CN112949548A - 一种民航停机坪上的轮档摆放规范的自动识别方法 - Google Patents
一种民航停机坪上的轮档摆放规范的自动识别方法 Download PDFInfo
- Publication number
- CN112949548A CN112949548A CN202110295767.1A CN202110295767A CN112949548A CN 112949548 A CN112949548 A CN 112949548A CN 202110295767 A CN202110295767 A CN 202110295767A CN 112949548 A CN112949548 A CN 112949548A
- Authority
- CN
- China
- Prior art keywords
- airplane
- wheel
- airplane wheel
- detecting
- placement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000003086 colorant Substances 0.000 claims abstract description 11
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 239000011248 coating agent Substances 0.000 claims description 12
- 238000000576 coating method Methods 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000004140 cleaning Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种民航停机坪上的轮档摆放规范的自动识别方法,将飞机轮挡制作成具有反光标识、颜色为荧光黄和荧光绿相间,当飞机停稳后,使用深度学习定位飞机各机轮位置,之后检测机轮及机轮周围区域是否存在轮挡,当检测到该区域存在飞机轮挡时,则判断飞机轮挡放置完成,并上报飞机轮挡放置时间节点;包括以下步骤:步骤一:使用具有反光标识,颜色为荧光黄和荧光绿相间的飞机轮挡;步骤二:检测并定位各飞机机轮位置;步骤三:检测机轮区域是否有轮挡;步骤四:当检测识别机轮附近存在飞机轮挡后,上报时间节点;本发明通过视频分析和深度学习算法,自动检测和识别飞机轮挡,判断飞机轮挡是否摆放规范并上报飞机轮挡摆放完成时间节点。
Description
技术领域
本发明涉及一种飞机轮档摆放自动识别方法,具体涉及一种民航停机坪上的轮档摆放规范的自动识别方法。
背景技术
现有技术中飞机溜逸是航空中常见的惯性事故,它是飞机停靠时,在外力或自身重力作用下发生溜动而失去控制的现象。不同型号、规格的飞机适配不同的轮挡,飞机溜逸造成的事故在各类航空事故中占有相当大的比重,危害性极大;在飞机停放后,无法自动检测和识别飞机轮挡是否摆放规范并上报飞机轮挡摆放完成时间节点,需要驾驶员或管理人员观察并确保飞行器作业的规范性及安全性,需要耗费大量的时间。
发明内容
本发明所要解决的技术问题是提供了一种民航停机坪上的轮档摆放规范的自动识别方法,自动检测和识别具有反光标识,颜色为荧光黄和荧光绿相间的飞机轮挡的方法,解决传统飞机在停放时,飞机轮挡难以检测和识别的问题。
本发明民航停机坪上的轮档摆放规范的自动识别方法是通过以下技术方案来实现的:包括将飞机轮挡制作成具有反光标识、颜色为荧光黄和荧光绿相间,当飞机停稳后,使用深度学习定位飞机各机轮位置,之后检测机轮及机轮周围区域是否存在轮挡,当检测到该区域存在飞机轮挡时,则判断飞机轮挡放置完成,并上报飞机轮挡放置时间节点;
包括以下步骤:
步骤一:使用具有反光标识,颜色为荧光黄和荧光绿相间的飞机轮挡;
步骤二:检测并定位各飞机机轮位置;
步骤三:检测机轮区域是否有轮挡;
步骤四:当检测识别机轮附近存在飞机轮挡后,上报时间节点;
作为优选的技术方案,制作具有反光标识、颜色为荧光黄和荧光绿相间的飞机轮挡,该轮挡易于检测和识别,制作方法如下:
将飞机轮挡一分为二,将上半部的各个侧面涂上具有反光标识的荧光绿颜色,上半部的三角形区域涂上具有反光标识的荧光黄颜色;将下半部的各个侧面涂上具有反光标识的荧光黄颜色,下半部的三角形区域涂上具有反光标识的荧光绿颜色。
作为优选的技术方案,检测并定位各飞机机轮位置,飞机机轮定位方法如下:
标注飞机机轮数据,并采用TensorFlow框架搭建级联分类器MTCNN;然后清洗和增强机轮数据,调整模型参数,完成模型训练,最后获得一个针对机轮检测和识别MTCNN级联分类器。
作为优选的技术方案,检测机轮区域是否有轮挡,识别方式如下:
标注和制作飞机轮挡数据,并采用TensorFlow框架搭建RetinaNet模型主干网络选择resnet-18网络;然后清洗和增强飞机轮挡数据,调整模型参数,完成模型训练,最后获得一个针对飞机轮挡检测和识别RetinaNet模型。
本发明的有益效果是:本发明通过视频分析和深度学习算法,自动检测和识别飞机轮挡,判断飞机轮挡是否摆放规范并上报飞机轮挡摆放完成时间节点,确保飞行器作业的规范性及安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明轮挡侧视图一;
图2为本发明轮挡侧视图二;
图3为本发明轮挡俯视图;
图4为本发明自动生成轮挡监视区域的原理图;
图5为本发明自动检测识别飞机轮挡的原理图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
在本发明的描述中,需要理解的是,术语“一端”、“另一端”、“外侧”、“上”、“内侧”、“水平”、“同轴”、“中央”、“端部”、“长度”、“外端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
本发明使用的例如“上”、“上方”、“下”、“下方”等表示空间相对位置的术语是出于便于说明的目的来描述如附图中所示的一个单元或特征相对于另一个单元或特征的关系。空间相对位置的术语可以旨在包括设备在使用或工作中除了图中所示方位以外的不同方位。例如,如果将图中的设备翻转,则被描述为位于其他单元或特征“下方”或“之下”的单元将位于其他单元或特征“上方”。因此,示例性术语“下方”可以囊括上方和下方这两种方位。设备可以以其他方式被定向(旋转90度或其他朝向),并相应地解释本文使用的与空间相关的描述语。
在本发明中,除非另有明确的规定和限定,术语“设置”、“套接”、“连接”、“贯穿”、“插接”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
如图1-图5所示,本发明的一种民航停机坪上的轮档摆放规范的自动识别方法,包括将飞机轮挡制作成具有反光标识、颜色为荧光黄和荧光绿相间,当飞机停稳后,使用深度学习定位飞机各机轮位置,之后检测机轮及机轮周围区域是否存在轮挡,当检测到该区域存在飞机轮挡时,则判断飞机轮挡放置完成,并上报飞机轮挡放置时间节点;
包括以下步骤:
步骤一:使用具有反光标识,颜色为荧光黄和荧光绿相间的飞机轮挡;
步骤二:检测并定位各飞机机轮位置;
步骤三:检测机轮区域是否有轮挡;
步骤四:当检测识别机轮附近存在飞机轮挡后,上报时间节点;
本实施例中,制作具有反光标识、颜色为荧光黄和荧光绿相间的飞机轮挡,该轮挡易于检测和识别,制作方法如下:
将飞机轮挡一分为二,将上半部的各个侧面涂上具有反光标识的荧光绿颜色,上半部的三角形区域涂上具有反光标识的荧光黄颜色;将下半部的各个侧面涂上具有反光标识的荧光黄颜色,下半部的三角形区域涂上具有反光标识的荧光绿颜色。
本实施例中,检测并定位各飞机机轮位置,飞机机轮定位方法如下:
标注飞机机轮数据,并采用TensorFlow框架搭建级联分类器MTCNN;然后清洗和增强机轮数据,调整模型参数,完成模型训练,最后获得一个针对机轮检测和识别MTCNN级联分类器。
本实施例中,检测机轮区域是否有轮挡,识别方式如下:
标注和制作飞机轮挡数据,并采用TensorFlow框架搭建RetinaNet模型主干网络选择resnet-18网络;然后清洗和增强飞机轮挡数据,调整模型参数,完成模型训练,最后获得一个针对飞机轮挡检测和识别RetinaNet模型。
本实施例中,飞机轮挡采用具有反光标识、颜色为荧光黄和荧光绿相间,当然飞机轮挡也可以采用其他一种或多种的具有高辨识度的颜色。
工作过程如下:
将飞机轮挡设置为具有反光标识,颜色为荧光黄和荧光绿相间,飞机停稳后通过MTCNN检测飞机各机轮位置和大小,通过计算获取飞机轮挡监视区域;通过获取飞机轮挡监视区域图像,然后RetinaNet模型检测识别轮挡,判断是否存在轮挡,判断为存在时,上报飞机轮挡摆放完成时间节点,判断为不存在时,回到获取飞机轮挡监视区域图像步骤。
本发明的有益效果是:本发明通过视频分析和深度学习算法,自动检测和识别飞机轮挡,判断飞机轮挡是否摆放规范并上报飞机轮挡摆放完成时间节点,确保飞行器作业的规范性及安全性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
Claims (4)
1.一种民航停机坪上的轮档摆放规范的自动识别方法,其特征在于,包括将飞机轮挡制作成具有反光标识、颜色为荧光黄和荧光绿相间,当飞机停稳后,使用深度学习定位飞机各机轮位置,之后检测机轮及机轮周围区域是否存在轮挡,当检测到该区域存在飞机轮挡时,则判断飞机轮挡放置完成,并上报飞机轮挡放置时间节点;
具体步骤如下:
步骤一:使用具有反光标识,颜色为荧光黄和荧光绿相间的飞机轮挡;
步骤二:检测并定位各飞机机轮位置;
步骤三:检测机轮区域是否有轮挡;
步骤四:当检测识别机轮附近存在飞机轮挡后,上报时间节点。
2.根据权利要求1所述的民航停机坪上的轮档摆放规范的自动识别方法,其特征在于:制作具有反光标识、颜色为荧光黄和荧光绿相间的飞机轮挡,该轮挡易于检测和识别,制作方法如下:
将飞机轮挡一分为二,将上半部的各个侧面涂上具有反光标识的荧光绿颜色,上半部的三角形区域涂上具有反光标识的荧光黄颜色;将下半部的各个侧面涂上具有反光标识的荧光黄颜色,下半部的三角形区域涂上具有反光标识的荧光绿颜色。
3.根据权利要求1所述的民航停机坪上的轮档摆放规范的自动识别方法,其特征在于:所述检测并定位各飞机机轮位置,飞机机轮定位方法如下:
标注飞机机轮数据,并采用TensorFlow框架搭建级联分类器MTCNN;然后清洗和增强机轮数据,调整模型参数,完成模型训练,最后获得一个针对机轮检测和识别MTCNN级联分类器。
4.根据权利要求1所述的民航停机坪上的轮档摆放规范的自动识别方法,其特征在于:所述检测机轮区域是否有轮挡,识别方式如下:
标注和制作飞机轮挡数据,并采用TensorFlow框架搭建RetinaNet模型主干网络选择resnet-18网络;然后清洗和增强飞机轮挡数据,调整模型参数,完成模型训练,最后获得一个针对飞机轮挡检测和识别RetinaNet模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110295767.1A CN112949548A (zh) | 2021-03-19 | 2021-03-19 | 一种民航停机坪上的轮档摆放规范的自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110295767.1A CN112949548A (zh) | 2021-03-19 | 2021-03-19 | 一种民航停机坪上的轮档摆放规范的自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112949548A true CN112949548A (zh) | 2021-06-11 |
Family
ID=76226939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110295767.1A Pending CN112949548A (zh) | 2021-03-19 | 2021-03-19 | 一种民航停机坪上的轮档摆放规范的自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112949548A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150142218A1 (en) * | 2013-11-20 | 2015-05-21 | Unibase Information Corp. | Guiding method for aircraft docking process |
CN104966045A (zh) * | 2015-04-02 | 2015-10-07 | 北京天睿空间科技有限公司 | 一种基于视频的飞机进出泊位自动检测方法 |
CN109040708A (zh) * | 2018-09-20 | 2018-12-18 | 珠海瑞天安科技发展有限公司 | 一种基于全景视频的飞机坪监控方法及系统 |
CN110647940A (zh) * | 2019-09-25 | 2020-01-03 | 捻果科技(深圳)有限公司 | 一种视频分析和深度学习的机场机坪外来人员监控方法 |
CN111428684A (zh) * | 2020-04-13 | 2020-07-17 | 捻果科技(深圳)有限公司 | 一种机场停机坪作业人员作业规范及数量的自动识别方法 |
-
2021
- 2021-03-19 CN CN202110295767.1A patent/CN112949548A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150142218A1 (en) * | 2013-11-20 | 2015-05-21 | Unibase Information Corp. | Guiding method for aircraft docking process |
CN104966045A (zh) * | 2015-04-02 | 2015-10-07 | 北京天睿空间科技有限公司 | 一种基于视频的飞机进出泊位自动检测方法 |
CN109040708A (zh) * | 2018-09-20 | 2018-12-18 | 珠海瑞天安科技发展有限公司 | 一种基于全景视频的飞机坪监控方法及系统 |
CN110647940A (zh) * | 2019-09-25 | 2020-01-03 | 捻果科技(深圳)有限公司 | 一种视频分析和深度学习的机场机坪外来人员监控方法 |
CN111428684A (zh) * | 2020-04-13 | 2020-07-17 | 捻果科技(深圳)有限公司 | 一种机场停机坪作业人员作业规范及数量的自动识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110610592B (zh) | 一种视频分析和深度学习的机坪安全运行监控方法 | |
CN108492584A (zh) | 一种基于智慧灯杆的交通事故警示方法及装置 | |
CN103150556A (zh) | 用于道路交通监控的安全带自动检测方法 | |
AU2012200537A1 (en) | Parking lot | |
CN102976210A (zh) | 电力施工装备的安全距离检测预警装置和方法 | |
CN107578012A (zh) | 一种基于聚类算法选择敏感区域的驾驶辅助系统 | |
CN112466159B (zh) | 一种大型车辆右转弯安全性预警系统 | |
CN112949548A (zh) | 一种民航停机坪上的轮档摆放规范的自动识别方法 | |
CN206524009U (zh) | 一种停车场空车位指示系统 | |
CN114966577A (zh) | 一种车辆用摄像头和雷达控制器标定系统 | |
Bham et al. | Younger driver's evaluation of vehicle mounted attenuator markings in work zones using a driving simulator | |
CN211108052U (zh) | 一种飞机轮挡及飞机轮挡管理系统 | |
CN211171719U (zh) | 一种停车场闸机警示系统 | |
CN109094371A (zh) | 一种电动汽车应急救助系统及方法 | |
CN106530822B (zh) | 一种车辆监测方法及系统 | |
CN109341635A (zh) | 一种标识结构安全智能监测报警系统及方法 | |
CN110647940A (zh) | 一种视频分析和深度学习的机场机坪外来人员监控方法 | |
CN106050122A (zh) | 一种智能化电力维修梯架 | |
CN103279823A (zh) | 车辆轮轴检修工序的检测方法及系统 | |
CN109741625A (zh) | 一种用于停车场的监拍识别设备及其监拍识别方法 | |
CN211006441U (zh) | 一种具有实时报警功能的施工用路障设备 | |
CN106408998B (zh) | 基于蓝牙电子车位牌的智能停车管理系统及管理方法 | |
DE202017007122U1 (de) | Parkplatzüberwachungssystem | |
CN209625441U (zh) | 基于多种信息融合的车辆通过性报警装置 | |
CN208105128U (zh) | 一种智能高速道闸设备 |
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 |