CN109709622A - 一种机场跑道fod异物检测方法 - Google Patents
一种机场跑道fod异物检测方法 Download PDFInfo
- Publication number
- CN109709622A CN109709622A CN201711015466.9A CN201711015466A CN109709622A CN 109709622 A CN109709622 A CN 109709622A CN 201711015466 A CN201711015466 A CN 201711015466A CN 109709622 A CN109709622 A CN 109709622A
- Authority
- CN
- China
- Prior art keywords
- image
- fod
- foreign matter
- airfield runway
- detecting method
- 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.)
- Pending
Links
Abstract
本发明涉及异物检测技术领域,特别涉及一种机场跑道FOD异物检测方法;本发明机场跑道FOD异物检测方法由图像质量评价、图像质量矫正增强、物体识别三个步骤组成;该技术方案引入了跑道图像质量评价及增强手段,通过对该跑道图像的特征进行分析,对图像的质量进行评价;针对不同质量的图片使用相应的图像增强技术进行增强,最终对图像进行物体识别分析,实现跑道FOD异物的检测;该方案可以有效地提升因为机场跑道光照过于强烈或昏暗以及雨雪雾天气导致的曝光过度、曝光不足或模糊图像的FOD异物识别正确率。
Description
技术领域
本发明涉及异物检测技术领域,特别涉及一种机场跑道FOD异物检测方法。
背景技术
FOD(Foreign Object Debris)泛指可能损伤航空器或系统的某种外来的物质,常称为跑道异物。FOD的种类相当多,如飞机和发动机连接件(螺帽、螺钉、垫圈、保险丝等)、机械工具、飞行物品(钉子、私人证件、钢笔、铅笔等)、野生动物、树叶、石头和沙子、道面材料、木块、塑料或聚乙烯材料、纸制品、运行区的冰碴等等。
FOD的危害非常严重,实验和案例都表明,机场道面上的外来物可以很容易被吸入到发动机,导致发动机失效。碎片也会堆积在机械装置中,影响起落架、襟翼等设备的正常运行。目前,全球绝大多数机场的FOD监测仍然是靠人工完成的,这种方法不但可靠性差、效率低,而且占用了宝贵的跑道使用时间。
例如,2000年7月25日法航协和飞机因FOD失事,造成机上109人、地面4人,共113人遇难。法国空难事故调查局认定,该次空难是由机场跑道上一块43厘米长的金属薄片割破飞机左侧主起落架的右前轮,致使该轮胎爆裂,轮胎爆裂产生的碎片击中了一个或多个油箱,使得飞机左机翼起火并坠毁。后经鉴定,此金属碎片为上一个航班——美国大陆航空公司所属的一架DC10飞机上掉下来的。这场因FOD引发的空难将FOD自动监测系统的研究提上了日程。目前世界上较为典型的FOD检测系统有4个,它们分别是英国开发的Tarsier系统、以色列开发的FODetect系统、新加坡开发的iFerret系统和美国开发的FOD Finder系统。这几套系统都由国外厂商开发,由于使用了专用的硬件设备,售价昂贵且没有对中国机场及中国民航标准进行优化定制,难以适应国内的应用环境。
随着近年来图形图像技术,特别是计算机视觉技术的发展,使将图像识别技术应用到跑道FOD异物识别中成为可能。基于视频图像的FOD检测系统,可以摆脱专用设备的依赖,在有效降低成本的同时提高设备的灵活性。在将图像识别技术应用到FOD异物识别的过程中,由于机场跑道环境,包括光照、特殊气象如雨雪雾等条件的限制,计算机获取到的图像质量参差不齐,容易导致识别率的降低。例如,在阳光猛烈的时候容易造成图片曝光过量,而黄昏及黑夜又容易造成曝光不足,这些因素都会降低图片的质量,影响识别的效果。
发明内容
本发明针对上述技术问题,本发明提供了一种机场跑道FOD异物检测方法,该方法通过对输入图像的评价及增强处理,可以有效提高基于视频图像的FOD异物识别,特别是在弱光照、特殊气象条件下的识别正确率。
一种机场跑道FOD异物检测方法,其中,所述检测方法包括有:
步骤S1、通过图像采集装置将采集机场跑道的FOD图像发送至图像质量评价模块,所述图像质量评价模块对所述FOD图像进行质量评价;
步骤S2、将质量评价后的FOD图像输送至图像质量矫正模块中,通过图像质量矫正模块对FOD图像进行亮度矫正或去模糊滤波处理;
步骤S3、将图像质量矫正模块处理后的FOD图像输送至FOD物体识别模块中,通过FOD物体识别模块对FOD图像依次进行边缘检测、背景抽取、时分滤波技术处理。
作为优选,上述的机场跑道FOD异物检测方法,其中,所述图像质量评价模块中,使用计算机软件算法通过频域柱状图、结构相识度分析、峰值信噪比方法对该FOD图像进行质量评价。
作为优选,上述的机场跑道FOD异物检测方法,其中,所述图像质量评价模块对所述FOD图像进行质量评价结果包括有正常图像、曝光过度/不足图像或模糊/雾化图像。
作为优选,上述的机场跑道FOD异物检测方法,其中,所述时分滤波技术用于判断FOD图像对应的FOD物体状态为静止或移动。
上述技术方案具有如下优点或有益效果:
本发明机场跑道FOD异物检测方法由图像质量评价、图像质量矫正增强、物体识别三个步骤组成;该技术方案引入了跑道图像质量评价及增强手段,通过对该跑道图像的特征进行分析,对图像的质量进行评价;针对不同质量的图片使用相应的图像增强技术进行增强,最终对图像进行物体识别分析,实现跑道FOD异物的检测;该方案可以有效地提升因为机场跑道光照过于强烈或昏暗以及雨雪雾天气导致的曝光过度、曝光不足或模糊图像的FOD异物识别正确率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明及其特征、外形和优点将会变得更加明显。在全部附图中相同的标记指示相同的部分。并未可以按照比例绘制附图,重点在于示出本发明的主旨。
图1是本发明技术方案中机场跑道FOD异物检测方法的流程示意图。
具体实施方式
下面结合附图和具体的实施例对本发明作进一步的说明,但是不作为本发明的限定。
如图1所示,本发明的目的是为了克服现有机场跑道FOD系统的不足,提供一种基于视屏图像的,由图像质量评价、图像质量矫正增强、物体识别三个部分组成的机场跑道FOD检测方法,可以在白天黑夜及各种复杂气象条件下对机场跑道道面进行检测,检测发现道面上的FOD异物目标。具体,本发明机场跑道FOD异物检测方法包括:
步骤S1、通过图像采集装置将采集机场跑道的FOD图像发送至图像质量评价模块,图像质量评价模块对FOD图像进行质量评价;
步骤S2、将质量评价后的FOD图像输送至图像质量矫正模块中,通过图像质量矫正模块对FOD图像进行亮度矫正或去模糊滤波处理;
步骤S3、将图像质量矫正模块处理后的FOD图像输送至FOD物体识别模块中,通过FOD物体识别模块对FOD图像依次进行边缘检测、背景抽取、时分滤波技术处理。
在计算机收到前端图像采集装置送来的机场跑道图像之后,先对其进行图像的质量检测评价分析。在图像质量检测评价分析阶段,使用计算机软件算法通过频域柱状图、结构相识度分析、峰值信噪比三种方法对该FOD图像的质量进行评价。
进一步的,图像质量评价模块对FOD图像进行质量评价结果被分类为正常图像、曝光过度/不足图像、模糊/雾化图像及受噪声干扰图像等等。质量评估完成后,针对不同的图像分类,使用计算机软件算法分别采用亮度矫正、去模糊滤波对不同类型的图像进行矫正增强处理,例如针对曝光过度/不足图像进行亮度矫正处理,针对模糊/雾化图像进行去模糊滤波处理。
进一步方案中,对图像质量矫正模块处理后的FOD图像输,FOD物体识别模块将先运用边缘检测技术及背景抽取技术,完成对FOD异物的识别。最后运用时分滤波技术以判别该FOD物体是移动还是静止并将识别结果输出给用户,完成FOD异物的检测与识别。
本发明技术方案先通过图像质量评价技术,实现了对输入图像的有效评价,然后根据评价的结果有针对性地运用图像增强算法增强图像,最后对增强后的图像实施识别;通过这三个步骤有效的结合,可以有效地提升因为机场跑道光照过于强烈或昏暗以及雨雪雾天气导致的曝光过度、曝光不足或模糊图像的FOD异物识别正确率。
以上对本发明的较佳实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案作出许多可能的变动和修饰,或修改为等同变化的等效实施例,这并不影响本发明的实质内容。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (4)
1.一种机场跑道FOD异物检测方法,其特征在于,所述检测方法包括有:
步骤S1、通过图像采集装置将采集机场跑道的FOD图像发送至图像质量评价模块,所述图像质量评价模块对所述FOD图像进行质量评价;
步骤S2、将质量评价后的FOD图像输送至图像质量矫正模块中,通过图像质量矫正模块对FOD图像进行亮度矫正或去模糊滤波处理;
步骤S3、将图像质量矫正模块处理后的FOD图像输送至FOD物体识别模块中,通过FOD物体识别模块对FOD图像依次进行边缘检测、背景抽取、时分滤波技术处理。
2.根据权利要求1所述的机场跑道FOD异物检测方法,其特征在于,所述图像质量评价模块中,使用计算机软件算法通过频域柱状图、结构相识度分析、峰值信噪比方法对该FOD图像进行质量评价。
3.根据权利要求1所述的机场跑道FOD异物检测方法,其特征在于,所述图像质量评价模块对所述FOD图像进行质量评价结果包括有正常图像、曝光过度/不足图像或模糊/雾化图像。
4.根据权利要求1所述的机场跑道FOD异物检测方法,其特征在于,所述时分滤波技术用于判断FOD图像对应的FOD物体状态为静止或移动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711015466.9A CN109709622A (zh) | 2017-10-26 | 2017-10-26 | 一种机场跑道fod异物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711015466.9A CN109709622A (zh) | 2017-10-26 | 2017-10-26 | 一种机场跑道fod异物检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109709622A true CN109709622A (zh) | 2019-05-03 |
Family
ID=66253205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711015466.9A Pending CN109709622A (zh) | 2017-10-26 | 2017-10-26 | 一种机场跑道fod异物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109709622A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127835A (zh) * | 2007-09-27 | 2008-02-20 | 中兴通讯股份有限公司 | 一种提高数字摄像设备视频图像质量的前处理方法和装置 |
CN102778701A (zh) * | 2011-05-12 | 2012-11-14 | 颜国顺 | 一种机场跑道外来物检测系统 |
CN103018785A (zh) * | 2011-09-21 | 2013-04-03 | 沈阳理工大学 | 一种机场跑道异物检查系统 |
CN103729830A (zh) * | 2013-12-31 | 2014-04-16 | 北京交通大学 | 一种机场跑道雷达图像背景抑制算法 |
-
2017
- 2017-10-26 CN CN201711015466.9A patent/CN109709622A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127835A (zh) * | 2007-09-27 | 2008-02-20 | 中兴通讯股份有限公司 | 一种提高数字摄像设备视频图像质量的前处理方法和装置 |
CN102778701A (zh) * | 2011-05-12 | 2012-11-14 | 颜国顺 | 一种机场跑道外来物检测系统 |
CN103018785A (zh) * | 2011-09-21 | 2013-04-03 | 沈阳理工大学 | 一种机场跑道异物检查系统 |
CN103729830A (zh) * | 2013-12-31 | 2014-04-16 | 北京交通大学 | 一种机场跑道雷达图像背景抑制算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khalil | Car plate recognition using the template matching method | |
CN109871799B (zh) | 一种基于深度学习的驾驶员玩手机行为的检测方法 | |
CN103235938B (zh) | 车牌检测与识别的方法及系统 | |
EP3336764A1 (en) | Vehicle monitoring method and apparatus, processor, and image acquisition device | |
CN203299402U (zh) | 一种用于机场跑道的异物检测系统 | |
US20140294291A1 (en) | Image Sign Classifier | |
CN105335710A (zh) | 一种基于多级分类器的精细车辆型号识别方法 | |
Liu et al. | A vehicle-logo location approach based on edge detection and projection | |
CN107145884A (zh) | 煤矸石近红外图像识别技术 | |
CN103390167A (zh) | 一种多特征的分层交通标志识别方法 | |
Qunyu et al. | Video-based foreign object debris detection | |
CN111126447A (zh) | 一种智能旅客安检行李图像自动识别方法 | |
CN103914682A (zh) | 一种车牌识别方法及系统 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
CN102521587B (zh) | 一种车牌定位方法 | |
CN104168462B (zh) | 基于图像角点集特征的摄像头场景变换检测方法 | |
Premachandra et al. | Image based automatic road surface crack detection for achieving smooth driving on deformed roads | |
CN103049788A (zh) | 基于计算机视觉的待过行人数目的检测系统及方法 | |
CN109709622A (zh) | 一种机场跑道fod异物检测方法 | |
CN105469099B (zh) | 基于稀疏表示分类的路面裂缝检测和识别方法 | |
Helala et al. | Road boundary detection in challenging scenarios | |
CN105208345B (zh) | 基于无人机的输电设备辨认方法 | |
Wen et al. | A rear-vehicle detection system for static images based on monocular vision | |
Xiong et al. | Automatic recognition of airfield runways based on Radon transform and hypothesis testing in SAR images | |
CN103955704A (zh) | 一种基于Adaboost的安全带检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |