CN109409282B - 一种机场跑道外来物检测方法及系统 - Google Patents
一种机场跑道外来物检测方法及系统 Download PDFInfo
- Publication number
- CN109409282B CN109409282B CN201811241789.4A CN201811241789A CN109409282B CN 109409282 B CN109409282 B CN 109409282B CN 201811241789 A CN201811241789 A CN 201811241789A CN 109409282 B CN109409282 B CN 109409282B
- Authority
- CN
- China
- Prior art keywords
- determining
- image
- outline
- objects
- foreign objects
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Abstract
本发明公开了一种机场跑道外来物检测方法及系统,通过本发明所提供的方法及系统,可以通过采集机场跑道的RGB图像,然后将RBG图像转换为HSV模型,根据HSV模型分析出图像中的物体轮廓,从而确定机场跑道上的外来物体,通过该方法可以实现对机场跑道的FOD的图像识别,进而在成本低廉的情况下,实现自动化的对机场跑道的外来物检测。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种机场跑道外来物检测方法及系统。
背景技术
我国航空运输业快速、持续发展,各机场面临”安全、准点、高效”三大课题。
在飞机起降过程中,跑道上存在的入侵异物(Foreign Object Debris,简称:FOD),可能对航班的安全造成重大的威胁。潜在的危害轻则损坏机身,重则造成空难,机毁人亡。
因此,为了确保航班的安全,外来物必须及时被发现、识别,并根据其威胁等级做出相应的处理。威胁航空安全的跑道外来物可以小至3cm直径,在上千米长的跑道上使用人工排查的方式,效率低下,且外来物被忽略的可能性较高。因此使用一种自动化、实时高效准确地发现并排除跑道外来物,对机场的安全运行有重要意义。
现有的FOD自动检测设备使用的较为广泛使用的技术是雷达检测。探测器发射不同波长的雷达波,根据回波信号判断异物的存在。但是雷达回波信号本身较复杂,其可以发现并定位FOD,但对FOD的识别存在缺陷。
发明内容
本发明提供了一种机场跑道外来物检测方法及系统,用以解决现有技术中雷达检测机场跑道外来物的识别准确度存在缺陷的问题。
其具体的技术方案如下:
一种机场跑道外来物检测方法,所述方法包括:
获取通过图像采集装置采集的RGB图像;
将所述RGB图像转换为HSV颜色模型,并获取所述RGB图像中的各亮度值;
根据获取到的各亮度值,确定图像中物体的外接矩形轮廓;
根据反光度以及颜色深度去除非外来物体,将剩余外接矩形轮廓对应的物体确定为外来物。
可选的,获取所述RGB图像中的各亮度值,包括:
根据图像总体亮度值确定当前是否为黑夜;
若是,则对暗色以及亮色物体进行分别检测,并获取对应的亮度值。
可选的,根据获取到的各亮度值,确定图像中物体的外接矩形轮廓,包括:
基于所述HSV模型,确定所述图像的整体的色调值;
根据所述色调值,确定图像中所有物体的数量;
确定各个物体对应的外接矩形轮廓。
可选的,根据所述反光度以及颜色深度去除非外来物体,将剩余外接矩形轮廓对应的物体确定为外来物,包括:
确定筛除常规存在的矩形轮廓筛选阈值;
根据所述矩形轮廓筛选阈值,将常规存在物从所有外接矩形轮廓中筛除,并将剩余外接矩形轮廓确定对为外来物。
一种机场跑道外来物检测系统,所述系统包括:
获取模块,用于获取通过图像采集装置采集的RGB图像;
分析模块,用于将所述RGB图像转换为HSV颜色模型,并获取所述RGB图像中的各亮度值;根据获取到的各亮度值,确定图像中物体的外接矩形轮廓;根据反光度以及颜色深度去除非外来物体,将剩余外接矩形轮廓对应的物体确定为外来物。
可选的,所述分析模块,具体用于根据图像总体亮度值确定当前是否为黑夜;若是,则对暗色以及亮色物体进行分别检测,并获取对应的亮度值。
可选的,所述分析模块,具体用于基于所述HSV模型,确定所述图像的整体的色调值;根据所述色调值,确定图像中所有物体的数量;确定各个物体对应的外接矩形轮廓。
可选的,所述分析模块,具体用于确定筛除常规存在的矩形轮廓筛选阈值;根据所述矩形轮廓筛选阈值,将常规存在物从所有外接矩形轮廓中筛除,并将剩余外接矩形轮廓确定对为外来物。
通过本发明所提供的方法及系统,可以通过采集机场跑道的RGB图像,然后将RBG图像转换为HSV模型,根据HSV模型分析出图像中的物体轮廓,从而确定机场跑道上的外来物体,通过该方法可以实现对机场跑道的FOD的图像识别,进而在成本低廉的情况下,实现自动化的对机场跑道的外来物检测。
附图说明
图1为本发明实施例中一种机场跑道外来物检测方法及的流程图;
图2为本发明实施例中一种机场跑道外来物检测系统的结构示意图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解,本发明实施例以及实施例中的具体技术特征只是对本发明技术方案的说明,而不是限定,在不冲突的情况下,本发明实施例以及实施例中的具体技术特征可以相互组合。
如图1所示为本发明实施例中一种机场跑道外来物检测方法及的流程图,该方法包括:
S10,获取通过图像采集装置采集的RGB图像;
这里RGB图像为标准的三色图像。
S11,将RGB图像转换为HSV颜色模型,并获取所述RGB图像中的各亮度值;
当前将RGB图像转换为HSV颜色模型为成熟技术,此处就不再详细。
在获取图像的亮度值时,不同的亮度值使用不同的算法来进行检测,通过算法,将RGB图像转换为HSV颜色模型,根据图像的总体亮度确定当前是否为黑夜。若是当前为白天时,进行若干次较为精确的轮廓查找,若是没有找到,则调低查找条件继续查找;若是当前为黑夜时,则需要对应暗色以及亮色物体分别进行检测,并获取对应的亮度值。
S12,根据获取到的各亮度值,确定图像中物体的外接矩形轮廓;
具体来讲,基于所述HSV模型,确定所述图像的整体的色调值;根据所述色调值,确定图像中所有物体的数量;确定各个物体对应的外接矩形轮廓。
每次检测,根据检测的结果判定是否进行更加精细程度的检测,也就是说,检测亮度是根据上述的HSV模型中的整体画面的色调值,检测是实时的,每一次检测,根据检测到的FOD数量确定是否进行更加精细的检测,如果没有检测到,则进行下一次更加精细的检测。
S13,根据反光度以及颜色深度去除非外来物体,将剩余外接矩形轮廓对应的物体确定为外来物。
根据FOD的不同大小、反光程度、颜色深浅分别进行专项检测,具体来讲,根据算法可以从图像中获取物体的外接矩形轮廓的,并可以确定外接矩形轮廓的尺寸大小,根据尺寸大小不同的物体,设置不同的矩形轮廓筛选阈值,当需要针对大FOD寻找时,就可以剔除小的FOD。
进一步,在对图像进行FOD筛选时,还需要对常规物进行剔除,具体来讲,在本发明实施例中,确定筛除常规存在的矩形轮廓筛选阈值;根据所述矩形轮廓筛选阈值,将常规存在物从所有外接矩形轮廓中筛除,并将剩余外接矩形轮廓确定对为外来物。
通过本发明所提供的方法,可以通过采集机场跑道的RGB图像,然后将RBG图像转换为HSV模型,根据HSV模型分析出图像中的物体轮廓,从而确定机场跑道上的外来物体,通过该方法可以实现对机场跑道的FOD的图像识别,进而在成本低廉的情况下,实现自动化的对机场跑道的外来物检测。
对应本发明所提供的方法,本发明实施例中还提供了一种机场跑道外来物检测系统,如图2所示为本发明实施例中一种机场跑道外来物检测系统的结构示意图,该系统包括:
获取模块201,用于获取通过图像采集装置采集的RGB图像;
分析模块202,用于将所述RGB图像转换为HSV颜色模型,并获取所述RGB图像中的各亮度值;根据获取到的各亮度值,确定图像中物体的外接矩形轮廓;根据反光度以及颜色深度去除非外来物体,将剩余外接矩形轮廓对应的物体确定为外来物。
进一步,在本发明实施例中,所述分析模块202,具体用于根据图像总体亮度值确定当前是否为黑夜;若是,则对暗色以及亮色物体进行分别检测,并获取对应的亮度值。
进一步,在本发明实施例中,所述分析模块202,具体用于基于所述HSV模型,确定所述图像的整体的色调值;根据所述色调值,确定图像中所有物体的数量;确定各个物体对应的外接矩形轮廓。
进一步,在本发明实施例中,所述分析模块202,具体用于确定筛除常规存在的矩形轮廓筛选阈值;根据所述矩形轮廓筛选阈值,将常规存在物从所有外接矩形轮廓中筛除,并将剩余外接矩形轮廓确定对为外来物。
尽管已描述了本申请的优选实施例,但本领域内的普通技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改,包括采用特定符号、标记确定顶点等变更方式。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (6)
1.一种机场跑道外来物检测方法,其特征在于,所述方法包括:
获取通过图像采集装置采集的RGB图像;
将所述RGB图像转换为HSV颜色模型,并获取所述RGB图像中的各亮度值;
根据获取到的各亮度值,确定图像中物体的外接矩形轮廓;
根据反光度以及颜色深度去除非外来物体,将剩余外接矩形轮廓对应的物体确定为外来物;
根据所述反光度以及颜色深度去除非外来物体,将剩余外接矩形轮廓对应的物体确定为外来物,包括:
确定筛除常规存在的矩形轮廓筛选阈值;
根据所述矩形轮廓筛选阈值,将常规存在物从所有外接矩形轮廓中筛除,并将剩余外接矩形轮廓确定对为外来物。
2.如权利要求1所述的方法,其特征在于,获取所述RGB图像中的各亮度值,包括:
根据图像总体亮度值确定当前是否为黑夜;
若是,则对暗色以及亮色物体进行分别检测,并获取对应的亮度值。
3.如权利要求1所述的方法,其特征在于,根据获取到的各亮度值,确定图像中物体的外接矩形轮廓,包括:
基于所述HSV模型,确定所述图像的整体的色调值;
根据所述色调值,确定图像中所有物体的数量;
确定各个物体对应的外接矩形轮廓。
4.一种机场跑道外来物检测系统,其特征在于,所述系统包括:
获取模块,用于获取通过图像采集装置采集的RGB图像;
分析模块,用于将所述RGB图像转换为HSV颜色模型,并获取所述RGB图像中的各亮度值;根据获取到的各亮度值,确定图像中物体的外接矩形轮廓;根据反光度以及颜色深度去除非外来物体,将剩余外接矩形轮廓对应的物体确定为外来物;
所述分析模块,具体用于确定筛除常规存在的矩形轮廓筛选阈值;根据所述矩形轮廓筛选阈值,将常规存在物从所有外接矩形轮廓中筛除,并将剩余外接矩形轮廓确定对为外来物。
5.如权利要求4所述的系统,其特征在于,所述分析模块,具体用于根据图像总体亮度值确定当前是否为黑夜;若是,则对暗色以及亮色物体进行分别检测,并获取对应的亮度值。
6.如权利要求4所述的系统,其特征在于,所述分析模块,具体用于基于所述HSV模型,确定所述图像的整体的色调值;根据所述色调值,确定图像中所有物体的数量;确定各个物体对应的外接矩形轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811241789.4A CN109409282B (zh) | 2018-10-24 | 2018-10-24 | 一种机场跑道外来物检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811241789.4A CN109409282B (zh) | 2018-10-24 | 2018-10-24 | 一种机场跑道外来物检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109409282A CN109409282A (zh) | 2019-03-01 |
CN109409282B true CN109409282B (zh) | 2022-07-08 |
Family
ID=65469501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811241789.4A Active CN109409282B (zh) | 2018-10-24 | 2018-10-24 | 一种机场跑道外来物检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109409282B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110082620B (zh) * | 2019-05-05 | 2021-09-24 | 北京云迹科技有限公司 | 一种充电桩工作状态检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104816697A (zh) * | 2014-02-05 | 2015-08-05 | 丰田自动车株式会社 | 防碰撞控制装置 |
JP2016090476A (ja) * | 2014-11-07 | 2016-05-23 | 住友電気工業株式会社 | 異物検出方法 |
CN207091986U (zh) * | 2017-06-15 | 2018-03-13 | 上海工程技术大学 | 一种机场跑道异物检测及清理系统 |
CN108364287A (zh) * | 2018-02-11 | 2018-08-03 | 北京简易科技有限公司 | 一种异物监测方法、装置及冲压系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4172761B2 (ja) * | 2002-10-08 | 2008-10-29 | 大日本スクリーン製造株式会社 | 欠陥検査装置、欠陥検査方法およびプログラム |
BRPI0817039A2 (pt) * | 2007-08-24 | 2015-07-21 | Stratech Systems Ltd | Sistema e método de vigilância de pista de pouso e decolagem |
KR101533905B1 (ko) * | 2011-02-21 | 2015-07-03 | 스트라테크 시스템즈 리미티드 | 비행장 내의 이물질, 파편 또는 손상 검출 감시 시스템 및 방법 |
CN105160362B (zh) * | 2015-10-22 | 2018-10-09 | 中国民用航空总局第二研究所 | 一种跑道fod图像探测方法及装置 |
CN105931217A (zh) * | 2016-04-05 | 2016-09-07 | 李红伟 | 一种基于图像处理技术的机场道面fod异物检测方法 |
CN106845346A (zh) * | 2016-12-16 | 2017-06-13 | 北京无线电计量测试研究所 | 一种用于机场跑道异物检测的图像检测方法 |
CN107563525A (zh) * | 2017-08-28 | 2018-01-09 | 中国民用航空总局第二研究所 | 一种机场跑道自动巡检系统及巡检方法 |
-
2018
- 2018-10-24 CN CN201811241789.4A patent/CN109409282B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104816697A (zh) * | 2014-02-05 | 2015-08-05 | 丰田自动车株式会社 | 防碰撞控制装置 |
JP2016090476A (ja) * | 2014-11-07 | 2016-05-23 | 住友電気工業株式会社 | 異物検出方法 |
CN207091986U (zh) * | 2017-06-15 | 2018-03-13 | 上海工程技术大学 | 一种机场跑道异物检测及清理系统 |
CN108364287A (zh) * | 2018-02-11 | 2018-08-03 | 北京简易科技有限公司 | 一种异物监测方法、装置及冲压系统 |
Non-Patent Citations (2)
Title |
---|
Haoyu Xu 等.Foreign object debris material recognition based on convolutional neural networks.《EURASIP Journal on Image and Video Processing》.2018, * |
王慧科.基于机器视觉的机场跑道异物检测技术研究.《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》.2016,(第02期), * |
Also Published As
Publication number | Publication date |
---|---|
CN109409282A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113592882B (zh) | 一种基于无人机多源遥感的树冠提取方法 | |
KR20200031860A (ko) | 안전점검 기준표와 분류별 결함 데이터를 활용한 풍력 발전기 블레이드 안전 관리 시스템 및 방법 | |
CN106156467B (zh) | 基于adsb的飞机上下轮档时间检测方法及系统 | |
CN110910341A (zh) | 一种输电线路锈蚀区缺陷检测方法及装置 | |
CN107784634A (zh) | 一种基于模板匹配的输电线杆塔鸟巢识别方法 | |
CN111898444A (zh) | 一种基于图像识别的飞机起落架状态判定方法 | |
CN109409282B (zh) | 一种机场跑道外来物检测方法及系统 | |
US20160037133A1 (en) | Real-time management of data relative to an aircraft's flight test | |
CN104407346A (zh) | 一种基于信息融合的移动式跑道异物监测方法 | |
CN111860277A (zh) | 基于颜色直方图特征的民航飞机空速管套安全警示方法 | |
CN114441452B (zh) | 一种光纤尾纤检测方法 | |
EP3276131A1 (en) | Systems and methods for indexing and detecting components | |
CN108225735B (zh) | 一种基于视觉的精密进近指示器飞行校验方法 | |
CN111524324A (zh) | Fod报警级别判定方法、电子设备及存储介质 | |
Jovančević et al. | Airplane tire inspection by image processing techniques | |
CN107133958B (zh) | 基于块粒度预判平衡直方图的光学遥感船舶切片分割方法 | |
Samdangdech et al. | Log-end cut-area detection in images taken from rear end of eucalyptus timber trucks | |
WO2018078582A1 (en) | Method for distinguishing fresh meat from meat subjected to freezing by means of analysis of images of muscle tissue and corresponding system arranged to execute said method | |
JP3500425B2 (ja) | 可視画像式路面状況把握装置における路面状況判定方法 | |
CN108021868A (zh) | 一种快速高可靠的圆形目标检测识别方法 | |
CN109886132B (zh) | 一种云海背景飞机目标检测方法、装置及系统 | |
CN111931721B (zh) | 年检标签颜色和个数的检测方法、装置及电子设备 | |
CN115761257A (zh) | 基于计算机视觉技术的零部件角度检测方法及装置 | |
CN112241691B (zh) | 基于无人机巡检与图像特征的渠道冰情智能识别方法 | |
Suder et al. | Intelligent vision system for quality classification of airport lamp prisms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |