CN103853893A - 一种从点云数据检测飞机姿态的参数模型匹配方法 - Google Patents

一种从点云数据检测飞机姿态的参数模型匹配方法 Download PDF

Info

Publication number
CN103853893A
CN103853893A CN201410114518.8A CN201410114518A CN103853893A CN 103853893 A CN103853893 A CN 103853893A CN 201410114518 A CN201410114518 A CN 201410114518A CN 103853893 A CN103853893 A CN 103853893A
Authority
CN
China
Prior art keywords
cloud data
point
cloud
model
section
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410114518.8A
Other languages
English (en)
Other versions
CN103853893B (zh
Inventor
黄荣顺
隋运峰
钟琦
李华琼
王雨果
鄢丹青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Second Research Institute of CAAC
Original Assignee
Second Research Institute of CAAC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Second Research Institute of CAAC filed Critical Second Research Institute of CAAC
Priority to CN201410114518.8A priority Critical patent/CN103853893B/zh
Publication of CN103853893A publication Critical patent/CN103853893A/zh
Application granted granted Critical
Publication of CN103853893B publication Critical patent/CN103853893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及飞机自动引导泊位系统，发明了一种从单个激光扫描设备拍摄的点云数据计算飞机姿态的方法，方法使用通用参数模型，常规的民航客机均可适用。激光扫描设备对机场泊位区域持续进行三维扫描，每次扫描获取一幅点云数据。本发明提出一种基于飞机参数模型匹配的方法从每次扫描获取的点云数据中计算飞机姿态。方法结合飞机特征部件探测和参数式飞机模型整体匹配，其中特征部件包括一个机鼻、两个机身侧面和两个机翼，而飞机整体模型是对这五个部件相对位置和转动的约束。通过寻找对点云数据的最佳整体模型参数来实现检测飞机姿态的目的。本发明提出的方法具有处理速度快，适合绝大多数的民航飞机，适用观测角度范围大的优点。

Description

一种从点云数据检测飞机姿态的参数模型匹配方法
技术领域
本发明涉及基于激光扫描技术的飞机自动引导泊位系统，尤其是一种从单幅点云数据计算飞机姿态的参数模型匹配方法。
背景技术
在机场场面监控，尤其是飞机停泊自动引导系统中，需要准确感知飞机的姿态，包括所处的位置、所占的空间以及运动的速度和方向等信息。传统的感知方式（如感应线圈、雷达和视频等技术手段）有不同程度的缺陷：感应线圈技术探测能力差，且安装维护操作工程量大；雷达技术对飞机姿态的细节表达能力差；视频手段受天气和光线的影响较强，且距离计算误差较大。
激光扫描技术因其测量准确性高、细节清晰、分辨力强且对天气环境适应能力强等优点，近年来有快速的发展，适合中短距离上的感知探测。三维激光扫描设备一般安装在航站楼上，正对泊位区域，且靠近泊机位。设备在水平和俯仰两个方向上转动探测，获得三维点云数据，以抽样点的形式表征被扫描表面的几何特征和材质反射特征。
发明内容
本发明所要解决的技术问题是：针对现有技术存在的问题，从泊位系统的激光扫描设备获取的点云数据计算飞机姿态是泊位引导过程中核心的一个环节出发。本发明提出一种使用参数模型匹配的方法，从单一探测源扫描生成的三维点云数据，计算飞机姿态的方法。本发明方法的输入是一幅点云数据（见相关说明中点云数据要求）。输出是飞机参数模型表达式的参数和三个关键点的坐标。从本发明方法的输出可以直接计算出机型特征值，如机鼻高度、机翼高度、翼展宽度机舱宽度和机鼻到机翼的距离等。使用这些特征值跟民航机型数据库作对比可以识别飞机的机型。从多次使用本发明方法获得的输出结合泊机位的信息，还可以直接计算出引导飞机泊位的距离、偏移、朝向和速度信息。以上信息足以满足泊位自动引导系统的需求。
本发明采用的技术方案如下： 
一种从点云数据检测飞机姿态的参数模型匹配方法包括：
步骤1：通过激光扫描仪运动，获得机场单位时间内的水平扫描线；根据快速合并算法将每条水平扫描线划分为点云数据组，当每组点云数据长度P<TH1；所述每条水平扫描线中第一个点作为一个组的起点，每条水平扫描线最后一个点作为一个组的终点，起点与终点的距离为长度P；TH1为阈值，所述TH1范围是5米到8米；
步骤2：计算分组的点云数据中每个点的曲率                                                ，根据曲率变化判定法将点云组分割成点云段；当分割为点云段后，每个点云段数据长度
Figure 523199DEST_PATH_IMAGE002
时，丢弃本次数据；否则，保留本次点云段；其中
Figure 2014101145188100002DEST_PATH_IMAGE003
范围是2米到5米；
步骤3：对每个点云段进行圆弧段模型或直线段模型匹配；
步骤4：计算所有圆弧段的平均圆心
Figure 222761DEST_PATH_IMAGE006
，飞机参数模型的机鼻模型参数为
Figure 2014101145188100002DEST_PATH_IMAGE007
,其中为半径的分布标准样本差;
步骤5：将所有的直线模型参数转化为
Figure DEST_PATH_IMAGE009
形式，其中
Figure 831487DEST_PATH_IMAGE010
为直线距离圆弧心
Figure DEST_PATH_IMAGE011
最近的点，为直线的斜率，判断该直线模型属于机身侧面还是机翼；并判断点云数据取自前侧角度拍摄还是正前角度拍摄，最终确定飞机姿态。
进一步的，所述步骤1快速合并算法具体步骤是：把每条扫描线中第一个点作为一个点云数据组的起点，若一个点与前一个点之间的距离小于阈值
Figure DEST_PATH_IMAGE013
，该点与前一个点处于同一个组，否则认为该点是一个新的点云数据组的起始点，前一个点是前一个点云数据组的终止点，
Figure 688027DEST_PATH_IMAGE013
一般取
Figure 129504DEST_PATH_IMAGE014
到，其中
Figure 916325DEST_PATH_IMAGE016
是激光扫描仪水平转动的角度步长，
Figure DEST_PATH_IMAGE017
是该点到激光扫描仪的距离。
进一步的，所述步骤2中曲率变化判定法具体步骤为：设前一点、当前点和下一点的曲率分别是
Figure 168577DEST_PATH_IMAGE018
、
Figure 431063DEST_PATH_IMAGE001
和
Figure DEST_PATH_IMAGE019
，如果
Figure 286017DEST_PATH_IMAGE020
或者
Figure DEST_PATH_IMAGE021
则认为曲率变化较大，
Figure 68291DEST_PATH_IMAGE022
一般取值是0.2-0.5。
进一步的，所述步骤3具体过程是：通过均开方差（mean square root error），取平均平方差最小的几何模型代表每个点云数据段，去除点云数据段的平均平方差大于的点云数据，一般取值是0.2-1米。
进一步的，所述步骤4具体包括：
步骤41：计算所有圆弧段的平均圆心
Figure 100280DEST_PATH_IMAGE006
，并统计分布标准样本差，其中n表示任意一点，n>0；
步骤42：去除圆心
Figure 149138DEST_PATH_IMAGE024
距离平均圆心
Figure 35186DEST_PATH_IMAGE011
超过3倍标准样本差的圆弧，剩下的圆弧再次计算圆弧段的平均圆心和圆弧段的平均半径
Figure DEST_PATH_IMAGE025
。飞机参数模型的机鼻模型参数为
Figure 753874DEST_PATH_IMAGE007
，其中
Figure 725373DEST_PATH_IMAGE008
为圆弧段的半径的分布标准样本差。
进一步的，所述步骤5中判断该直线模型属于机身侧面还是机翼具体步骤为：
Figure 23326DEST_PATH_IMAGE010
与
Figure 29459DEST_PATH_IMAGE011
的距离在[0.9R,1.1R]之间，则认为该直线来自机身侧面，否则来自机翼。
进一步的，所述步骤5中判定点云取自前侧角度拍摄，否则是正前角度拍摄的具体方法是：如果来自机身侧面的点云段超过5个点云段，则判定点云取自前侧角度拍摄，否则是正前角度拍摄。
进一步的，所述步骤5中飞机侧面的数学模型为所有侧面点云段参数的平均值；飞机机翼的点云段中取
Figure 43683DEST_PATH_IMAGE026
与
Figure DEST_PATH_IMAGE027
中距离较大的点为机翼点
Figure 378292DEST_PATH_IMAGE010
，然后在所有
Figure 238931DEST_PATH_IMAGE010
中取距离最大的点为飞机机翼顶点。
进一步的，所述激光扫描仪采集的点云数据中二维数据，其中将三维数据投射为二维数据的过程，既沿z轴投影到XY平面上
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1）        提出了一种飞机姿态检测算法，将三维空间问题投影到二维空间求解，使用简单的几何曲线概括表征复杂的形体，有效降低了算法的复杂度，提高了处理速度。
 2）        使用参数模型，不针对某一特定机型，适用于任何满足模型的物体探测。常见的民航客机于均满足模型的约束，因此本方法对民航客机机型变化的适应性强。
 3）        点云数据拍摄角度限制低，能够从飞机前方多种角度得到的点云数据中准确计算出飞机的姿态，扩大了方法的适用范围。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是飞机模型轮廓线示意图。
图2是飞机机鼻扫描轮廓线示意图。
图3是飞机机翼及机身扫描轮廓线示意图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书（包括任何附加权利要求、摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
本发明相关说明：
1、坐标系说明。
    以停机位的地平面宽度方向为X轴，地平面长度方向为Y轴，地平面垂线方向为Z轴。
2、本专利的研究背景是：机泊位自动引导装置的激光扫描仪在在水平方向上进行扇形扫描（指的是水平激光扫描仪水平扫描），同时在垂直方向以均匀角速度从最上到最下或者最下到最上转动（指的是激光扫描仪垂直扫描方向），激光扫描仪水平方向转动速度比激光扫描仪垂直方向转动速度快。本设计中针对点云数据采集到飞机参数后进行的相关处理。
3、飞机的参数模型。
本算法针对地平面上运动的飞机，不存在高度Z上的变化，因此将点云数据三维数据沿Z轴方向投影在XY平面上，作为二维点处理。作用是降低需要处理的数据量以及数据计算的复杂度。
本算法用五个部件灵活组合的参数模型来表征一般民航飞机。五个部件的模糊数学模型分别是机鼻-圆弧（圆心为
Figure DEST_PATH_IMAGE029
,半径为R），左侧机身-直线
Figure 174286DEST_PATH_IMAGE030
（通过点与斜率
Figure 640164DEST_PATH_IMAGE032
确定一条直线），右侧机身-直线（通过点
Figure 871557DEST_PATH_IMAGE034
与斜率
Figure DEST_PATH_IMAGE035
确定一条直线），左侧机翼-直线
Figure 914730DEST_PATH_IMAGE036
（通过点
Figure DEST_PATH_IMAGE037
与斜率确定一条直线），右侧机翼-直线
Figure DEST_PATH_IMAGE039
（通过点与斜率
Figure DEST_PATH_IMAGE041
确定一条直线）。其中
Figure 436497DEST_PATH_IMAGE029
是机鼻圆弧的圆心点；R是圆弧的半径；和
Figure 824064DEST_PATH_IMAGE034
分别是左右侧机身直线上到机鼻圆心距离最近的点；
Figure 966464DEST_PATH_IMAGE032
是机身直线的斜率，左右侧斜率绝对值相同；
Figure 775151DEST_PATH_IMAGE037
和
Figure 218199DEST_PATH_IMAGE040
分别是左右侧机翼顶点；是机翼直线的斜率。机身的中轴线为过
Figure 716625DEST_PATH_IMAGE029
斜率为
Figure 594582DEST_PATH_IMAGE032
的直线。和
Figure 32965DEST_PATH_IMAGE034
、
Figure 149957DEST_PATH_IMAGE037
和
Figure 566026DEST_PATH_IMAGE040
两对点分别关于机身中轴线对称。
3、点云数据要求。
本方法输入的点云数据应符合以下特征：（1）点云数据中必须有飞机参数的存在；（2）点云数据中的飞机必须包含飞机较完整的机鼻（覆盖机鼻表面50%以上且包含机鼻顶点的点云数据）和至少一个完整的机翼；（3）可以不包含完整机身的所有部位，比如不包含机尾。
4、飞机姿态的定义。
飞机参数模型的参数是对飞机形状、所处位置和转向的一个准确描述，本发明方法中所指的飞机姿态即飞机参数模型的参数。飞机姿态更为简洁直观的参数表达方式是从飞机参数模型计算出的三个关键点，即机鼻顶点
Figure 819284DEST_PATH_IMAGE042
、左机翼顶点
Figure DEST_PATH_IMAGE043
和右机翼顶点
Figure 170762DEST_PATH_IMAGE044
。为了简洁直观的目的，本发明方法也以这三个关键点表征飞机的姿态。
5、单幅点云数据可见飞机模型下计算飞机姿态。
单幅点云数据受观测点的限制，不一定能同时完全覆盖五个部件。当观测点在飞机正前方时，可以至少观测到一个机鼻和两个机翼，即正前观测模型；当观测点在飞机前侧方时，可以至少观测到一个机鼻、一个机身和一个机翼，即前侧观测模型。正前观测模型和前侧观测模型都能计算出飞机姿态的三个关键点：机鼻顶点
Figure 509470DEST_PATH_IMAGE042
、左机翼顶点
Figure 729230DEST_PATH_IMAGE043
和右机翼顶点
Figure 102574DEST_PATH_IMAGE044
。
正前观测模型下，左右机翼顶点
Figure 484008DEST_PATH_IMAGE043
和分别取左右机翼数学模型的顶点
Figure 333463DEST_PATH_IMAGE037
和
Figure 436680DEST_PATH_IMAGE040
，机鼻顶点取
Figure 989015DEST_PATH_IMAGE037
和
Figure 302316DEST_PATH_IMAGE040
的中点和机鼻圆心连成的直线与机鼻圆弧的交点。
前侧观测模型下，先根据机鼻数学模型的圆心和机身任意一侧数学模型的斜率计算出机身中轴线。机鼻顶点取机身中轴线与机鼻圆弧的交点。一侧机翼顶点取该侧机翼数学模型的顶点。另一侧机翼顶点取已计算出的机翼顶点关于机身中轴线对称的点。
6、圆弧段模型
Figure 863878DEST_PATH_IMAGE004
中
Figure DEST_PATH_IMAGE045
、
Figure 946235DEST_PATH_IMAGE046
、
Figure DEST_PATH_IMAGE047
分别代表圆心X轴坐标、Y轴坐标和圆半径。
直线段模型中
Figure 611013DEST_PATH_IMAGE048
、、
Figure 586054DEST_PATH_IMAGE050
、
Figure DEST_PATH_IMAGE051
分别代表直线经过的点n1和n2的X轴坐标、Y轴坐标。
Figure 663862DEST_PATH_IMAGE009
中
Figure 948213DEST_PATH_IMAGE052
、、
Figure 822456DEST_PATH_IMAGE012
分别代表直线经过的点n0的X轴坐标、Y轴坐标以及斜率。
Figure 725821DEST_PATH_IMAGE006
代表对所有取平均值赋给，对所有
Figure 988754DEST_PATH_IMAGE056
取平均值赋给
Figure DEST_PATH_IMAGE057
。
实施例一：
步骤1：通过激光扫描仪运动，获得机场单位时间内的水平扫描线；根据快速合并算法将每条水平扫描线划分为点云数据组，当每组点云数据长度
Figure 639309DEST_PATH_IMAGE058
；所述每条水平扫描线中第一个点作为一个组的起点，每条水平扫描线最后一个点作为一个组的终点，起点与终点的距离为长度P；
Figure DEST_PATH_IMAGE059
为阈值，所述TH1范围是5米到8米；
步骤2：计算分组的点云数据中每个点的曲率
Figure 80786DEST_PATH_IMAGE001
，根据曲率变化判定法将点云组分割成点云段；当分割为点云段后，每个点云段数据长度
Figure 992242DEST_PATH_IMAGE002
时，丢弃本次数据；否则，保留本次点云段；其中
Figure 493761DEST_PATH_IMAGE003
范围是2米到5米；
步骤3：对每个点云段进行圆弧段模型或直线段模型
Figure 735835DEST_PATH_IMAGE005
匹配，去除匹配误差大于
Figure 767376DEST_PATH_IMAGE023
的数据，范围是0.2到0.5米；
步骤4：计算所有圆弧段的平均圆心，飞机参数模型的机鼻模型参数为
Figure 707278DEST_PATH_IMAGE060
,其中
Figure 593326DEST_PATH_IMAGE008
为半径的分布标准样本差，R表示机鼻的半径，
Figure 561282DEST_PATH_IMAGE025
表示圆弧段的平均半径;
步骤5：将所有的直线模型参数
Figure 532780DEST_PATH_IMAGE005
转化为直线模型
Figure 119750DEST_PATH_IMAGE009
形式，其中
Figure 125884DEST_PATH_IMAGE010
为直线距离圆弧心
Figure 140107DEST_PATH_IMAGE011
最近的点，
Figure 333322DEST_PATH_IMAGE012
为直线的斜率，判断该直线模型属于机身侧面还是机翼；并判断点云数据取自前侧角度拍摄还是正前角度拍摄，最终确定飞机姿态。 
步骤6：如果来自机身侧面的点云段超过5个点云段，则判定点云取自前侧角度拍摄，否则是正前角度拍摄；飞机侧面的数学模型为所有侧面点云段参数的平均值；飞机机翼的点云段中取与
Figure 894382DEST_PATH_IMAGE027
中距离
Figure 574893DEST_PATH_IMAGE011
较大的点为可能机翼点
Figure 503666DEST_PATH_IMAGE010
，然后在所有
Figure 218812DEST_PATH_IMAGE010
中取距离
Figure 574838DEST_PATH_IMAGE011
最大的点为飞机机翼的数学模型。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。 

Claims (9)

1.一种从点云数据检测飞机姿态的参数模型匹配方法，其特征在于包括：
步骤1：通过激光扫描仪运动，获得机场单位时间内的水平扫描线；根据快速合并算法将每条水平扫描线划分为点云数据组，当每组点云数据长度                                               ；所述每条水平扫描线中第一个点作为一个组的起点，每条水平扫描线最后一个点作为一个组的终点，起点与终点的距离为长度P；
Figure 2014101145188100001DEST_PATH_IMAGE004
为阈值，所述TH1范围是5米到8米；
步骤2：计算分组的点云数据中每个点的曲率
Figure 2014101145188100001DEST_PATH_IMAGE006
，根据曲率变化判定法将点云组分割成点云段；当分割为点云段后，每个点云段数据长度
Figure 2014101145188100001DEST_PATH_IMAGE008
时，丢弃本次数据；否则，保留本次点云段；其中范围是2米到5米；
步骤3：对每个点云段进行圆弧段模型
Figure 2014101145188100001DEST_PATH_IMAGE012
或直线段模型
Figure 2014101145188100001DEST_PATH_IMAGE014
匹配；
步骤4：计算所有圆弧段的平均圆心
Figure 2014101145188100001DEST_PATH_IMAGE016
，飞机参数模型的机鼻模型参数为
Figure 2014101145188100001DEST_PATH_IMAGE018
,其中
Figure 2014101145188100001DEST_PATH_IMAGE020
为半径的分布标准样本差，R表示机鼻的半径，
Figure DEST_PATH_IMAGE022
表示圆弧段的平均半径;
步骤5：将所有的直线模型参数转化为直线模型
Figure DEST_PATH_IMAGE024
形式，其中
Figure DEST_PATH_IMAGE026
为直线距离圆弧心
Figure DEST_PATH_IMAGE028
最近的点，
Figure DEST_PATH_IMAGE030
为直线的斜率，判断该直线模型
Figure 408409DEST_PATH_IMAGE024
属于机身侧面还是机翼；并判断点云数据取自前侧角度拍摄还是正前角度拍摄，最终确定飞机姿态。
2.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤1快速合并算法具体步骤是：把每条扫描线中第一个点作为一个点云数据组的起点，若一个点与前一个点之间的距离小于阈值
Figure 2014101145188100001DEST_PATH_IMAGE032
，该点与前一个点处于同一个组，否则认为该点是一个新的点云数据组的起始点，前一个点是前一个点云数据组的终止点，
Figure 375097DEST_PATH_IMAGE032
一般取
Figure DEST_PATH_IMAGE034
到
Figure DEST_PATH_IMAGE036
，其中
Figure DEST_PATH_IMAGE038
是激光扫描仪水平转动的角度步长，
Figure DEST_PATH_IMAGE040
是该点到激光扫描仪的距离。
3.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤2中曲率变化判定法具体步骤为：设前一点、当前点和下一点的曲率分别是
Figure DEST_PATH_IMAGE042
、
Figure 832623DEST_PATH_IMAGE006
和，如果
Figure DEST_PATH_IMAGE046
或者
Figure DEST_PATH_IMAGE048
则认为曲率变化较大，
Figure DEST_PATH_IMAGE050
一般取值是0.2-0.5。
4.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤3具体过程是：通过均开方差，取平均平方差最小的几何模型代表每个点云数据段，去除点云数据段的平均平方差大于的点云数据，
Figure 958579DEST_PATH_IMAGE052
一般取值是0.2-1米。
5.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤4具体包括：
步骤41：计算所有圆弧段的平均圆心，并统计分布标准样本差，其中n表示任意一点，n>0；
步骤42：去除圆心
Figure DEST_PATH_IMAGE054
距离平均圆心
Figure 703867DEST_PATH_IMAGE028
超过3倍标准样本差的圆弧，剩下的圆弧再次计算圆弧段的平均圆心和圆弧段的平均半径
Figure 371609DEST_PATH_IMAGE022
；
飞机参数模型的机鼻模型参数为
Figure DEST_PATH_IMAGE056
，其中为圆弧段半径的分布标准样本差。
6.根据权利要求1所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述步骤5中判断该直线模型属于机身侧面还是机翼具体步骤为：
Figure 971535DEST_PATH_IMAGE026
与
Figure 443973DEST_PATH_IMAGE028
的距离在[0.9R,1.1R]之间，则认为该直线来自机身侧面，否则来自机翼。
7.根据权利要求1所述的一种点云数据图像检测飞机姿态的匹配算法，其特征在于所述步骤5中判定点云取自前侧角度拍摄，否则是正前角度拍摄的具体方法是：如果来自机身侧面的点云段超过5个点云段，则判定点云取自前侧角度拍摄，否则是正前角度拍摄。
8.根据权利要求1所述的一种点云数据图像检测飞机姿态的匹配算法，其特征在于所述步骤5中飞机侧面的数学模型为所有侧面点云段参数的平均值；飞机机翼的点云段中取
Figure DEST_PATH_IMAGE058
与
Figure DEST_PATH_IMAGE060
中距离
Figure 587510DEST_PATH_IMAGE028
较大的点为机翼点
Figure 840723DEST_PATH_IMAGE026
，然后在所有
Figure 739409DEST_PATH_IMAGE026
中取距离
Figure 449876DEST_PATH_IMAGE028
最大的点为飞机机翼顶点。
9.根据权利要求1至8之一所述的一种点云数据图像检测飞机姿态的参数模型匹配算法，其特征在于所述激光扫描仪采集的点云数据中二维数据，其中将三维数据投射为二维数据的过程，既沿z轴投影到XY平面上。
CN201410114518.8A 2014-03-26 2014-03-26 一种从点云数据检测飞机姿态的参数模型匹配方法 Active CN103853893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410114518.8A CN103853893B (zh) 2014-03-26 2014-03-26 一种从点云数据检测飞机姿态的参数模型匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410114518.8A CN103853893B (zh) 2014-03-26 2014-03-26 一种从点云数据检测飞机姿态的参数模型匹配方法

Publications (2)

Publication Number Publication Date
CN103853893A true CN103853893A (zh) 2014-06-11
CN103853893B CN103853893B (zh) 2016-10-26

Family

ID=50861544

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410114518.8A Active CN103853893B (zh) 2014-03-26 2014-03-26 一种从点云数据检测飞机姿态的参数模型匹配方法

Country Status (1)

Country Link
CN (1) CN103853893B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504255A (zh) * 2014-12-11 2015-04-08 北京航天控制仪器研究所 一种螺旋翼升力和阻力力矩的确定方法
CN105302151A (zh) * 2014-08-01 2016-02-03 深圳中集天达空港设备有限公司 一种飞机入坞引导和机型识别的系统及方法
CN105468870A (zh) * 2015-12-23 2016-04-06 北京航天控制仪器研究所 一种小型螺旋翼的升力的计算方法
CN111429565A (zh) * 2020-03-18 2020-07-17 中国民航科学技术研究院 一种民航客机机身表面三维数据采集管理系统及方法
CN114002688A (zh) * 2020-07-14 2022-02-01 北醒（北京）光子科技有限公司 一种基于激光雷达的探测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006083297A2 (en) * 2004-06-10 2006-08-10 Sarnoff Corporation Method and apparatus for aligning video to three-dimensional point clouds
EP2370935A1 (en) * 2008-12-29 2011-10-05 Cognex Corporation System and method for three-dimensional alignment of objects using machine vision
CN102961201A (zh) * 2012-12-13 2013-03-13 陈若瀚 激光扫描及快速成型技术用于个性化脸部假体的制作方法
CN103577697A (zh) * 2013-11-12 2014-02-12 中国民用航空总局第二研究所 基于道路表面点云数据的fod检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006083297A2 (en) * 2004-06-10 2006-08-10 Sarnoff Corporation Method and apparatus for aligning video to three-dimensional point clouds
EP2370935A1 (en) * 2008-12-29 2011-10-05 Cognex Corporation System and method for three-dimensional alignment of objects using machine vision
CN102961201A (zh) * 2012-12-13 2013-03-13 陈若瀚 激光扫描及快速成型技术用于个性化脸部假体的制作方法
CN103577697A (zh) * 2013-11-12 2014-02-12 中国民用航空总局第二研究所 基于道路表面点云数据的fod检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王建军等: "姿态角扰动对机载激光雷达点云数据的影响", 《一仪器仪表学报》 *
郭裕兰: "激光雷达目标三维姿态估计", 《光学精密工程》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105302151A (zh) * 2014-08-01 2016-02-03 深圳中集天达空港设备有限公司 一种飞机入坞引导和机型识别的系统及方法
CN105302151B (zh) * 2014-08-01 2018-07-13 深圳中集天达空港设备有限公司 一种飞机入坞引导和机型识别的系统及方法
US10255520B2 (en) 2014-08-01 2019-04-09 Shenzhen Cimc-Tianda Airport Support Ltd. System and method for aircraft docking guidance and aircraft type identification
CN104504255A (zh) * 2014-12-11 2015-04-08 北京航天控制仪器研究所 一种螺旋翼升力和阻力力矩的确定方法
CN105468870A (zh) * 2015-12-23 2016-04-06 北京航天控制仪器研究所 一种小型螺旋翼的升力的计算方法
CN105468870B (zh) * 2015-12-23 2018-11-23 北京航天控制仪器研究所 一种小型螺旋翼的升力的计算方法
CN111429565A (zh) * 2020-03-18 2020-07-17 中国民航科学技术研究院 一种民航客机机身表面三维数据采集管理系统及方法
CN114002688A (zh) * 2020-07-14 2022-02-01 北醒（北京）光子科技有限公司 一种基于激光雷达的探测系统

Also Published As

Publication number Publication date
CN103853893B (zh) 2016-10-26

Similar Documents

Publication Publication Date Title
CN108132675B (zh) 一种工厂巡视无人机自主路径巡航以及智能避障方法
CN103853893A (zh) 一种从点云数据检测飞机姿态的参数模型匹配方法
JP6650344B2 (ja) 物体検出装置及び物体検出方法
US11756440B2 (en) Multi-sensor data fusion-based aircraft detection, tracking, and docking
CN111337941A (zh) 一种基于稀疏激光雷达数据的动态障碍物追踪方法
CN108061889B (zh) Ais与雷达角度系统偏差的关联方法
CN108387885B (zh) 基于激光雷达探测的晴空条件下飞机尾流特征参数反演方法
CN109115173B (zh) 基于直线定位模型的掘进机机身位姿单目视觉测量方法
CN103557792B (zh) 一种空中加油锥套目标的视觉跟踪与位置测量方法
CN103617328A (zh) 一种飞机三维姿态解算方法
CN110047111B (zh) 一种基于立体视觉的停机坪廊桥对接误差测量方法
CN103786893A (zh) 一种基于激光测距技术的飞机泊位自动引导方法及装置
CN113155098A (zh) 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法
CN110736999B (zh) 基于激光雷达的铁路道岔检测方法
CN103839274B (zh) 一种基于几何比例关系的扩展目标跟踪方法
CN111145599B (zh) 一种曲线飞行航段及误差分布确立方法
CN103697883B (zh) 一种基于天际线成像的飞行器水平姿态确定方法
Minghui et al. Deep learning enabled localization for UAV autolanding
Shuai et al. Power lines extraction and distance measurement from binocular aerial images for power lines inspection using UAV
CN112034831B (zh) 登机桥接靠飞机的方法及电子设备以及存储介质
CN104050476A (zh) 一种基于凸壳计算的末段目标瞄准点选择方法
Angermann et al. High precision approaches enabled by an optical-based navigation system
CN106128170A (zh) 一种飞机泊位智能指示系统
CN109084697A (zh) 感应板廓形检测方法和结构
CN117710458A (zh) 一种基于双目视觉的舰载机着舰过程相对位置测量方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant