CN110796734B - 基于高分辨率卫星技术的机场净空巡查方法及装置 - Google Patents
基于高分辨率卫星技术的机场净空巡查方法及装置 Download PDFInfo
- Publication number
- CN110796734B CN110796734B CN201911055459.0A CN201911055459A CN110796734B CN 110796734 B CN110796734 B CN 110796734B CN 201911055459 A CN201911055459 A CN 201911055459A CN 110796734 B CN110796734 B CN 110796734B
- Authority
- CN
- China
- Prior art keywords
- digital surface
- surface model
- airport
- area
- airport clearance
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims abstract description 49
- 230000008859 change Effects 0.000 claims description 60
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013459 approach Methods 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开涉及一种基于高分辨率卫星技术的机场净空巡查方法及装置，所述方法包括：根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，所述图像组包括基于高分辨率卫星技术从不同位置采集的所述机场净空区域的至少两张图像；根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域。本公开的实施例可精确识别机场净空区域中超高的建筑物以及存在潜在危险的区域，从而提高机场净空巡查的精确度。
Description
技术领域
本公开涉及航空技术领域，尤其涉及一种基于高分辨率卫星技术的机场净空巡查方法及装置。
背景技术
根据NTSB(美国国家运输安全委员会)的统计，飞机在机场起飞和降落过程中的事故率占总事故率的77.7％。我国民航局长期以来十分坚定地坚持对安全隐患零容忍的管理原则。机场净空区是严格按照国际民用航空公约附件十四《机场》、中华人民共和国行业标准《民用机场飞行区技术标准》(MH5001-2013)等相关文件要求而划设的一定空间的范围，用于限制机场及周边障碍物高度以保障飞机飞行运行安全。
目前，机场净空区管理多依赖于人工巡查，时效性差，人力、物力、财力成本巨大，且巡查遗漏的现象时有发生。尤其是在地形复杂的地区，人力巡查无法覆盖，存在净空巡查盲区。机场净空环境监测管理缺乏精准的隐患排查模式，快速化、智能化、信息化监测严重不足。
发明内容
有鉴于此，本公开提出了一种基于高分辨率卫星技术的机场净空巡查方法及装置，能够精确识别机场净空区域中的异常区域。
根据本公开的一方面，提供了一种基于高分辨率卫星技术的机场净空巡查方法，所述方法包括：根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，所述图像组包括基于高分辨率卫星技术从不同位置采集的所述机场净空区域的至少两张图像；根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域。
在一种可能的实现方式中，根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域，包括：在所述机场净空限制面三维模型以及所述数字表面模型之间存在第一重叠区域时，将所述第一重叠区域确定为异常区域。
在一种可能的实现方式中，所述数字表面模型包括当前监测周期的第一数字表面模型以及前一监测周期的第二数字表面模型，根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域，包括：根据所述第一数字表面模型及所述第二数字表面模型，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域；根据所述机场净空限制面三维模型以及所述变化区域，确定所述机场净空区域中的异常区域。
在一种可能的实现方式中，根据所述机场净空限制面三维模型以及所述变化区域，确定所述机场净空区域中的异常区域，包括：在所述机场净空限制面三维模型与所述变化区域之间存在第二重叠区域时，将所述第二重叠区域确定为异常区域。
在一种可能的实现方式中，根据所述第一数字表面模型及所述第二数字表面模型，确定所述第一数字表面模型及所述第二数字表面模型之间的变化区域，包括：根据所述第一数字表面模型，确定第一图像，所述第一图像中各个像素点的灰度值是根据所述第一数字表面模型中对应位置的高程值确定的；根据所述第二数字表面模型，确定第二图像，所述第二图像中各个像素点的灰度值是根据所述第二数字表面模型中对应位置的高程值确定的；根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
在一种可能的实现方式中，根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域，包括：根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值，确定各个像素点之间的灰度差值；将灰度差值满足第一预设条件的像素点所在的区域，确定为所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
在一种可能的实现方式中，根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域，包括：根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值，确定各个像素点之间的灰度比值；将灰度比值满足第二预设条件的像素点所在的区域，确定为所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
在一种可能的实现方式中，根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，包括：根据所述机场净空区域中的目标点在所述图像组的至少两张图像中的像素位置，确定所述目标点的空间位置；根据所述机场净空区域中的各个目标点的空间位置，建立所述机场净空区域的数字表面模型。
在一种可能的实现方式中，所述机场净空限制面三维模型是根据机场的多个障碍物限制面建立的地理空间坐标三维模型。
根据本公开的另一方面，提供了一种基于高分辨率卫星技术的机场净空巡查装置，所述装置包括：数字表面模型建立模块，用于根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，所述图像组包括基于高分辨率卫星技术从不同位置采集的所述机场净空区域的至少两张图像；异常区域确定模块，用于根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域。
根据本公开的实施例，能够根据机场净空区域的图像组，建立机场净空区域的数字表面模型，并根据机场净空限制面三维模型以及数字表面模型，确定出机场净空区域中的异常区域，从而可以精确识别机场净空区域中超高的建筑物以及存在潜在危险的区域，提高机场净空巡查的精确度。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1a示出机场障碍物限制面的平面示意图。
图1b示出机场障碍物限制面的剖面示意图。
图1c示出机场障碍物限制面的剖面示意图。
图2示出根据本公开实施例的基于高分辨率卫星技术的机场净空巡查方法的流程图。
图3示出根据本公开实施例的进近面的关键点的示意图。
图4a示出根据本公开实施例的机场净空区域的图像。
图4b示出根据本公开实施例的机场净空区域的图像。
图5示出根据本公开实施例的机场净空限制面三维模型与数字表面模型叠加后的示意图。
图6示出根据本公开实施例的基于高分辨率卫星技术的机场净空巡查装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
为保障航空器起降安全和机场安全运行，防止由于机场周围障碍物增多而使机场无法使用，国际民用航空公约附件十四《机场》规定了多种障碍物限制面，例如内水平面、锥形面、进近面等，用以限制机场及其周围地区障碍物的高度。
图1a示出机场障碍物限制面的平面示意图，图1b示出图1a中的机场障碍物限制面在A-A方向的剖面示意图，图1c示出图1a中的机场障碍物限制面在B-B方向的剖面示意图。
如图1a所示，机场障碍物限制面包括内水平面、锥形面、进近面、起飞爬升面、过渡面以及内进近面。
其中，内水平面是位于机场及其周围以上的一个水平面中的一个面。例如，可通过下述方式确定内水平面：可以将跑道两端入口中点的平均标高作为内水平面的起算标高，以跑道两端入口中点为圆心，按表进近跑道的障碍物限制面的尺寸和坡度规定的内水平面半径画出圆弧，再以与跑道中线平行的两条直线与圆弧相切成一个近似椭圆形，形成一个高出起算标高规定高度(例如45m)的水平面，将该水平面确定为内水平面。
锥形面是从内水平面周边起向上和向外倾斜的一个面。例如，锥形面的起端可以从内水平面的周边开始，其起算标高可以为内水平面的标高，并以规定坡度(例如1∶20)向上和向外倾斜，直到符合进近跑道的障碍物限制面的尺寸和坡度规定的锥形面外缘高度为止。
进近面是跑道入口前的一个倾斜的平面或几个平面的组合。进近面的界限包括一条内边(位于跑道入口前的规定距离处的一条规定长度且垂直于跑道中线延长线的水平线)、两条侧边(以内边的两端为起点，自跑道的中线延长线均匀地以规定的比率向外散开)和一条外边(平行于内边)。当采用横向偏置、偏置或曲线进近时，自进近面内边两端按规定的散开率均匀散开的两侧边应对称于横向偏置、偏置或曲线进近的地面航迹的中线延长线。进近面的坡度应在包含有跑道中线的铅垂面内度量，同时应连续包含任何横向偏置、偏置或曲线进近的地面航迹的中线。
根据上述多种障碍物限制面，可以确定出机场的净空区域。不同机场的障碍物限制面可能不同，因此，不同机场的净空区域也可能不同。
图2示出根据本公开实施例的基于高分辨率卫星技术的机场净空巡查方法的流程图。如图2所示，该方法包括：
步骤S11，根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，所述图像组包括基于高分辨率卫星技术从不同位置采集的所述机场净空区域的至少两张图像。
其中，所述图像组可以为立体像对(即从不同位置采集的机场净空区域的两张图像)，也可以包括从不同位置采集的机场净空区域的多张图像。所述图像可以是高分辨率卫星(例如高分辨率对地观测卫星)携带的图像采集设备采集的遥感图像或其他图像，本公开对图像组中图像的数量以及类型不作限制。
在一种可能的实现方式中，可以通过对图像组中的图像进行预处理、配准、校正、建模等操作，建立机场净空区域的数字表面模型。其中，数字表面模型(Digital SurfaceModel，简称DSM)是包含了地表建筑物、桥梁和树木等高度的地面高程模型。本公开对数字表面模型的建立方式不作限制。
在一种可能的实现方式中，数字表面模型可以基于地理空间坐标系，例如WGS84坐标系(World Geodetic System 1984)、西安80坐标系等，也可以基于其他坐标系，例如笛卡尔坐标系，本公开对数字表面模型的坐标系类型不作限制。
通过建立数字表面模型，可以得到机场净空区域的高精度三维模型。
步骤S12，根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域。
其中，机场净空限制面三维模型可以是根据机场的多个障碍物限制面建立的三维模型。
在一种可能的实现方式中，在机场净空限制面三维模型的坐标系与数字表面模型的坐标系相同时，例如，机场净空限制面三维模型与数字表面模型的坐标系均为地理空间坐标系，可对机场净空限制面三维模型以及数字表面模型进行比较、叠加等处理，确定出机场净空区域中的异常区域。其中，异常区域包括存在超高建筑物的区域以及存在潜在危险的区域(例如存在超高的构筑物、山体、树木等的区域)。
在一种可能的实现方式中，在机场净空限制面三维模型的坐标系与数字表面模型的坐标系不同时，例如，机场净空限制面三维模型的坐标系为地理空间坐标系，数字表面模型的坐标系为笛卡尔坐标系，可首先进行坐标转换，将数字表面模型的笛卡尔坐标系转换为地理空间坐标系，使机场净空限制面三维模型以及数字表面模型的坐标系相同，再对机场净空限制面三维模型以及数字表面模型进行比较、叠加等处理，确定出机场净空区域中的异常区域。
根据本公开的实施例，能够根据机场净空区域的图像组，建立机场净空区域的数字表面模型，并根据机场净空限制面三维模型以及数字表面模型，确定出机场净空区域中的异常区域，从而可以精确识别机场净空区域中超高的建筑物以及存在潜在危险的区域，提高机场净空巡查的精确度。此外，通过数字模型(即机场净空限制面三维模型以及数字表面模型)确定异常区域，不仅可以给机场提供精确的数据支撑，而且可以避免机场净空巡查中出现无法巡查或漏查的情况，提高机场净空巡查的智能化及信息化。
在一种可能的实现方式中，所述机场净空限制面三维模型可以是根据机场的多个障碍物限制面建立的地理空间坐标三维模型。
在一种可能的实现方式中，各个障碍物限制面包括不同的关键点。可首先确定出各个障碍物限制面的关键点的地理坐标，然后根据各个关键点的地理坐标，建立机场净空限制面的地理空间坐标三维模型。
下面以进近面为例，说明进近面的关键点的地理坐标的确定方式。
图3示出根据本公开实施例的进近面的关键点的示意图。如图3所示，进近面包括四个关键点，分别表示为FT1、FT2、FT3、FT4，基于跑道位置建立笛卡尔坐标系，确定出FT1、FT2、FT3、FT4在笛卡尔坐标系中的坐标。
可使用下述公式(1)、(2)、(3)、(4)分别确定关键点FT1、FT2、FT3、FT4在笛卡尔坐标系中的坐标FT1(X,Y,Z)、FT2(X,Y,Z)、FT3(X,Y,Z)、FT4(X,Y,Z)：
其中，X1、Y1、Z1为FT1的坐标，X2、Y2、Z2为FT2的坐标，X3、Y3、Z3为FT3的坐标，X4、Y4、Z4为FT4的坐标，L1、L2、L4、W1为预设的进近面的距离值，r1、r2为预设的进近面的角度值。
在确定出关键点FT1、FT2、FT3、FT4在笛卡尔坐标系中的坐标后，可根据笛卡尔坐标系与地理空间坐标系的转换方式，确定关键点FT1、FT2、FT3、FT4在地理空间坐标系中的地理坐标。本公开对坐标系之间的转换方式不作限制。
在一种可能的实现方式中，可使用上述方式分别确定出各个障碍物限制面的关键点在地理空间坐标系中的地理坐标，并根据各个关键点的地理坐标，建立机场净空限制面的地理空间坐标三维模型。
在一种可能的实现方式中，步骤S11可包括：根据所述机场净空区域中的目标点在所述图像组的至少两张图像中的像素位置，确定所述目标点的空间位置；根据所述机场净空区域中的各个目标点的空间位置，建立所述机场净空区域的数字表面模型。
举例来说，机场净空区域的图像组为立体像对，包括图像P和图像Q，图像P和图像Q的成像方程为共线方程，共线方程是指中心摄影的构像方程，即在摄影成像过程中，摄影中心、像点及其对应的地面点三点位于一条直线上。
在已知机场净空区域的立体像对时，可根据图像P的摄影中心S1、目标点M在图像P中的像点mP，确定第一直线，根据图像Q的摄影中心S2、目标点M在图像Q中的像点mQ，确定第二直线，第一直线与第二直线的相交点即为目标点M的空间位置。
可根据共线方程，确定图像P中像点mP的两个成像方程，如下述公式(5)和(6)所示：
其中，(XS，YS，ZS)为摄影中心S1在某一规定的物方空间坐标系中的空间坐标，(XM，YM，ZM)为目标点M在物方空间坐标系中的空间坐标，mP为M在图像P上的构像(即像点),相应的像空间坐标为(x，y，-f)，(ai，bi，ci)为图像P的外方位元素(可用于描述摄影光束在摄影瞬间的空间位置)中的三个角元素(ψ,ω,к)组成的方向余弦，i的取值为1，2，3。
对上述公式(5)和(6)进行整理，可得到下述公式(7)和(8)：
l1XM+l2YM+l3ZM-lx＝0 (7)
l4XM+l5YM+l6ZM-ly＝0 (8)
其中，l1＝fa1+xa3，l2＝fb1+xb3，l3＝fc1+xc3
lx＝fa1XS+fb1YS+fc1ZS+xa3XS+xb3YS+xc3ZS，
l4＝fa2+ya3，l5＝fb2+yb3，l6＝fc2+yc3,
ly＝fa2XS+fb2YS+fc2ZS+ya3XS+yb3YS+yc3ZS。
在确定出图像P中像点mP的两个成像方程后，可使用上述的方法，确定图像Q中像点mQ的两个成像方程，从而可得到4个方程，再按最小二乘解法求解目标点M的空间坐标(XM，YM，ZM)。
若图像组包括n幅影像(其中n为正整数且n≥3)，则对于目标点M，可使用上述方法，列出2n个方程，再按最小二乘法求解目标点M的空间坐标。
在一种可能的实现方式中，可以使用上述方法确定机场净空区域中各个目标点空间位置，建立机场净空区域的数字表面模型。
在一种可能的实现方式中，步骤S12可包括：在所述机场净空限制面三维模型以及所述数字表面模型之间存在第一重叠区域时，将所述第一重叠区域确定为异常区域。
也就是说，可在同一坐标系中，将机场净空限制面三维模型与数字表面模型进行叠加，查看机场净空限制面三维模型与数字表面模型之间是否存在第一重叠区域。在机场净空限制面三维模型与数字表面模型之间存在第一重叠区域时，认为机场净空区域中存在异常区域，并将第一重叠区域确定为异常区域。
在机场净空限制面三维模型与数字表面模型之间不存在第一重叠区域时，可认为机场净空区域中不存在异常区域。
在本实施例中，将机场净空限制面三维模型与数字表面模型之间存在的第一重叠区域确定为异常区域，快速准确，可提高机场净空巡查的速度及准确度。
在一种可能的实现方式中，所述数字表面模型可包括当前监测周期的第一数字表面模型以及前一监测周期的第二数字表面模型，
步骤S12可包括：根据所述第一数字表面模型及所述第二数字表面模型，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域；根据所述机场净空限制面三维模型以及所述变化区域，确定所述机场净空区域中的异常区域。
其中，监测周期是指进行机场净空巡查的时间间隔，例如为15天或30天，本公开对监测周期的具体取值不作限制。可将根据当前监测周期采集的图像组建立的数字表面模型确定为第一数字表面模型，将根据前一监测周期(当前监测周期的上一个监测周期)采集的图像组建立的数字表面模型确定为第二数字表面模型。
在一种可能的实现方式中，机场净空巡查的时间为非周期性时，可将根据本次采集的图像组建立的数字表面模型确定为第一数字表面模型，将根据前一次采集的图像组建立的数字表面模型确定为第二数字表面模型。
在一种可能的实现方式中，可根据第一数字表面模型及第二数字表面模型，确定第一数字表面模型与第二数字表面模型之间的变化区域。例如，可将第一数字表面模型与第二数字表面模型进行对比，确定出第一数字表面模型与第二数字表面模型之间的变化区域。其中，变化区域可表示当前监测周期的机场净空区域中相比于前一监测周期发生变化的区域。
在一种可能的实现方式中，确定出第一数字表面模型与第二数字表面模型之间的变化区域后，可对机场净空限制面三维模型以及变化区域进行比较、叠加等处理，确定机场净空区域中的异常区域。
在本实施例中，能够确定当前监测周期的数字表面模型与前一监测周期的数字表面模型之间的变化区域，并根据变化区域以及机场净空限制面三维模型，确定机场净空区域中的异常区域，从而可减少确定异常区域时的计算量，提高处理速度。而且，当前监测周期的数字表面模型与前一监测周期的数字表面模型之间的变化区域，可以精准地示出机场净空区域近期发生的变化，使得机场净空管理人员可以及时关注机场净空区域的变化，提前排查安全隐患。
在一种可能的实现方式中，根据所述第一数字表面模型及所述第二数字表面模型，确定所述第一数字表面模型及所述第二数字表面模型之间的变化区域，可包括：
根据所述第一数字表面模型，确定第一图像，所述第一图像中各个像素点的灰度值是根据所述第一数字表面模型中对应位置的高程值确定的；
根据所述第二数字表面模型，确定第二图像，所述第二图像中各个像素点的灰度值是根据所述第二数字表面模型中对应位置的高程值确定的；
根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
在一种可能的实现方式中，可根据第一数字表面模型确定第一图像。可将第一数字表面模型中地表(例如山体、建筑物、桥梁等)所在的平面视为水平面，并根据第一数字表面模型，确定基于水平面的第一图像，其中，第一图像中各个像素点的灰度值是根据第一数字表面模型中对应位置的高程值确定的。例如，第一数字表面模型的坐标系为笛卡尔坐标系，x-y平面为地表所在的平面，z轴表示高程值，可根据第一数字表面模型中各个点在x-y平面中的位置，确定第一图像中各个像素点的位置，并根据各个点的高程值(即z值)确定第一图像中各个像素点的灰度值，从而确定出第一图像。
在一种可能的实现方式中，根据第二数字表面模型确定第二图像时，可使用与第一图像类似的方法，此处不再赘述。
在一种可能的实现方式中，在确定出第一图像和第二图像后，可确定第一图像中各个像素点的灰度值与第二图像中对应像素点的灰度值之间是否存在差异。在灰度值存在差异时，可根据灰度值差异，确定第一图像中的像素变化区域，并根据像素变化区域，确定第一数字表面模型与第二数字表面模型之间的变化区域。
在本实施例中，能够通过二维的第一图像与第二图像的灰度值差异，确定第一图像中的像素变化区域，进而确定三维的第一数字表面模型与第二数字表面模型之间的变化区域，从而可降低确定变化区域时的复杂度，提高处理效率。
在一种可能的实现方式中，根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域，可包括：根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值，确定各个像素点之间的灰度差值；将灰度差值满足第一预设条件的像素点所在的区域，确定为所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
在一种可能的实现方式中，可首先将第一图像中各个像素点的灰度值与第二图像中对应像素点的灰度值相减，确定各个像素点之间的灰度差值。例如，第一图像中的像素点(i，j)的灰度值为(其中i和j为大于或等于0的整数)，第二图像中与像素点(i，j)对应的像素点的灰度值为/>可将/>与/>相减，确定像素点(i，j)的灰度差值/>可使用下述公式(9)来表示/>
在一种可能的实现方式中，确定出各个像素点的灰度差值后，可判断各个像素点的灰度差值是否满足第一预设条件，然后将灰度差值满足第一预设条件的像素点所在的区域，确定为第一数字表面模型与所述第二数字表面模型之间的变化区域。
其中，第一预设条件可根据实际情况进行设置，例如，第一预设条件可以是灰度差值大于或等于预设的第一差值阈值或者灰度差值小于或等于预设的第二差值阈值，第一预设条件也可以是灰度差值大于或等于各个像素点的灰度差值的均值，第一预设条件还可以是其他条件。本公开对第一预设条件的具体内容不作限制。
在一种可能的实现方式中，可根据各个像素点的灰度差值，确定出差值图像，并根据差值图像，设置第一预设条件。例如，可将第一预设条件设置为灰度差值与差值图像中各个像素点的灰度均值的差值大于或等于预设的第三差值阈值与差值图像中灰度值的标准差的乘积，可表示为 其中，m为差值图像中各个像素点的灰度均值，mT为预设的第三差值阈值，STD为差值图像中灰度值的标准差。
在本实施例中，根据第一图像中各个像素点的灰度值与第二图像中对应像素点的灰度值之间的差值，可以准确地判断变化的像素点及其所在的区域，进而确定出第一数字表面模型与第二数字表面模型之间的变化区域，从而可提高变化区域的准确度。
在一种可能的实现方式中，根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域，包括：根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值，确定各个像素点之间的灰度比值；将灰度比值满足第二预设条件的像素点所在的区域，确定为所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
在一种可能的实现方式中，可首先将第一图像中各个像素点的灰度值与第二图像中对应像素点的灰度值相除，确定各个像素点之间的灰度比值。例如，第一图像中的像素点(i，j)的灰度值为第二图像中与像素点(i，j)对应像素点的灰度值为/>可将/>与相除，确定像素点(i，j)的灰度比值Ri,j，可使用下述公式(10)来表示
在一种可能的实现方式中，确定出各个像素点的灰度比值后，可判断各个像素点的灰度比值是否满足第二预设条件，然后将灰度比值满足第二预设条件的像素点所在的区域，确定为第一数字表面模型与所述第二数字表面模型之间的变化区域。
其中，第二预设条件可根据实际情况进行设置。例如，第二预设条件可以是灰度比值Ri,j大于或等于预设的第一比值阈值R1或者灰度比值Ri,j小于或等于预设的第二比值阈值R2，可表示为Ri,j≥R1或Ri,j≤R2，第二预设条件还可以是其他条件。本公开对第二预设条件的具体内容不作限制。
在本实施例中，根据第一图像中各个像素点的灰度值与第二图像中对应像素点的灰度值之间的比值，可以准确地判断变化的像素点及其所在的区域，进而确定出第一数字表面模型与第二数字表面模型之间的变化区域，从而可提高变化区域的准确度。
在一种可能的实现方式中，根据所述机场净空限制面三维模型以及所述变化区域，确定所述机场净空区域中的异常区域，包括：在所述机场净空限制面三维模型与所述变化区域之间存在第二重叠区域时，将所述第二重叠区域确定为异常区域。
在一种可能的实现方式中，可在同一坐标系中，将机场净空限制面三维模型与变化区域进行叠加，查看机场净空限制面三维模型与变化区域之间是否存在第二重叠区域。在机场净空限制面三维模型与变化区域之间存在第二重叠区域时，认为机场净空区域的变化区域中存在异常区域，并将第二重叠区域确定为异常区域。在机场净空限制面三维模型与变化区域之间不存在第二重叠区域时，可认为变化区域中不存在异常区域。
在本实施例中，将机场净空限制面三维模型与变化区域之间存在的第二重叠区域确定为异常区域，可确定出机场净空区域中变化区域中的异常区域。
图4a和图4b示出根据本公开实施例的机场净空区域的图像。图4a和图4b中的两张图像为从不同位置采集的同一机场净空区域的图像，可组成立体像对。可根据机场净空区域中的目标点在该立体像对中的像素位置，分别确定各个目标点的空间位置，并根据各个目标点的空间位置，建立机场净空区域的数字表面模型；然后将数字表面模型与机场净空限制面三维模型进行叠加，确定出重叠区域，将重叠区域作为机场净空区域中的异常区域。
图5示出根据本公开实施例的机场净空限制面三维模型与数字表面模型叠加后的示意图。如图5所示，数字表面模型与机场净空限制面三维模型叠加后，被机场净空限制面覆盖的区域为非重叠区域，即安全区域，而未被机场净空限制面面覆盖的区域(如图5中黑色圆圈标识的3处区域)为重叠区域，可将该重叠区域确定为机场净空区域中的异常区域。
根据本公开的实施例，能够根据机场净空区域的图像组，建立机场净空区域的数字表面模型，并根据机场净空限制面三维模型以及数字表面模型，确定出机场净空区域中的异常区域，从而可以精确地识别出机场净空区域中超高的建筑物以及存在潜在危险的区域，提高机场净空巡查的精确度。
此外，通过建立数字表面模型，可以实现机场净空区域的三维可视化。将数字表面模型与机场净空限制面三维模型叠加来确定异常区域，不仅可以给机场提供精确的数据支撑，帮助相关部门快速定位超高预警区域，而且可以避免机场净空巡查中出现无法巡查或漏查(例如传统方式下因地形复杂无法巡查或存在漏查)的情况，提高机场净空管理的智能化及信息化，从而保障机场运行安全和终端区飞行安全。
需要说明的是，尽管以上述实施例作为示例介绍的基于高分辨率卫星技术的机场净空巡查方法如上，但本领域技术人员能够理解，本公开应不限于此。事实上，用户完全可根据个人喜好和/或实际应用场景灵活设定各步骤，只要符合本公开的技术方案即可。
图6示出根据本公开实施例的基于高分辨率卫星技术的机场净空巡查装置，所述装置包括：
数字表面模型建立模块61，用于根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，所述图像组包括基于高分辨率卫星技术从不同位置采集的所述机场净空区域的至少两张图像；
异常区域确定模块62，用于根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域。
根据本公开的实施例，能够根据机场净空区域的图像组，建立机场净空区域的数字表面模型，并根据机场净空限制面三维模型以及数字表面模型，确定出机场净空区域中的异常区域，从而可以精确地识别出机场净空区域中超高的建筑物以及存在潜在危险的区域，提高机场净空巡查的精确度。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (9)
1.一种基于高分辨率卫星技术的机场净空巡查方法，其特征在于，所述方法包括：
根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，所述图像组包括基于高分辨率卫星技术从不同位置采集的所述机场净空区域的至少两张图像；
根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域；
其中，所述数字表面模型包括当前监测周期的第一数字表面模型以及前一监测周期的第二数字表面模型，
所述根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域，包括：
根据所述第一数字表面模型及所述第二数字表面模型，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域；
根据所述机场净空限制面三维模型以及所述变化区域，确定所述机场净空区域中的异常区域。
2.根据权利要求1所述的方法，其特征在于，根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域，包括：
在所述机场净空限制面三维模型以及所述数字表面模型之间存在第一重叠区域时，将所述第一重叠区域确定为异常区域。
3.根据权利要求1所述的方法，其特征在于，根据所述机场净空限制面三维模型以及所述变化区域，确定所述机场净空区域中的异常区域，包括：
在所述机场净空限制面三维模型与所述变化区域之间存在第二重叠区域时，将所述第二重叠区域确定为异常区域。
4.根据权利要求1所述的方法，其特征在于，根据所述第一数字表面模型及所述第二数字表面模型，确定所述第一数字表面模型及所述第二数字表面模型之间的变化区域，包括：
根据所述第一数字表面模型，确定第一图像，所述第一图像中各个像素点的灰度值是根据所述第一数字表面模型中对应位置的高程值确定的；
根据所述第二数字表面模型，确定第二图像，所述第二图像中各个像素点的灰度值是根据所述第二数字表面模型中对应位置的高程值确定的；
根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
5.根据权利要求4所述的方法，其特征在于，根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域，包括：
根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值，确定各个像素点之间的灰度差值；
将灰度差值满足第一预设条件的像素点所在的区域，确定为所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
6.根据权利要求4所述的方法，其特征在于，根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值之间的差异，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域，包括：
根据所述第一图像中各个像素点的灰度值与所述第二图像中对应像素点的灰度值，确定各个像素点之间的灰度比值；
将灰度比值满足第二预设条件的像素点所在的区域，确定为所述第一数字表面模型与所述第二数字表面模型之间的变化区域。
7.根据权利要求1所述的方法，其特征在于，根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，包括：
根据所述机场净空区域中的目标点在所述图像组的至少两张图像中的像素位置，确定所述目标点的空间位置；
根据所述机场净空区域中的各个目标点的空间位置，建立所述机场净空区域的数字表面模型。
8.根据权利要求1所述的方法，其特征在于，所述机场净空限制面三维模型是根据机场的多个障碍物限制面建立的地理空间坐标三维模型。
9.一种基于高分辨率卫星技术的机场净空巡查装置，其特征在于，所述装置包括：
数字表面模型建立模块，用于根据机场净空区域的图像组，建立所述机场净空区域的数字表面模型，所述图像组包括基于高分辨率卫星技术从不同位置采集的所述机场净空区域的至少两张图像；
异常区域确定模块，用于根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域；
其中，所述数字表面模型包括当前监测周期的第一数字表面模型以及前一监测周期的第二数字表面模型，
所述根据预设的机场净空限制面三维模型以及所述数字表面模型，确定所述机场净空区域中的异常区域，包括：
根据所述第一数字表面模型及所述第二数字表面模型，确定所述第一数字表面模型与所述第二数字表面模型之间的变化区域；
根据所述机场净空限制面三维模型以及所述变化区域，确定所述机场净空区域中的异常区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911055459.0A CN110796734B (zh) | 2019-10-31 | 2019-10-31 | 基于高分辨率卫星技术的机场净空巡查方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911055459.0A CN110796734B (zh) | 2019-10-31 | 2019-10-31 | 基于高分辨率卫星技术的机场净空巡查方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110796734A CN110796734A (zh) | 2020-02-14 |
| CN110796734B true CN110796734B (zh) | 2024-01-26 |
Family
ID=69440665
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911055459.0A Active CN110796734B (zh) | 2019-10-31 | 2019-10-31 | 基于高分辨率卫星技术的机场净空巡查方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110796734B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112949474B (zh) * | 2021-02-26 | 2023-01-31 | 山东鹰格信息工程有限公司 | 机场fod监测方法、设备、存储介质及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230326A (zh) * | 2018-02-08 | 2018-06-29 | 重庆市地理信息中心 | 基于gpu-cpu协同的卫星影像拉花变形快速检测方法 |
| CN108564602A (zh) * | 2018-04-16 | 2018-09-21 | 北方工业大学 | 一种基于机场遥感图像的飞机检测方法 |
| CN109710994A (zh) * | 2018-12-06 | 2019-05-03 | 西安西北民航项目管理有限公司 | 基于数字地球的机场障碍物限制面超限分析方法 |
| CN110033411A (zh) * | 2019-04-12 | 2019-07-19 | 哈尔滨工业大学 | 基于无人机的公路施工现场全景图像高效拼接方法 |
| WO2023067657A1 (ja) * | 2021-10-18 | 2023-04-27 | 日本電気株式会社 | 情報制御装置、情報制御方法、及びコンピュータ可読媒体 |
-
2019
- 2019-10-31 CN CN201911055459.0A patent/CN110796734B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108230326A (zh) * | 2018-02-08 | 2018-06-29 | 重庆市地理信息中心 | 基于gpu-cpu协同的卫星影像拉花变形快速检测方法 |
| CN108564602A (zh) * | 2018-04-16 | 2018-09-21 | 北方工业大学 | 一种基于机场遥感图像的飞机检测方法 |
| CN109710994A (zh) * | 2018-12-06 | 2019-05-03 | 西安西北民航项目管理有限公司 | 基于数字地球的机场障碍物限制面超限分析方法 |
| CN110033411A (zh) * | 2019-04-12 | 2019-07-19 | 哈尔滨工业大学 | 基于无人机的公路施工现场全景图像高效拼接方法 |
| WO2023067657A1 (ja) * | 2021-10-18 | 2023-04-27 | 日本電気株式会社 | 情報制御装置、情報制御方法、及びコンピュータ可読媒体 |
Non-Patent Citations (2)
| Title |
|---|
| 北京新机场控制点测量与净空障碍物普查工作;谢孔振;朱照荣;张锡越;曾艳艳;张凤录;;北京测绘(05);560-564 * |
| 高分辨率光学卫星影像高精度定位技术与实践;李海鸿;曹辉;施俊;;地理空间信息(05);1-8 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110796734A (zh) | 2020-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022061945A1 (zh) | 一种电力线路安全距离检测方法 | |
| Suh et al. | Mapping hazardous mining-induced sinkhole subsidence using unmanned aerial vehicle (drone) photogrammetry | |
| Dastgheibifard et al. | A review on potential applications of unmanned aerial vehicle for construction industry | |
| Zeybek | Accuracy assessment of direct georeferencing UAV images with onboard global navigation satellite system and comparison of CORS/RTK surveying methods | |
| KR20200109948A (ko) | 드론을 이용한 건설현장 공정관리 시스템 및 그를 이용한 건설현장 공정관리 방법 | |
| CN110044338B (zh) | 一种溃堤溃坝场景的无人机监测方法及系统 | |
| US20170260711A1 (en) | Photogrammetric soil density system and method | |
| CN111522360A (zh) | 一种基于电力铁塔的带状倾斜摄影自动航线规划方法 | |
| Kim et al. | UAS-based airport maintenance inspections: Lessons learned from pilot study implementation | |
| CN110796734B (zh) | 基于高分辨率卫星技术的机场净空巡查方法及装置 | |
| CN110853142A (zh) | 基于无人机拍摄的机场净空三维模型构建方法及装置 | |
| US20240093988A1 (en) | Methods of measuring strctures | |
| Kurczyński et al. | The possibility of using images obtained from the uas in cadastral works | |
| Davidson et al. | Airborne to UAS LiDAR: An analysis of UAS LiDAR ground control targets | |
| Siwiec | Comparison of airborne laser scanning of low and high above ground level for selected infrastructure objects | |
| CN103808309A (zh) | 一种无人机三维航空摄影测树方法 | |
| Ostrowski et al. | Comparison of the laser scanning solutions for he unmanned aerial vehicles | |
| Ćmielewski et al. | Detection of crane track geometric parameters using UAS | |
| CN114332658A (zh) | 基于无人机巡检的铁路工务设备与周边环境隐患排查方法 | |
| CN112197748B (zh) | 利用摄影测量检测输电设备电气间隙的方法 | |
| Kim et al. | A study on generation of 3D model and mesh image of excavation work using UAV | |
| CN113706691A (zh) | 变电站的三维建模方法和装置 | |
| Ciritcioğlu et al. | Assessment of Unmanned Aerial Vehicle use opportunities in forest road project (Düzce Sample) | |
| CN115223090A (zh) | 基于多源遥感影像的机场净空障碍物周期监测方法 | |
| Croce et al. | UAV-Based 3D Photogrammetry for Post-Earthquake Studies on Seismic Damaged Cities—A Case Study: Castelluccio Di Norcia |
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 |