相似度檢測(cè)飛機(jī)引擎；
[0033]S244、檢測(cè)飛機(jī)前輪，確認(rèn)該飛機(jī)引擎和前輪則捕獲成功。
[0034] 上述的基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法，其中，在類圓區(qū)域中檢測(cè)飛機(jī)引 擎步驟S243中，假設(shè)一共檢測(cè)到了Μ個(gè)類圓形區(qū)域，其中第i個(gè)和第j個(gè)的相似度的計(jì)算 為：
[0035]Similarity^ = |Heighti-Heights | * |RadiuSi-Radiusj
[0036] 其中，Height為重心高度，Radius為半徑，當(dāng)相似度Similarityij小于預(yù)設(shè)的相 似度閾值時(shí)，則認(rèn)為區(qū)域i和j為飛機(jī)引擎。
[0037] 上述的基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法，其中，在步驟S243中，若沒有檢 測(cè)出飛機(jī)引擎，則進(jìn)行迭代檢測(cè)，將所述極黑判定閾值、圓形判定閾值、相似度閾值分別增 大，再進(jìn)行步驟S241-243;若仍然沒有檢測(cè)出飛機(jī)引擎，則對(duì)所有的極黑區(qū)域使用7*7的圓 形模板進(jìn)行開操作，再進(jìn)行步驟S242-243;
[0038] 若仍然沒有檢測(cè)出飛機(jī)引擎，則再進(jìn)行2次上述迭代檢測(cè)；
[0039] 若仍然沒有檢測(cè)出飛機(jī)引擎，則判定圖像中無引擎存在。
[0040] 上述的基于機(jī)器視覺的入塢飛機(jī)實(shí)時(shí)捕獲方法，其中，所述極黑判定閾值、圓