CN112036399B - 飞机舱门识别方法及装置、电子设备以及存储介质 - Google Patents

飞机舱门识别方法及装置、电子设备以及存储介质 Download PDF

Info

Publication number
CN112036399B
CN112036399B CN201910482724.7A CN201910482724A CN112036399B CN 112036399 B CN112036399 B CN 112036399B CN 201910482724 A CN201910482724 A CN 201910482724A CN 112036399 B CN112036399 B CN 112036399B
Authority
CN
China
Prior art keywords
door
aircraft
image
cabin door
cabin
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
Application number
CN201910482724.7A
Other languages
English (en)
Other versions
CN112036399A (zh
Inventor
邓览
雷安良
向卫
梁乐贤
罗伟
谢启峰
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.)
Shenzhen CIMC Tianda Airport Support Ltd
Original Assignee
Shenzhen CIMC Tianda Airport Support 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 Shenzhen CIMC Tianda Airport Support Ltd filed Critical Shenzhen CIMC Tianda Airport Support Ltd
Priority to CN201910482724.7A priority Critical patent/CN112036399B/zh
Priority to PCT/CN2020/094224 priority patent/WO2020244558A1/en
Publication of CN112036399A publication Critical patent/CN112036399A/zh
Application granted granted Critical
Publication of CN112036399B publication Critical patent/CN112036399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • 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
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本公开是关于一种飞机舱门识别方法及装置、电子设备以及存储介质，所述飞机舱门识别方法包括：获取目标飞机图像；根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域；根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像；根据所述第一底部图像，计算飞机舱门门槛的空间位置。通过机器视觉实现了飞机舱门的识别，避免了识别飞机舱门时需要在飞机上设置特殊标识，而导致的通用性差的问题。实现舱门的准确定位，便于登机桥全自动接机。

Description

飞机舱门识别方法及装置、电子设备以及存储介质
技术领域
本公开涉及航空设备技术领域，具体而言，涉及一种飞机舱门识别方法及装置、电子设备以及存储介质。
背景技术
登机桥是机场用以连接候机厅于飞机之间的可移动升降的通道，随着技术的发展和进步，登机桥自动接机技术开始应用于登机桥和舱门的对接中，在登机桥自动对接时首先需要识别飞机舱门。
目前，在识别飞机舱门时，通过在飞机机身设置特殊标识，通过相机获取机身上的特殊标识，然后根据特殊标识的位置计算舱门的位置。但是，该种方式只能适用于机身具有特殊标识的飞机的舱门的识别，通用性较差，并且在飞机机身设置特殊标识操作难度大。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种飞机舱门识别方法及装置、电子设备以及存储介质，进而至少一定程度上克服相关技术中飞机舱门识别方法通用性差的问题。
根据本公开的第一方面，提供一种飞机舱门识别方法，所述飞机舱门识别方法包括：
获取目标飞机图像；
根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域；
根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像；
根据所述第一底部图像，计算飞机舱门门槛的空间位置。
根据本公开的一实施方式，所述飞机舱门识别方法还包括：
根据所述第一底部图像，建立舱门底部模型；
更新目标飞机图像；
根据所述舱门底部模型，在更新后的目标飞机图像中搜索舱门底部图像，得到第二底部图像；
根据第二底部图像，更新飞机舱门门槛的空间位置。
根据本公开的一实施方式，所述飞机舱门识别方法还包括：
比较第二底部图像和所述舱门底部模型的匹配度；
当所述第二底部图像和所述舱门底部模型的匹配度小于第一阈值时，根据第二底部图像更新舱门底部模型。
根据本公开的一实施方式，当所述第二底部图像和所述舱门底部模型的匹配度小于第一阈值时，根据第二底部图像更新舱门底部模型之后，还包括：
判断是否接收到停止指令；
当接收到停止指令时，停止飞机舱门识别；
当没有接收到停止指令时，更新目标飞机图像，直至接收到停止指令。
根据本公开的一实施方式，根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域，包括：
对目标飞机图像进行边缘检测，得到多条边缘线条；
提取多条边缘线条中和第一方向平行的线条；
计算多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距；
根据多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距，确定目标飞机图像中的舱门感兴趣区域。
根据本公开的一实施方式，根据多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距，确定目标飞机图像中的舱门感兴趣区域，包括：
比较舱门沿第一方向的长度和多条和第一方向平行的线条的长度，以及比较舱门垂直于第一方向的长度和多条和第一方向平行的线条中任意两条之间的间距；
当多条和第一方向平行的线条中两条线条的长度和舱门沿第一方向的长度匹配，并且所述两条线条的间距和舱门垂直于第一方向的长度匹配，确定所述两条线条之间的区域为舱门感兴趣区域。
根据本公开的一实施方式，所述根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像，包括：
在所述舱门感兴趣区域中识别舱门门槛，并标记舱门门槛顶部中心点作为识别点；
在所述识别点的两侧的图像中搜索门缝线条；
获取门缝线条中水平线和竖直线的交点，作为舱门门槛端点。
根据本公开的一实施方式，所述通过第二底部图像，更新飞机舱门门槛的空间位置，包括：
利用所述舱门底部模型，在第二底部图像中搜索舱门门槛端点；
计算所述舱门门槛端点的空间位置。
根据本公开的一实施方式，所述根据所述第一底部图像，计算飞机舱门门槛的空间位置，包括：
根据所述第一底部图像，通过多目视觉三角方法计算飞机舱门门槛两个端点的空间位置。
根据本公开的一实施方式，所述根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域之前，还包括：
对所述目标飞机图像进行降噪处理。
根据本公开的一实施方式，对所述目标飞机图像进行降噪处理，包括：
调节所述目标飞机图像的亮度；
通过所述目标飞机图像的信噪比，判断所述目标飞机图像是否具有噪声；
若飞机图像是否具有噪声，滤除所述噪声。
根据本公开的第二方面，提供一种飞机舱门识别装置，所述飞机舱门识别装置包括：
获取单元，用于获取目标飞机图像；
第一识别单元，用于根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域；
第二识别单元，用于根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像；
计算单元，用于根据所述第一底部图像，计算飞机舱门门槛的空间位置。
根据本公开的第三方面，提供一种电子设备，包括
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。
根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。
本公开提供的飞机舱门识别方法，通过飞机舱门特征，在目标飞机图像中识别舱门感兴趣区域，根据飞机舱门底部特征在舱门感兴趣区域识别舱门底部，根据舱门底部图像计算得到飞机舱门门槛的空间位置。通过机器视觉实现了飞机舱门的识别，避免了识别飞机舱门时需要在飞机上设置特殊标识，而导致的通用性差的问题。实现舱门的准确定位，便于登机桥全自动接机。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。
图1为本公开示例性实施方式提供的一种飞机舱门识别方法的流程图；
图2为本公开示例性实施方式提供的一种舱门感兴趣区域确定方法的流程图；
图3为本公开示例性实施方式提供的一种飞机图像中提取线条的示意图；
图4为本公开示例性实施方式提供的一种飞机图像中提取竖向线条的示意图；
图5为本公开示例性实施方式提供的一种门槛检测方法流程图；
图6为本公开示例性实施方式提供的一种多个封闭区域示意图；
图7为本公开示例性实施方式提供的一种二次贝塞尔曲线的示意图；
图8为本公开示例性实施方式提供的一种门缝的示意图；
图9为本公开示例性实施方式提供的另一种飞机舱门识别方法的流程图；
图10为本公开示例性实施方式提供的一种飞机舱门底部模型示意图；
图11为本公开示例性实施方式提供的一种目标飞机图像预处理流程图；
图12为本公开示例性实施方式提供的一种目标飞机图像亮度调节流程图；
图13为本公开示例性实施方式提供的一种飞机舱门识别装置的框图；
图14为本公开示例性实施方式提供的一种电子设备的示意图；
图15为本公开示例性实施方式提供的一种计算机可读存储介质的示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本公开示例性实施方式首先提供一种飞机舱门识别方法，如图1所示，所述飞机舱门识别方法包括：
步骤S110，获取目标飞机图像；
步骤S120，根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域(ROI，region of interest)；
步骤S130，根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像；
步骤S140，根据所述第一底部图像，计算飞机舱门门槛的空间位置。
本公开提供的飞机舱门识别方法，通过飞机舱门特征，在目标飞机图像中识别舱门感兴趣区域，根据飞机舱门底部特征在舱门感兴趣区域识别舱门底部，根据舱门底部图像计算得到飞机舱门门槛的空间位置。通过机器视觉实现了飞机舱门的识别，避免了识别飞机舱门时需要在飞机上设置特殊标识，而导致的通用性差的问题。实现舱门的准确定位，便于登机桥全自动接机。
下面将对本公开实施例提供的飞机舱门识别方法进行详细说明：
在步骤S110中，获取目标飞机的图像。
其中，可以通过成像系统获取目标飞机的图像，成像系统可以包括成像仪器，比如相机和光源，图像采集装置，比如图像采集卡等。成像系统能在指定应用场景下快速稳定的采集指定区域内的图像，比如可以获取飞机安装舱门一侧的图像。在获取目标飞机图像时，可以连续动态的拍摄飞机安装舱门一侧的图像，比如对飞机安装舱门的一侧进行摄像，也可以离散动态的获取飞机安装舱门一侧的图像，比如，间隔指定时间拍摄一次飞机图像，本公开实施例对此不做具体限定。
在步骤S120中，可以根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域。
其中，飞机舱门特征可以是飞机舱门的尺寸，比如飞机舱门的形状、长度和高度等，飞机舱门特征数据为预设数据。飞机舱门的感兴趣区域可以是图像中和飞机舱门区域匹配的区域，该区域可以是图像中飞机舱门区域，或者是图像中在误差允许范围之内的区域。
其中，如图2所示，识别所述目标飞机图像中的舱门感兴趣区域，包括如下步骤：
步骤S210，对目标飞机图像进行边缘检测，得到多条边缘线条；
步骤S220，提取多条边缘线条中和第一方向平行的线条；
步骤S230，计算多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距；
步骤S240，根据多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距，确定目标飞机图像中的舱门感兴趣区域。
在步骤S210中，可以对目标飞机图像进行边缘检测，得到多条边缘线条。
成像系统往往安装于登机桥，和登机桥共同运动，在开始识别时登机桥离目标飞机距离较远，成像系统获取的目标飞机的图像包括整个飞机舱门区域。通常飞机舱门会设置不同的涂装，形成飞机舱门轮廓，并且在飞机舱门底部会设置不锈钢门槛，飞机舱门和飞机机身存在门缝，上述特征的边缘会在图像中形成具有特定尺寸的线条。
基于上述特征可以对目标飞机的图像进行边缘检测，比如通过canny算子或者hough变换等方法对目标飞机图像进行边缘检测，通过边缘检测及二值化得到如图3所示的包括飞机舱门边缘线的多条线条。
在步骤S220中，可以提取多条边缘线条中和第一方向平行的线条。
在实际应用中，步骤S210中得到的多条线条中，包括飞机舱门线条也包括其他干扰线条，过多的线条不利于分析，为了便于分析可以提取和第一方向平行的线条，其中第一方向可以是任意方向。比如，第一方向可以是竖直方向或者水平方向，如图4所示，第一方向可以是竖向线条，在多条线条中提取竖向线条。通常在飞机图像中包括的主要是横向线条和竖向线条，因此提取竖向线条可以通过滤除横向线条而实现。滤除横向线条可以采用open-cv里面的竖线提取算子实现，当然在实际应用中提取竖线的方法也可以是其他方法本公开实施例并不以此为限。
在步骤S230中，可以计算多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距。
在步骤S220中提取的多条和第一方向平行的线条，其中部分为和舱门特征相关的线条，为了在多条线条中找出和飞机舱门特征相关的线条，可以通过线条的长度以及两条线条之间的距离。可以通过多目视觉三角计算方法计算每条线条的长度，并且计算任意两条线条之间的间距。比如，在步骤S220中提取的是竖向线条，则可以首先计算多条竖向线条的长度，然后计算多条竖向线条中的任意两条竖线之间的间距。在实际应用中为了提高计算效率，可以通过先验知识来大致估算线条的长度，比如，登机桥大致距离飞机的距离。
在步骤S240中，可以根据多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距，确定目标飞机图像中的舱门感兴趣区域。
其中，确定目标飞机图像中的舱门感兴趣区域可以包括：
比较飞机舱门沿第一方向的长度和多条和第一方向平行的线条的长度，以及比较舱门垂直于第一方向的长度和多条和第一方向平行的线条中任意两条之间的间距；比如，可以比较多条竖线的长度和飞机舱门的竖向长度，以及任一两个竖向线条之间间距和飞机舱门的宽度。
当多条和第一方向平行的线条中两条线条的长度和舱门沿第一方向的长度匹配，并且所述两条线条的间距和舱门垂直于第一方向的长度匹配，确定所述两条线条之间的区域为舱门感兴趣区域。其中，长度匹配是指长度相同或者长度差值在一阈值范围内，比如间距偏差小于200毫米，高度偏差小于500毫米。在步骤S130中，可以根据飞机舱门底部特征，在所述舱门门槛所在区域中识别舱门的底部，得到第一底部图像。
其中，在飞机舱门底部有更多的特征，包括飞机舱门涂装标记，带拐角的门缝以及不锈钢的门槛等，可以在图像中识别上述特征，进而确定飞机舱门底部的图像。
其中，如图5所示，步骤S130可以包括：
步骤S310，在所述舱门感兴趣区域中识别舱门门槛，并标记舱门门槛顶部中心点作为识别点；
步骤S320，在所述识别点的两侧的图像中搜索门缝线条；
步骤S330，获取门缝线条中水平线和竖直线的交点，作为舱门门槛端点。
在步骤S310中，在所述舱门感兴趣区域中识别舱门门槛可以通过检测边缘实现，在检测边缘之前，可以在舱门感兴趣区域内通过open-cv的mean-shift filter算法，消除部分噪声和一些小的没有必要的细节，然后通过canny算子进行边缘检测，边缘检测获得多个区域，比如，如图6所示的多个封闭的区域，在检测过程中可以对多个封闭的区域填充颜色，以便于区分各区域。当然也可以通过其他边缘检测算子检测边缘，本公开实施方式并不以此为限。
在检测到的多个封闭的区域内选择最下方的区域，并且该区域在舱门感兴趣区域内，并且满足一定的尺寸需求，比如该封闭区域的宽度不小于400像素点。此时该封闭区域即为门槛区域，该封闭区域的上边缘即为下门缝线，标记该上边缘的中心点作为识别点，在本公开实施例中所述的上方、下方、水平、竖直、上边缘和下边缘等均是指飞机停在机场的状态下的方位。
在步骤S320，可以在所述识别点的两侧的图像中搜索门缝线条。
在门缝搜索过程中，可以沿门槛区域上边缘线识别点的两侧沿对比度最深的线搜索，计算边缘检测获得的边缘上的每一点的最强对比度差异，搜索符合门缝要求的点。可以通过二次贝塞尔曲线进行搜索,二次贝塞尔曲线可以用方向forward和偏移量side两个参数进行描述，其中forward和side阈值可以在实际应用中根据实际情况进行选取。比如，调整二次贝塞尔曲线的方向forward和偏移量side，搜索某个起始点右侧20个像素，两侧角度不大于20°范围内的所有点，选取符合门缝特征的点。
示例的，forward∈[0，5]，side∈[0，5]，二次贝塞尔曲线的表达式如下：
B(t)＝po+tforward+t2side
其中，t为二次贝塞尔曲线的参数t∈(0，1)，po为一个检测点D0，另一个检测点D2为po+forward+side，控制点D1为po+0.5side。
如图7所示，将检测到的边缘线条分为多个D0到D2的线段，构造如上述的二次贝塞尔曲线，在边缘线中搜索符合门缝特征的点，该类点被选取为符合门缝要求的点。
在步骤S330中，可以获取门缝线条中水平线和竖直线的交点，作为舱门门槛端点。
通过步骤S320可以获得如图8所示的门缝，门缝包括水平线和竖直线可以通过线性拟合的方式，求取水平线和竖直线之间的交点，两条竖直线分别和水平线具有一个交点，将该两个交点S1和S2作为门槛的端点，该两个端点可以作为登机桥自动对接的识别点。
在步骤S140中，可以根据所述第一底部图像，计算飞机舱门门槛的空间位置。
根据所述第一底部图像，通过多目视觉三角方法计算飞机舱门门槛两个端点的空间位置，也即是其空间三维坐标。多目视觉三角方法是基于视差，由三角法原理进行三维信息的获取，即由两个或多个摄像机的图像平面和被测物体之间构成一个三角形。已知两个或多个摄像机之间的位置关系，便可以获得摄像机公共视场内物体的三维尺寸及空间物体特征点的三维坐标。
示例的，可以通过双目视觉计算飞机舱门门槛两个端点的空间位置。可以在登机桥上安装两个图像获取装置，比如摄像头，通过两个摄像头获取的飞机舱门的图像，计算飞机舱门门槛两个端点的空间位置。
进一步的，由于登机桥和飞机舱门对接是一个动态的过程，在飞机舱门识别过程中，可以动态识别，并不断修正保证飞机舱门识别的准确性，如图9所示，所述飞机舱门识别方法还可以包括：
步骤S150，根据所述第一底部图像，建立舱门底部模型；
步骤S160，更新目标飞机图像；
步骤S170，根据所述舱门底部模型，在更新后的目标飞机图像中搜索舱门底部图像，得到第二底部图像；
步骤S180，根据第二底部图像，更新飞机舱门门槛的空间位置。
步骤S190，比较第二底部图像和所述舱门底部模型的匹配度，当匹配度大于第一阈值时，以该第二底部图像为舱门底部图像，并基于此计算门槛端点新的空间坐标；
步骤S1100，当所述第二底部图像和所述舱门底部模型的匹配度一直无法达到第一阈值时，根据第二底部图像更新舱门底部模型。
在步骤S150中，可以根据所述第一底部图像，建立舱门底部模型。
其中，确定舱门底部区域之后，就需要建立舱门底部模型，这里需要通过自学习实现，在后续跟踪过程中逐步更新模型。由于舱门底部的边缘特性非常明显，因此舱门底部模型的建立可以利用边缘强度和方向来建立。飞机舱门底部模型可以如图10所示，建模完成的舱门底部模型为一平面，该平面中包括多个已知的点的信息，比如其在平面内的坐标，以及图像上的对比度和边缘方向等。
在建立飞机舱门底部模型时，可以通过双目视觉中的两个相机获取的图像的门槛附近区域进行立体匹配，采用open-cv的StereoSGBM算法实现。通过计算门槛及门缝线条上的多个点的空间坐标形成舱门底部模型，建模完成的舱门底部模型为一平面，该平面中包括多个已知的点的信息，比如其在平面内的坐标，以及图像上的对比度和边缘方向等。在进行立体匹配时，获得的多个点的空间坐标中，位于舱门平面的点保留作为模型中有效的点，不在舱门平面中的点舍弃。通过多个有效点建立飞机舱门底部模型。其中，和舱门平面距离小于等于距离阈值的点被认为位于舱门平面，和舱门平面距离大于距离阈值的点被认为位于舱门平面之外。比如，和舱门距离小于等于50毫米的点保留，和舱门距离大于50毫米的点舍弃。
在步骤S160中，更新目标飞机图像。
在登机桥接近飞机舱门的动态过程中，动态获取目标飞机的图像，比如可以对每一帧获取的目标飞机图像进行识别，也即是在每一帧更新一次目标飞机图像。当然在实际应用中也可以按照其他规则获取目标飞机的图像，比如每隔一秒或者多秒获取一次目标飞机的图像，本公开实施例对此不做具体限定。
步骤S170中，可以根据所述舱门底部模型，在更新后的目标飞机图像中搜索舱门底部图像，得到第二底部图像。
在登机桥动态靠近飞机舱门的过程中，建立舱门底部模型后，需要对舱门进行跟踪定位，对每一帧图像中对舱门底部位置进行更新，由于在实际中舱门的位置在图像中的变化是缓慢且连续的，在上一帧图像的位置附近搜索舱门底部特征，不仅效率高而且精度也高。在更新过程中，由于登机桥和飞机的相对位置在发生变化，则采集到的图像中，飞机舱门图像的图像尺寸会发生变化，在获取第二底部图像时，可以对图像进行放缩。比如，飞机和登机桥靠近时，可以对飞机舱门图像进行缩小，飞机和登机桥远离时，可以对飞机舱门图像进行放大。放大或缩小的倍数可以通过飞机和登机桥之间距离的变化量计算，比如根据其二者之间的相对速度，以及图像更新的时间间隔等计算。或者可以采用图像金字塔，遍历多个缩放尺度，比如0.8到1.2倍。
在首次获取到舱门底部图像和舱门底部模型之后，在下一帧中图像中的当前舱门区域附近遍历搜索舱门底部图像，如果没有找到舱门底部图像，就扩大搜索范围，降低匹配度要求，如果连续3帧仍然没有找到舱门底部图像，就报告跟踪失败然后结束跟踪定位任务，结束后可重新寻找舱门信息。
在步骤S180中，根据第二底部图像，更新飞机舱门门槛的空间位置，包括：
利用所述舱门底部模型，在第二底部图像中搜索舱门门槛端点；
计算所述舱门门槛端点的空间位置。
其中，对于同一架飞机，其舱门门槛端点的位置在飞机上是不变的，也即是其在飞机图像上也是不变的，可以在第二底部图像中根据舱门底部模型匹配舱门门槛端点。在第二底部图像中搜索到舱门门槛端点后，计算该两个舱门门槛端点的空间位置。
通过舱门底部模型更新舱门门槛端点的空间位置，能够减少在登机桥持续靠近飞机过程中更新舱门门槛端点的空间位置的计算量，提高响应速度。
需要说明的是，在登机桥靠近舱门的过程中，更新目标飞机图像和更新舱门门槛端点空间位置是持续的，比如，可以是间隔指定时间更新一次，比如0.2秒、0.5秒、1秒、3秒、4秒、10秒等。
在步骤S190中，当找到舱门底部图像也即是第二底部图像时，比较第二底部图像和所述舱门底部模型的匹配度。
在步骤S1100，当所述第二底部图像和所述舱门底部模型的匹配度小于第一阈值时，根据第二底部图像更新舱门底部模型。第一阈值可以根据实际检测情况确定，比如，如果匹配度小于0.9，就重新学习模型并更新模型，同时记录并输出新的模型和舱门底部位置信息，用于下一帧检测。
进一步的在步骤S1100之后，所述飞机舱门识别方法还包括：判断是否接收到停止指令；当接收到停止指令时，停止飞机舱门识别；当没有接收到停止指令时，更新目标飞机图像，直至接收到停止指令。其中，该停止指令用于控制停止识别飞机舱门，比如，在登机桥已完成和飞机舱门的对接后，通过停止指令停止飞机舱门识别。
进一步的，为了保证在进行图像识别时，目标飞机图像的清晰度，在步骤S110之前，所述飞机舱门识别方法还包括：对所述目标飞机图像进行降噪处理。
对所述目标飞机图像进行降噪处理，包括：调节所述目标飞机图像的亮度；通过所述目标飞机图像的信噪比，判断所述目标飞机图像是否具有噪声；若飞机图像是否具有噪声，滤除所述噪声。
首先，如图11所示，对采集到的原始目标飞机图像进行亮度评估，调节目标飞机图像的亮度，使目标飞机图像的亮度达到最佳，然后再评估目标飞机图像的成像环境，对高对比度(如光线直射、反光、部分逆光等)、雨雪天气的目标飞机图像及雾霾天气的目标飞机图像进行甄别和处理，最终从预处理模块输出高质量的目标飞机图像，以提高后续步骤中对舱门的识别和定位的速度、可靠性和精度。
如图12所示，亮度调节的步骤如下：首先评价目标飞机图像亮度是否合格，如过亮，优先调节光源亮度，如果光源已关闭再调节(减少)成像设备的曝光时间，每次按照一定的细分量调节，直至目标飞机图像亮度符合要求，调节结束输出亮度符合要求的目标飞机图像，如果光源已关闭且曝光时间已调节至最短但目标飞机图像亮度仍然过亮，则输出过亮提示，结束调节。如过暗，亦优先调节光源亮度，如果光源已调节至最亮再调节(增加)成像设备的曝光时间，每次按照一定的细分量调节，直至目标飞机图像亮度符合要求，调节结束输出亮度符合要求的目标飞机图像，如果光源已调至最亮且曝光时间已调节至最长但目标飞机图像亮度仍然过暗，则输出过暗提示，结束调节。
亮度调节完毕之后，将对目标飞机图像进行进一步的处理，提高系统对全天候作业的适应性。首先，检测目标飞机图像的对比度，并对目标飞机图像进行优化和增强，以调高系统对于强烈阴影，局部照明等情况的处理能力。对比度检测的方法采用直方图分析，并对亮度分布异常的目标飞机图像进行直方图均衡处理，得到优化后的目标飞机图像，强光和逆光部分的细节都能得到较好的表现。雨雪在目标飞机图像中可认为是校验噪声，通过信噪比可以识别出是否属于雨雪目标飞机图像，然后通过中值滤波即可滤除大部分的雨雪引入的噪声干扰。雾和霾对目标飞机图像的影响是会降低目标飞机图像的清晰度，锐度，通过引导滤波可以得到很好的恢复。
经过预处理之后，目标飞机图像已经能够表现飞机舱门信息了，接下来就寻找舱门。开始的时候，系统并不知道舱门在目标飞机图像中的位置，所以要先从目标飞机图像中把舱门识别出来，才可以进行空间位置检测。一旦检测并确认舱门后，定位就可以只关注舱门特征信息最丰富且位置信息最关键的舱门底部的两个角落，并持续对该部分的目标飞机图像位置进行跟踪，缩小目标飞机图像处理的区域，提高速度和精度。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
本公开实施例还提供一种飞机舱门识别装置，如图13所示，所述飞机舱门识别装置900包括：
获取单元910，用于获取目标飞机图像；
第一识别单元920，用于根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域；
第二识别单元930，用于根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像；
计算单元940，用于根据所述第一底部图像，计算飞机舱门门槛的空间位置。
上述中各飞机舱门识别装置模块的具体细节已经在对应的飞机舱门识别方法中进行了详细的描述，因此此处不再赘述。
应当注意，尽管在上文详细描述中提及了飞机舱门识别装置的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。
下面参照图14来描述根据本发明的这种实施例的电子设备100。图10显示的电子设备100仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图14所示，电子设备100以通用计算设备的形式表现。电子设备100的组件可以包括但不限于：上述至少一个处理单元110、上述至少一个存储单元120、连接不同系统组件(包括存储单元120和处理单元110)的总线130、显示单元140。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元110执行，使得所述处理单元110执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
存储单元120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)1201和/或高速缓存存储单元1202，还可以进一步包括只读存储单元(ROM)1203。
存储单元120还可以包括具有一组(至少一个)程序模块1205的程序/实用工具1204，这样的程序模块1205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备100也可以与一个或多个外部设备170(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备100交互的设备通信，和/或与使得该电子设备100能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口150进行。并且，电子设备100还可以通过网络适配器160与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器140通过总线130与电子设备100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。
参考图15所示，描述了根据本发明的实施例的用于实现上述方法的程序产品1100，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (13)

1.一种飞机舱门识别方法，其特征在于，所述飞机舱门识别方法包括：
获取目标飞机图像；
根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域；
根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像；
根据所述第一底部图像，计算飞机舱门门槛的空间位置；
其中，根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域，包括：对目标飞机图像进行边缘检测，得到多条边缘线条；提取多条边缘线条中和第一方向平行的线条；计算多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距；根据多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距，确定目标飞机图像中的舱门感兴趣区域。
2.如权利要求1所述的飞机舱门识别方法，其特征在于，所述飞机舱门识别方法还包括：
根据所述第一底部图像，建立舱门底部模型；
更新目标飞机图像；
根据所述舱门底部模型，在更新后的目标飞机图像中搜索舱门底部图像，得到第二底部图像；
根据第二底部图像，更新飞机舱门门槛的空间位置。
3.如权利要求2所述的飞机舱门识别方法，其特征在于，所述飞机舱门识别方法还包括：
比较第二底部图像和所述舱门底部模型的匹配度；
当所述第二底部图像和所述舱门底部模型的匹配度小于第一阈值时，根据第二底部图像更新舱门底部模型。
4.如权利要求3所述的飞机舱门识别方法，其特征在于，当所述第二底部图像和所述舱门底部模型的匹配度小于第一阈值时，根据第二底部图像更新舱门底部模型之后，还包括：
判断是否接收到停止指令；
当接收到停止指令时，停止飞机舱门识别；
当没有接收到停止指令时，更新目标飞机图像，直至接收到停止指令。
5.如权利要求1所述的飞机舱门识别方法，其特征在于，根据多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距，确定目标飞机图像中的舱门感兴趣区域，包括：
比较舱门沿第一方向的长度和多条和第一方向平行的线条的长度，以及比较舱门垂直于第一方向的长度和多条和第一方向平行的线条中任意两条之间的间距；
当多条和第一方向平行的线条中两条线条的长度和舱门沿第一方向的长度匹配，并且所述两条线条的间距和舱门垂直于第一方向的长度匹配，确定所述两条线条之间的区域为舱门感兴趣区域。
6.如权利要求2所述的飞机舱门识别方法，其特征在于，所述根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像，包括：
在所述舱门感兴趣区域中识别舱门门槛，并标记舱门门槛顶部中心点作为识别点；
在所述识别点的两侧的图像中搜索门缝线条；
获取门缝线条中水平线和竖直线的交点，作为舱门门槛端点。
7.如权利要求6所述的飞机舱门识别方法，其特征在于，所述根据第二底部图像，更新飞机舱门门槛的空间位置，包括：
利用所述舱门底部模型，在第二底部图像中搜索舱门门槛端点；
计算所述舱门门槛端点的空间位置。
8.如权利要求1所述的飞机舱门识别方法，其特征在于，所述根据所述第一底部图像，计算飞机舱门门槛的空间位置，包括：
根据所述第一底部图像，通过多目视觉三角方法计算飞机舱门门槛两个端点的空间位置。
9.如权利要求1所述的飞机舱门识别方法，其特征在于，所述根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域之前，还包括：
对所述目标飞机图像进行降噪处理。
10.如权利要求8所述的飞机舱门识别方法，其特征在于，对所述目标飞机图像进行降噪处理，包括：
调节所述目标飞机图像的亮度；
通过所述目标飞机图像的信噪比，判断所述目标飞机图像是否具有噪声；
若飞机图像是否具有噪声，滤除所述噪声。
11.一种飞机舱门识别装置，其特征在于，所述飞机舱门识别装置包括：
获取单元，用于获取目标飞机图像；
第一识别单元，用于根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域；
第二识别单元，用于根据飞机舱门底部特征，在所述舱门感兴趣区域中识别舱门的底部，得到第一底部图像；
计算单元，用于根据所述第一底部图像，计算飞机舱门门槛的空间位置；
其中，根据飞机舱门特征，识别所述目标飞机图像中的舱门感兴趣区域，包括：
对目标飞机图像进行边缘检测，得到多条边缘线条；
提取多条边缘线条中和第一方向平行的线条；
计算多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距；
根据多条和第一方向平行的线条的长度以及多条和第一方向平行的线条中任意两条之间的间距，确定目标飞机图像中的舱门感兴趣区域。
12.一种电子设备，其特征在于，包括
处理器；以及
存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据权利要求1至10中任一项所述的方法。
13.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至10中任一项所述方法。
CN201910482724.7A 2019-06-04 2019-06-04 飞机舱门识别方法及装置、电子设备以及存储介质 Active CN112036399B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910482724.7A CN112036399B (zh) 2019-06-04 2019-06-04 飞机舱门识别方法及装置、电子设备以及存储介质
PCT/CN2020/094224 WO2020244558A1 (en) 2019-06-04 2020-06-03 Method for identifying aircraft door, apparatus, electronic device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910482724.7A CN112036399B (zh) 2019-06-04 2019-06-04 飞机舱门识别方法及装置、电子设备以及存储介质

Publications (2)

Publication Number Publication Date
CN112036399A CN112036399A (zh) 2020-12-04
CN112036399B true CN112036399B (zh) 2024-01-26

Family

ID=73576146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910482724.7A Active CN112036399B (zh) 2019-06-04 2019-06-04 飞机舱门识别方法及装置、电子设备以及存储介质

Country Status (2)

Country Link
CN (1) CN112036399B (zh)
WO (1) WO2020244558A1 (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1639003A (zh) * 2002-02-27 2005-07-13 英达尔技术公司 自动与飞机停靠在一起的旅客登机桥或类似装置的成像系统
CN202828101U (zh) * 2012-06-11 2013-03-27 深圳中集天达空港设备有限公司 一种登机桥及其图像数据采集装置
CN103419944A (zh) * 2012-05-25 2013-12-04 深圳中集天达空港设备有限公司 一种登机桥及其自动靠接方法
CN109153459A (zh) * 2016-05-17 2019-01-04 蒂森克虏伯电梯创新中心股份公司 用于将乘客登机桥定位在飞机上的方法
WO2019012648A1 (ja) * 2017-07-13 2019-01-17 新明和工業株式会社 旅客搭乗橋
JP6502570B1 (ja) * 2018-10-26 2019-04-17 三菱重工交通機器エンジニアリング株式会社 ボーディングブリッジ及びボーディングブリッジ制御装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7120959B2 (en) * 2004-10-05 2006-10-17 Dew Engineering And Development Limited Automated elevational adjustment of passenger loading bridge
US9824290B2 (en) * 2015-02-10 2017-11-21 nearmap australia pty ltd. Corridor capture
CA2996110A1 (en) * 2016-08-15 2018-02-22 Singapore Technologies Dynamics Pte Ltd Automatic passenger boarding bridge docking system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1639003A (zh) * 2002-02-27 2005-07-13 英达尔技术公司 自动与飞机停靠在一起的旅客登机桥或类似装置的成像系统
CN103419944A (zh) * 2012-05-25 2013-12-04 深圳中集天达空港设备有限公司 一种登机桥及其自动靠接方法
CN202828101U (zh) * 2012-06-11 2013-03-27 深圳中集天达空港设备有限公司 一种登机桥及其图像数据采集装置
CN109153459A (zh) * 2016-05-17 2019-01-04 蒂森克虏伯电梯创新中心股份公司 用于将乘客登机桥定位在飞机上的方法
WO2019012648A1 (ja) * 2017-07-13 2019-01-17 新明和工業株式会社 旅客搭乗橋
JP6502570B1 (ja) * 2018-10-26 2019-04-17 三菱重工交通機器エンジニアリング株式会社 ボーディングブリッジ及びボーディングブリッジ制御装置

Also Published As

Publication number Publication date
CN112036399A (zh) 2020-12-04
WO2020244558A1 (en) 2020-12-10

Similar Documents

Publication Publication Date Title
US10255520B2 (en) System and method for aircraft docking guidance and aircraft type identification
US10290219B2 (en) Machine vision-based method and system for aircraft docking guidance and aircraft type identification
CA2950791C (en) Binocular visual navigation system and method based on power robot
EP2096602B1 (en) Methods and apparatus for runway segmentation using sensor analysis
US20140348390A1 (en) Method and apparatus for detecting traffic monitoring video
KR101569919B1 (ko) 차량의 위치 추정 장치 및 방법
CN104834889A (zh) 标志线检测系统和标志线检测方法
CN110276293B (zh) 车道线检测方法、装置、电子设备及存储介质
KR20110047797A (ko) 이동 로봇의 위치 인식을 위한 지도 생성 및 갱신 방법
CN113835102B (zh) 车道线生成方法和装置
KR20150112656A (ko) 카메라 캘리브레이션 방법 및 그 장치
CN109740526B (zh) 信号灯识别方法、装置、设备及介质
WO2020244591A1 (en) Method for docking boarding bridge with aircraft, electronic equipment and storage medium
CN110322508B (zh) 一种基于计算机视觉的辅助定位方法
CN112036399B (zh) 飞机舱门识别方法及装置、电子设备以及存储介质
CN111563916B (zh) 基于立体视觉的长时无人机跟踪定位方法、系统、装置
CN103544495A (zh) 一种识别图像类别的方法及系统
WO1996009207A1 (en) Autonomous video-based aircraft docking system, apparatus, and method
CN109032125B (zh) 一种视觉agv的导航方法
CN115953759A (zh) 对车位限位器的检测方法、装置、电子设备及存储介质
CN111376904B (zh) 一种自动跟车方法及装置
CN113793373A (zh) 一种能见度检测方法、装置、设备及介质
CN117152071A (zh) 一种基于自动驾驶车辆的路面坑槽检测方法和装置
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN117152210B (zh) 基于动态观测视场角的图像动态追踪方法及相关装置

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210608

Address after: 518103 No.9, Fuyuan 2nd Road, Fuyong street, Bao'an District, Shenzhen City, Guangdong Province

Applicant after: SHENZHEN CIMC-TIANDA AIRPORT SUPPORT Co.,Ltd.

Address before: 518103 No.9, Fuyuan 2nd Road, Fuyong street, Bao'an District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN CIMC-TIANDA AIRPORT SUPPORT Co.,Ltd.

Applicant before: CHINA INTERNATIONAL MARINE CONTAINERS (GROUP) Ltd.

Applicant before: CIMC TIANDA HOLDING (SHENZHEN) Ltd.

GR01 Patent grant
GR01 Patent grant