CN110796660A - 用于机场跑道的图像清晰度评价方法 - Google Patents

用于机场跑道的图像清晰度评价方法 Download PDF

Info

Publication number
CN110796660A
CN110796660A CN202010007377.5A CN202010007377A CN110796660A CN 110796660 A CN110796660 A CN 110796660A CN 202010007377 A CN202010007377 A CN 202010007377A CN 110796660 A CN110796660 A CN 110796660A
Authority
CN
China
Prior art keywords
image
runway
corrected
evaluation method
pan
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
CN202010007377.5A
Other languages
English (en)
Other versions
CN110796660B (zh
Inventor
冉欢欢
蒙顺开
刘昕烨
李博
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.)
Sichuan Desheng Xinda brain intelligence technology Co.,Ltd.
Original Assignee
Chengdu Kerui Ai Technology Co Ltd
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 Chengdu Kerui Ai Technology Co Ltd filed Critical Chengdu Kerui Ai Technology Co Ltd
Priority to CN202010007377.5A priority Critical patent/CN110796660B/zh
Publication of CN110796660A publication Critical patent/CN110796660A/zh
Application granted granted Critical
Publication of CN110796660B publication Critical patent/CN110796660B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种用于机场跑道的图像清晰度评价方法，包括：获取云台摄像机当前采集的跑道图像；获取云台摄像机当前的方位俯仰角；利用云台摄像机当前的方位俯仰角对跑道图像进行形变校正，使跑道图像投影到与光轴垂直的平面上；计算校正后的跑道图像的全局清晰度。本发明利用云台摄像机的方位角对采集的跑道图像在清晰度函数中的权值映射的方法，使得机场跑道平面的清晰度判断不受物距变化的影响，提高了清晰度判断的准确性。

Description

用于机场跑道的图像清晰度评价方法
技术领域
本发明属于机场异物检测领域，特别是涉及一种用于机场跑道的图像清晰度评价方法。
背景技术
机场异物探测系统（FOD）通常采用云台摄像机对机场跑道进行监控。由于现有的图像清晰度评价模型主要针对与摄像机成像平面平行的目标场景的图像清晰度判断，因此，将现有的图像清晰度评价模型用于机场跑道的成像清晰度判断时存在准确度不高的问题。此外，由于机场跑道上经常有飞机起落，现有的清晰度评价方法也容易受到干扰。
发明内容
本发明的目的在于克服现有技术的不足，提供一种用于机场跑道的图像清晰度评价方法，利用云台摄像机的角度对跑道图像的每个点的位置进行校正，提高清晰度判断的准确度。
本发明的目的是通过以下技术方案来实现的：用于机场跑道的图像清晰度评价方法，包括：
获取云台摄像机当前采集的跑道图像；
获取云台摄像机当前的方位俯仰角；
利用云台摄像机当前的方位俯仰角对跑道图像进行形变校正，使跑道图像投影到与光轴垂直的平面上；
计算校正后的跑道图像的全局清晰度。
优选的，用于机场跑道的图像清晰度评价方法，在计算校正后的跑道图像的全局清晰度前还包括：
分别计算校正后的跑道图像中各点的单点图像清晰度。
优选的，用于机场跑道的图像清晰度评价方法，在计算校正后的跑道图像的全局清晰度前还包括：
检测校正后的跑道图像中的运动区域。
优选的，对跑道图像进行形变校正包括：
计算跑道图像梯形形变的变化因子
Figure 333920DEST_PATH_IMAGE001
，变化因子
Figure 985481DEST_PATH_IMAGE001
的计算公式为：
Figure DEST_PATH_IMAGE002
其中，为云台摄像机的俯仰角，
Figure DEST_PATH_IMAGE004
为云台摄像机俯仰方向的视场角；
计算校正后的跑道图像中各点的坐标：对于校正后的跑道图像中任意一点
Figure 81799DEST_PATH_IMAGE005
，其与校正前跑道图像中的坐标点
Figure DEST_PATH_IMAGE006
存在以下关系：
Figure 365013DEST_PATH_IMAGE007
其中，
Figure DEST_PATH_IMAGE008
为跑道图像
Figure 640005DEST_PATH_IMAGE009
方向的分辨率，
Figure DEST_PATH_IMAGE010
为跑道图像
Figure 375880DEST_PATH_IMAGE011
方向的分辨率。
优选的，跑道图像中各点的单点图像清晰度的计算公式为：
Figure DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
为单点图像清晰度。
优选的，检测校正后的跑道图像中的运动区域包括：
通过图像帧间差分方法检测出校正后的跑道图像中的运动区域
Figure DEST_PATH_IMAGE014
，运动区域的计算公式为：
Figure 899451DEST_PATH_IMAGE015
其中，为当前帧图像，
Figure 361656DEST_PATH_IMAGE017
为前一帧图像，为动目标分隔阈值。
优选的，检测校正后的跑道图像中的运动区域还包括：对运动区域
Figure 584827DEST_PATH_IMAGE019
进行形态学滤波。
优选的，校正后的跑道图像的全局清晰度的计算公式为：
其中，
Figure 790681DEST_PATH_IMAGE021
为校正后的跑道图像的全局清晰度度量值。
本发明的有益效果是：
（1）本发明利用云台摄像机的方位角对采集的跑道图像在清晰度函数中的权值映射的方法，使得机场跑道平面的清晰度判断不受物距变化的影响，提高了清晰度判断的准确性；
（2）本发明采用基于图像局部特征与全局特征融合的清晰度判断方法，具有良好的适应性和稳定性；
（3）本发明采用运动目标检测算法将运动目标的干扰区域去除，降低了跑道上起降的飞机对图像清晰度计算的干扰。
附图说明
图1为用于机场跑道的图像清晰度评价方法的一种流程示意图。
具体实施方式
下面将结合实施例，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
参阅图1，本发明提供一种用于机场跑道的图像清晰度评价方法：
用于机场跑道的图像清晰度评价方法，包括：
S1. 获取云台摄像机当前采集的跑道图像。
S2.获取云台摄像机当前的方位俯仰角。
S3.利用云台摄像机当前的方位俯仰角对跑道图像进行形变校正，使跑道图像投影到与光轴垂直的平面上。
通过对跑道图像进行校正，消除了因摄像机位置与跑道平面直角不垂直导致成像画面出现形变的问题，提高了机场跑道的清晰度评价的准确性。
云台摄像机采集的图像的形变主要表现为梯形形变，对跑道图像进行形变校正包括：
S31.计算跑道图像梯形形变的变化因子
Figure DEST_PATH_IMAGE022
，变化因子
Figure 766596DEST_PATH_IMAGE022
的计算公式为：
Figure 930861DEST_PATH_IMAGE023
其中，
Figure DEST_PATH_IMAGE024
为云台摄像机的俯仰角，
Figure 375749DEST_PATH_IMAGE025
为云台摄像机俯仰方向的视场角；
S32.计算校正后的跑道图像中各点的坐标：对于校正后的跑道图像中任意一点，其与校正前跑道图像中的坐标点
Figure 368981DEST_PATH_IMAGE027
存在以下关系：
Figure DEST_PATH_IMAGE028
其中，
Figure 481294DEST_PATH_IMAGE029
为跑道图像
Figure DEST_PATH_IMAGE030
方向的分辨率，
Figure 472252DEST_PATH_IMAGE031
为跑道图像
Figure DEST_PATH_IMAGE032
方向的分辨率。
S4.分别计算校正后的跑道图像中各点的单点图像清晰度。
跑道图像中各点的单点图像清晰度的计算公式为：
Figure 670016DEST_PATH_IMAGE033
其中，
Figure DEST_PATH_IMAGE034
为单点图像清晰度。
S5.检测校正后的跑道图像中的运动区域。
通过检测跑道图像中的运动区域，将运动目标的干扰区域去除，可消除机场跑道上飞机起落给图像清晰度计算带来的干扰。
检测校正后的跑道图像中的运动区域包括：
通过图像帧间差分方法检测出校正后的跑道图像中的运动区域
Figure 217672DEST_PATH_IMAGE035
，运动区域
Figure 184491DEST_PATH_IMAGE035
的计算公式为：
Figure DEST_PATH_IMAGE036
其中，
Figure DEST_PATH_IMAGE037
为当前帧图像，为前一帧图像，
Figure 143088DEST_PATH_IMAGE039
为动目标分隔阈值。
运动区域
Figure DEST_PATH_IMAGE040
存在大量的噪声点干扰，为了进一步减少运动区域
Figure 562568DEST_PATH_IMAGE040
中的干扰点，可对运动区域
Figure 179494DEST_PATH_IMAGE040
进行形态学滤波。
在一些实施例，先检测校正后的跑道图像中的运动区域，再分别计算校正后的跑道图像中各点的单点图像清晰度。在一些实施例中，检测校正后的跑道图像中的运动区域和分别计算校正后的跑道图像中各点的单点图像清晰度同时进行。
S6.计算校正后的跑道图像的全局清晰度。
校正后的跑道图像的全局清晰度的计算公式为：
Figure 820DEST_PATH_IMAGE041
其中，
Figure DEST_PATH_IMAGE042
为校正后的跑道图像的全局清晰度度量值。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (8)

1.用于机场跑道的图像清晰度评价方法，其特征在于，包括：
获取云台摄像机当前采集的跑道图像；
获取云台摄像机当前的方位俯仰角；
利用云台摄像机当前的方位俯仰角对跑道图像进行形变校正，使跑道图像投影到与光轴垂直的平面上；
计算校正后的跑道图像的全局清晰度。
2.根据权利要求1所述的用于机场跑道的图像清晰度评价方法，其特征在于，用于机场跑道的图像清晰度评价方法，在计算校正后的跑道图像的全局清晰度前还包括：
分别计算校正后的跑道图像中各点的单点图像清晰度。
3.根据权利要求2所述的用于机场跑道的图像清晰度评价方法，其特征在于，用于机场跑道的图像清晰度评价方法，在计算校正后的跑道图像的全局清晰度前还包括：
检测校正后的跑道图像中的运动区域。
4.根据权利要求3所述的用于机场跑道的图像清晰度评价方法，其特征在于，对跑道图像进行形变校正包括：
计算跑道图像梯形形变的变化因子
Figure DEST_PATH_IMAGE001
，变化因子
Figure 824764DEST_PATH_IMAGE001
的计算公式为：
Figure 460014DEST_PATH_IMAGE002
其中，为云台摄像机的俯仰角，
Figure DEST_PATH_IMAGE005
为云台摄像机俯仰方向的视场角；
计算校正后的跑道图像中各点的坐标：对于校正后的跑道图像中任意一点
Figure 177434DEST_PATH_IMAGE006
，其与校正前跑道图像中的坐标点
Figure DEST_PATH_IMAGE007
存在以下关系：
Figure 41485DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
为跑道图像
Figure DEST_PATH_IMAGE011
方向的分辨率，
Figure 42808DEST_PATH_IMAGE012
为跑道图像
Figure 68533DEST_PATH_IMAGE014
方向的分辨率。
5.根据权利要求4所述的用于机场跑道的图像清晰度评价方法，其特征在于，跑道图像中各点的单点图像清晰度的计算公式为：
其中，
Figure 69987DEST_PATH_IMAGE016
为单点图像清晰度。
6.根据权利要求5所述的用于机场跑道的图像清晰度评价方法，其特征在于，检测校正后的跑道图像中的运动区域包括：
通过图像帧间差分方法检测出校正后的跑道图像中的运动区域
Figure DEST_PATH_IMAGE017
，运动区域
Figure 190259DEST_PATH_IMAGE017
的计算公式为：
Figure 124716DEST_PATH_IMAGE018
其中，
Figure DEST_PATH_IMAGE019
为当前帧图像，
Figure 586922DEST_PATH_IMAGE020
为前一帧图像，为动目标分隔阈值。
7.根据权利要求6所述的用于机场跑道的图像清晰度评价方法，其特征在于，检测校正后的跑道图像中的运动区域还包括：对运动区域进行形态学滤波。
8.根据权利要求6所述的用于机场跑道的图像清晰度评价方法，其特征在于，校正后的跑道图像的全局清晰度的计算公式为：
Figure DEST_PATH_IMAGE023
其中，
Figure DEST_PATH_IMAGE025
为校正后的跑道图像的全局清晰度度量值。
CN202010007377.5A 2020-01-04 2020-01-04 用于机场跑道的图像清晰度评价方法 Active CN110796660B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010007377.5A CN110796660B (zh) 2020-01-04 2020-01-04 用于机场跑道的图像清晰度评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010007377.5A CN110796660B (zh) 2020-01-04 2020-01-04 用于机场跑道的图像清晰度评价方法

Publications (2)

Publication Number Publication Date
CN110796660A true CN110796660A (zh) 2020-02-14
CN110796660B CN110796660B (zh) 2020-04-07

Family

ID=69448490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010007377.5A Active CN110796660B (zh) 2020-01-04 2020-01-04 用于机场跑道的图像清晰度评价方法

Country Status (1)

Country Link
CN (1) CN110796660B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111210384A (zh) * 2020-04-23 2020-05-29 成都科睿埃科技有限公司 一种适用于机场跑道场景的图像拼接方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5852613A (ja) * 1981-09-24 1983-03-28 Ricoh Co Ltd 光走査光学系
US20100315601A1 (en) * 2009-06-11 2010-12-16 Seiko Epson Corporation Projector and trapezoidal distortion correcting method
CN103561224A (zh) * 2013-10-23 2014-02-05 上海明泰照明电器有限公司 激光倾斜投影图像的校正方法
CN104006790A (zh) * 2013-02-21 2014-08-27 成都海存艾匹科技有限公司 基于视觉的飞机降落辅助装置
CN104077586A (zh) * 2014-06-20 2014-10-01 深圳百佳安生物识别技术有限公司 光学指纹传感器的实时梯形失真校正方法及其系统
CN105261013A (zh) * 2015-09-25 2016-01-20 孙高磊 一种扫描图像质量综合评价方法及评价系统
CN106204565A (zh) * 2016-07-05 2016-12-07 董超超 一种通过斑块特征配准的图像清晰度检测装置
CN108038822A (zh) * 2017-11-23 2018-05-15 极翼机器人(上海)有限公司 一种手机云台全景照片拼接方法
CN108830811A (zh) * 2018-06-12 2018-11-16 西安微电子技术研究所 一种飞行参数与相机内参相结合的航空影像实时校正方法
CN108957918A (zh) * 2018-08-08 2018-12-07 屏丽科技成都有限责任公司 一种基于反射器件和镜头的梯形矫正投影装置及方法
CN110163174A (zh) * 2019-05-27 2019-08-23 成都科睿埃科技有限公司 一种基于单目摄像头的活体人脸检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5852613A (ja) * 1981-09-24 1983-03-28 Ricoh Co Ltd 光走査光学系
US20100315601A1 (en) * 2009-06-11 2010-12-16 Seiko Epson Corporation Projector and trapezoidal distortion correcting method
CN104006790A (zh) * 2013-02-21 2014-08-27 成都海存艾匹科技有限公司 基于视觉的飞机降落辅助装置
CN103561224A (zh) * 2013-10-23 2014-02-05 上海明泰照明电器有限公司 激光倾斜投影图像的校正方法
CN104077586A (zh) * 2014-06-20 2014-10-01 深圳百佳安生物识别技术有限公司 光学指纹传感器的实时梯形失真校正方法及其系统
CN105261013A (zh) * 2015-09-25 2016-01-20 孙高磊 一种扫描图像质量综合评价方法及评价系统
CN106204565A (zh) * 2016-07-05 2016-12-07 董超超 一种通过斑块特征配准的图像清晰度检测装置
CN108038822A (zh) * 2017-11-23 2018-05-15 极翼机器人(上海)有限公司 一种手机云台全景照片拼接方法
CN108830811A (zh) * 2018-06-12 2018-11-16 西安微电子技术研究所 一种飞行参数与相机内参相结合的航空影像实时校正方法
CN108957918A (zh) * 2018-08-08 2018-12-07 屏丽科技成都有限责任公司 一种基于反射器件和镜头的梯形矫正投影装置及方法
CN110163174A (zh) * 2019-05-27 2019-08-23 成都科睿埃科技有限公司 一种基于单目摄像头的活体人脸检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
KONG, QINGSHAN 等: "Fast range estimation based onactive range-gated imaging for coastal surveillance", 《OPTOELECTRONIC IMAGING AND MULTIMEDIA TECHNOLOGY II》 *
LEI CHEN 等: "IMPROVED METHOD FOR REAL-TIME IMAGE CORRECTION BASED ON THE CONTROL POINT", 《COMPUTER, COMMUNICATIONS AND MECHATRONICS ENGINEERING》 *
冉欢欢，黄自力: "融合摄像机位姿信息的模板匹配跟踪算法", 《计算机应用》 *
谭琦，米向飞: "一种基于前端设备的监控视频清晰度评价方法", 《天津市电视技术研究会2015年年会论文集》 *
靳海涛，刘争芳: "一种机动车号牌图像几何矫正快速算法", 《第八届中国智能交通年会优秀论文集——智能交通与安全》 *
黄钰雯: "基于无人机视觉的光伏电池板图像的预处理和矫正", 《内江科技》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111210384A (zh) * 2020-04-23 2020-05-29 成都科睿埃科技有限公司 一种适用于机场跑道场景的图像拼接方法
CN111210384B (zh) * 2020-04-23 2020-07-14 成都科睿埃科技有限公司 一种适用于机场跑道场景的图像拼接方法

Also Published As

Publication number Publication date
CN110796660B (zh) 2020-04-07

Similar Documents

Publication Publication Date Title
CN109060281B (zh) 基于无人机的一体化桥梁检测系统
CN111368706B (zh) 基于毫米波雷达和机器视觉的数据融合动态车辆检测方法
WO2017080102A1 (zh) 飞行装置、飞行控制系统及方法
CN110441791B (zh) 一种基于前倾2d激光雷达的地面障碍物检测方法
CN109086650B (zh) 校准方法和校准设备
WO2017080108A1 (zh) 飞行装置、飞行控制系统及方法
CN102622767B (zh) 双目非标定空间定位方法
US20110013016A1 (en) Visual Detection of Clear Air Turbulence
CN110796728A (zh) 一种基于扫描式激光雷达的非合作航天器三维重建方法
CN111144213B (zh) 一种对象检测方法和相关设备
JPH10512694A (ja) 連続画像内での物体の移動を検知する方法及び装置
CN112348775B (zh) 基于车载环视的路面坑塘检测系统及方法
CN110796660B (zh) 用于机场跑道的图像清晰度评价方法
CN111707668A (zh) 基于序列图像的隧道检测及图像处理方法
CN114719873B (zh) 一种低成本精细地图自动生成方法、装置及可读介质
CN108416798A (zh) 一种基于光流的车辆距离估计方法
WO2012134237A2 (ko) 촬영화상의 카메라 자세 추정 시스템 및 방법
CN115717867A (zh) 一种基于机载双相机和目标追踪的桥梁变形测量方法
CN112509054A (zh) 一种相机外参动态标定方法
CN111754550B (zh) 一种农机运动状态下动态障碍物检测方法及装置
KR102658268B1 (ko) Avm용 주행 자동 공차 보정 장치 및 방법
CN111260725B (zh) 一种面向动态环境的轮速计辅助的视觉里程计方法
CN113553958B (zh) 一种高速公路绿化带检测方法和装置
CN105242060B (zh) 一种列车车轮空转及滑行的实时监测方法
CN112985388B (zh) 基于大位移光流法的组合导航方法及系统

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
TR01 Transfer of patent right

Effective date of registration: 20220118

Address after: 610000 floor 5, building 4, No. 2, Xingsheng West Road, Jinniu high tech Industrial Park, Chengdu, Sichuan

Patentee after: Sichuan Desheng Xinda brain intelligence technology Co.,Ltd.

Address before: No. 888, South Tianfu Avenue, Huayang street, Tianfu New District, Chengdu, Sichuan 610000

Patentee before: Chengdu Kerui Ai Technology Co.,Ltd.

TR01 Transfer of patent right