CN113408415B - 基于图像识别技术机场能见度与跑道视程的探测与显示方法 - Google Patents

基于图像识别技术机场能见度与跑道视程的探测与显示方法 Download PDF

Info

Publication number
CN113408415B
CN113408415B CN202110679498.9A CN202110679498A CN113408415B CN 113408415 B CN113408415 B CN 113408415B CN 202110679498 A CN202110679498 A CN 202110679498A CN 113408415 B CN113408415 B CN 113408415B
Authority
CN
China
Prior art keywords
mor
visibility
value
target
formula
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
CN202110679498.9A
Other languages
English (en)
Other versions
CN113408415A (zh
Inventor
于佳松
郭志刚
肇启锋
谭贵斌
韩夏清
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.)
China Civil Aviation Dalian Air Traffic Management Station
Original Assignee
China Civil Aviation Dalian Air Traffic Management Station
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 China Civil Aviation Dalian Air Traffic Management Station filed Critical China Civil Aviation Dalian Air Traffic Management Station
Priority to CN202110679498.9A priority Critical patent/CN113408415B/zh
Publication of CN113408415A publication Critical patent/CN113408415A/zh
Application granted granted Critical
Publication of CN113408415B publication Critical patent/CN113408415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及基于图像识别技术机场能见度与跑道视程的探测与显示方法，包括以下步骤：步骤S1、通过工业相机拍摄照片，并把照片存储；在YUV空间中，每一个颜色有一个亮度信号Y；步骤S2、选取距离为X的目标区域，计算区域内像素并算出Y；步骤S3、根据S2中的参数Y，利用公式算出目标区明暗对比参数C；步骤S4、推导出MOR与目标距离X和明暗对比参数C之间的关系式；步骤S5、利用S4中的关系式，步骤S3中的明暗对比参数和目标距离，实时计算MOR；步骤S6、对步骤S5中的MOR值进行优化，本发明具有精度高、成本低的优点。

Description

基于图像识别技术机场能见度与跑道视程的探测与显示方法
技术领域
本发明涉及基于图像识别技术机场能见度与跑道视程的探测与显示方法的技术领域，尤其是基于图像识别技术机场能见度与跑道视程的探测与显示方法。
背景技术
机场能见度（MOR）是指视力正常的人在当时天气条件下，能从天空背景中看到和辨认出目标物（黑色、大小适度）轮廓的最大水平距离；夜间则是能看到和确定出一定强度灯光的发光点的最大水平距离。跑道视程（Runway Visual Range，简称RVR）是指在跑道中线，航空器上的飞行员能看到跑道面上的标志或跑道边界灯或中线灯的距离。由于人工观测的精度和连贯性低，在实际业务工作中不实行人工观测。为了满足对能见度和跑道视程变化信息快速更新的需要，用仪表方式对能见度和跑道视程进行估算是目前最主要的观测方法。能见度与跑道视程都是航空器起飞和着陆中最重要的气象要素。
现有技术存在以下问题。
1、现有的测量技术手段，在提供器测能见度和跑道视程时，进行了多步计算和多次估算，视觉照度阈与背景亮度的关系为经验关系，测量结果不准确。
2、测量方法与能见度和跑道视程的定义存在偏差，容易造成误差。传统的能见度检测方法主要利用大气透射仪和前向散射仪探测大气消光系数，从而获得能见度。这两种探测仪器的探测方法都是利用检测小范围内空气，计算能见度来估计全局能见度，存在一定的局限性。
3、造价高单个大气投射仪造价在100万左右，前向散射仪造价在50万左右。
4、显示和使用不直观。在空中交通管制过程中，管制员使用机场能见度和跑道视程过程中，只有数值显示，不能直接看到跑道的具体状况。
发明内容
本发明的目的在于提供基于图像识别技术机场能见度与跑道视程的探测与显示方法。
为了解决上述问题，本发明提供基于图像识别技术机场能见度与跑道视程的探测与显示方法，所述机场能见度为MOR；跑道视程为RVR，所述MOR和RVR的计算方法一致；
所述MOR和RVR通过以下步骤计算：
步骤S1、通过工业相机拍摄照片，并把照片存储，存储模式为RGB彩色模式；选取照片内目标区域，然后采用YUV彩色模型进行照片像素分析；在YUV空间中，每一个颜色有一个亮度信号Y。
步骤S2、选取目标区域内所有像素亮度点算出平均值Y0，选取目标区域内像素亮度最大的100个点，并算出平均值Ymax；选取目标区域内像素亮度最小的100个点，并算出平均值Ymin。
步骤S3、根据S2中的参数，利用公式一算出目标区明暗对比参数C夜间；
公式一。
根据S2中的参数，利用公式二算出目标区域明暗对比参数C白天；
公式二。
步骤S4、白天能见度是指视力正常的人，在当时天气条件下，能从天空背景中看到和辨认出目标物轮廓的最大水平距离，对比感阈为0.05；根据柯西米德定律，一个物体与这个可视物体背景的对比可以用物体和背景之间亮度的对比来表示，对于一个已知的亮度对比，其可视亮度对比（Cx）与其固有亮度对比（C0）之间的关系用柯西米德定律表示为：
公式三。
其中T为大气透射系数，σ为消光系数，x为距离。
对于一个黑色物体，其与环境的固有亮度对比是一个整数，随着物体距离的增加，其可视亮度等于视觉对比感阈（ε）时，物体与观测点之间的距离x就是能看到该物体的最大距离，ICAO和世界气象组织（WMO）认为对能见度观测来讲，视觉对比感阈可以采用0.05；于是有：
公式四；
公式五。
其中，MOR就是气象光学视程；在白天，MOR可以用于表示机场能见度数值。
假设，通过照片提取得到的目标区域的明暗对比参数C夜间和C白天满足公式一，用C表示C夜间和C白天，则根据公式三和公式五得：
公式六。
两侧取对数得：
公式七。
其中，对于固定目标物C0和x可认为是固定常数，C0为大气层比较好时测出的固有亮度，X为物体与观测点之间的距离。
实验表明，表示目标区域的明暗对比的参数C的对数与1/MOR确实呈线性关系，即假设成立，因此根据公式七，MOR的计算公式如下：
公式八。
公式八为本发明核心计算公式。
其中，MOR为待计算的机场能见度或跑道视程；
C0与目标区域的特征有关，X与目标的距离有关，C值可以根据步骤S3中获取。
步骤S5、根据步骤S4中的公式八，计算实时的MOR，输出显示MOR，并输出显示照片。
步骤S6、对步骤S5中的MOR值进行优化；
采用多个距离的不同目标区域分别计算MOR，根据目标距离进行优化，并取平均值。
本发明提供的基于图像识别技术机场能见度与跑道视程的探测与显示方法，还具有以下技术特征：
进一步地，步骤S1中采用YUV彩色模型进行照片像素分析，在YUV彩色模型和RGB彩色模型的转换中，Y的计算方法如下：
公式九；
进一步地，工业相机选用靶面尺寸为4/3"，镜头分辨率为800万或更高的工业相机镜头与靶面尺寸为4/3"相机分辨率为800万或更高的工业相机配合使用。
本发明具有如下有益效果。
1、测量结果准确。本发明利用架设在机场跑道附近或跑道上的高分辨率长焦工业相机，模拟人工观测，实时采集机场周边或跑道上的照片，利用照片信息和相关公式，分析计算出机场能见度与跑道视程，并予以显示。与大气透射仪和前向散射仪相比，利用摄像头进行能见度探测的方法计算更简单，计算方法更符合于航空气象的规章规定。
2、测量范围广，不容易造成误差。利用长焦工业相机进行照片采集和数值计算过程中，收集的区域更广，目标物更多，计算的能见度更具有代表性，不容易产生误差。
3、造价低，单个工业相机及镜头和配套软件费用小于10万元。
4、显示和使用直观。在空中交通管制过程中，管制员使用机场能见度和跑道视程过程中，既可以看到显示的数值，也能直接看到跑道的具体状况。
附图说明
图1、本发明基于图像识别技术机场能见度与跑道视程的探测与显示方法的流程图。
图2、本发明基于图像识别技术机场能见度与跑道视程的探测与显示方法算法流程图。
图3、本发明工业相机拍摄照片示例及目标区域选择50mm焦距白天照片。
图4、本发明工业相机拍摄照片示例及目标区域选择35mm焦距白天照片。
图5、本发明工业相机拍摄照片示例及目标区域选择35mm焦距夜间照片
图6、本发明各个目标物C值与MOR随时间变化情况。
图7、本发明白天各个目标物C值负对数与MOR倒数散布图其中a图以跑道为目标物，b图以矮楼为目标物，c图以机库为目标物，d图以高楼为目标物，e图以塔为目标物。
图8、本发明白天各个目标物计算得到的MOR值与MOR真实值随时间变化情况。。
图9、本发明白天各个目标物优化后的MOR与MOR真实值随时间变化情况。
图10、本发明夜间目标区域C值负对数与MOR倒数散布图其中f图为左目标灯区域，g图为右目标灯区域。
图11、根据夜间目标区域计算得到的夜间MOR值与MOR真实值随时间变化情况。
图12、根据各个目标物计算得到的MOR值与MOR真实值随时间变化情况。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行，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，本领域普通技术人员在没有做出创造性劳动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。
实施例一。
如图1-2所示，基于图像识别技术机场能见度与跑道视程的探测与显示方法，包括以下步骤。
步骤S1、通过工业相机拍摄照片，并把照片存储，存储模式为RGB彩色模式；
选取照片内目标区域，然后采用YUV彩色模型进行照片像素分析；
在YUV空间中，每一个颜色有一个亮度信号Y；
其中，在YUV彩色模型和RGB彩色模型的转换中，Y的计算方法如下：
公式九；
步骤S2、选取目标区域内所有像素亮度点算出平均值Y0；
选取目标区域内像素亮度最大的100个点，并算出平均值Ymax；
选取目标区域内像素亮度最小的100个点，并算出平均值Ymin；
步骤S3、根据S2中的参数，利用公式一算出目标区明暗对比参数C夜间；
公式一；
根据S2中的参数，利用公式二算出目标区域明暗对比参数C白天；
公式二；
步骤S4、白天能见度是指视力正常的人，在当时天气条件下，能从天空背景中看到和辨认出目标物轮廓的最大水平距离，对比感阈为0.05；根据柯西米德定律，一个物体与这个可视物体背景的对比可以用物体和背景之间亮度的对比来表示，对于一个已知的亮度对比，其可视亮度对比（Cx）与其固有亮度对比（C0）之间的关系用柯西米德定律表示为：
公式三；
其中，T为大气透射系数，σ为消光系数，x为距离；
对于一个黑色物体，其与环境的固有亮度对比是一个整数，随着物体距离的增加，其可视亮度等于视觉对比感阈（ε）时，物体与观测点之间的距离x就是能看到该物体的最大距离；ICAO和世界气象组织WMO认为对能见度观测来讲，视觉对比感阈可以采用0.05；
于是有：
公式四；
公式五；
其中，MOR就是气象光学视程；
在白天，MOR可以用于表示机场能见度数值；
假设，通过照片提取得到的目标区域的明暗对比参数C夜间和C白天满足公式一，用C表示C夜间和C白天，则根据公式三和公式五得：
公式六；
两侧取对数得：
公式七；
其中，对于固定目标物C0和x可认为是固定常数，C0为大气层比较好时测出的固有亮度，X为物体与观测点之间的距离；
实验表明，表示目标区域的明暗对比的参数C的对数与1/MOR确实呈线性关系，即假设成立，因此根据公式七，MOR的计算公式如下：
公式八；
公式八为本发明核心计算公式；
其中，MOR为待计算的机场能见度；同时，MOR为跑道视程RVR；
C0为大气层比较好时测出的固有亮度，X为物体与观测点之间的距离，C值可以根据步骤S3中获取；
步骤S5、根据步骤S4中的公式八，计算实时的MOR，输出显示MOR，并输出显示照片；
步骤S6、对步骤S5中的MOR值进行优化；
采用多个距离的不同目标区域分别计算MOR，根据目标距离进行优化，并取平均值。
其中，工业相机选用CCD工业相机，其中选用靶面尺寸为4/3"，镜头分辨率为800万或更高的工业相机镜头与靶面尺寸为4/3"相机分辨率为800万或更高的工业相机配合使用。
实施例二。
本发明根据某机场多个目标物作为观测目标区域，利用固定位置、焦距和光圈的照相机每10分钟抓拍一张照片，在计算白天能见度时，可用时次286个，照片574张。在计算夜晚能见度时，使用35mm镜头工业相机拍摄的照片，根据机场背景亮度，选取某机场自动观测系统中观测到背景亮度小于3的夜晚的照片，再剔除夜间机场标志灯关闭的时次，剩下可用时次375个。
如图3-4所示，为工业相机拍摄照片示例及目标区域选择；在能见度计算中，从白天照片中共选取5个目标物区域进行照片信息提取，从夜间照片选取2个目标灯区域进行信息提取，目标物的名称、分辨率和距离如表1所示。
表1，观测目标物信息。
序号 目标物名称 所属照片 分辨率（x，y） 目标物距离（m）
1 跑道 50mm （200，100） 380
2 矮楼 50mm （200，100） 720
3 机库 35mm （200，100） 1000
4 高楼 50mm （200，100） 1200
5 塔 50mm （150，140） 2750
6 左目标区域 35mm （60，50） 500
7 右目标区域 35mm （60，50） 600
白天能见度的算法分析。
1、白天能见度的定义。
白天能见度是指视力正常（对比感阈为0.05）的人，在当时天气条件下，能够从天空背景中看到和辨认的目标物（黑色、大小适度）的最大水平距离。
当观测目标为黑色或暗色标志物时，根据柯西米德定律，一个物体与这个可视物体背景的对比可以用物体和背景之间亮度的对比来表示（C），对于一个已知的亮度对比，其可视亮度对比（Cx）与其固有亮度对比（C0）之间的关系用柯西米德定律表示为：
公式三。
其中，T为大气透射系数，σ为消光系数，x为距离。
对于一个黑色物体，其与环境的固有亮度对比是一个整数，随着物体距离的增加，其可视亮度等于视觉对比感阈（ε）时，物体与观测点之间的距离x就是能看到该物体的最大距离。
ICAO和世界气象组织（WMO）认为对能见度观测来讲，视觉对比感阈可以采用0.05。
于是有：
公式四；
公式五；
其中，MOR就是气象光学视程；在白天，MOR可以用于表示大气能见度数值。
2、图像信息提取。
本发明拍摄照片的存储模式为RGB（红绿蓝）彩色模式；为了能够分析出图片的明暗，我们采用YUV彩色模型进行像素分析。
在YUV空间中，每一个颜色有一个亮度信号Y和两个色度信号U和V；亮度信号是强度的感觉，可以在不影响颜色的情况下代表目标物的明暗程度。
在YUV彩色模型和RGB彩色模型的转换中，Y的计算方法如下公式所示：
公式九；
根据目标物特性，能够辨认出目标物有两种方法；一种是能够辨认出目标物本身的明暗变化，另外一种时能够区分出目标物与背景天空的颜色差异。
因此，对上述目标物区域进行像素计算，分别计算目标物区域像素亮度信号Y的平均值Y0，目标区域像素亮度Y数值最大的100个点的平均值Ymax和最小100个点的平均值Ymin。
根据目标物的辨认方法，在白天，目标区明暗对比参数C可以用公式二表示。
公式二。
利用公式二计算得到的白天五个目标物的C白天值与MOR随时间变化情况，如图6所示。
从图6中各个目标物C值MOR的变化趋势对比可以发现，各个目标物的C值的变化趋势与MOR的变化趋势呈现正相关。因各个目标物的距离不同，各个目标物的C值在不同能见度条件下对能见度的敏感程度也不同。当能见度数值低于目标物距离时，原则上该目标物不可见，此时能见度的变化几乎不会影响该目标物的C值变化。
因此，在后续分析中，应从被分析的照片中，分别剔除低于各个目标物的能见度数值，再计算C值与MOR的系数。
3、能见度与目标物明暗对比的关系。
假设通过照片提取得到的目标区域的明暗对比参数C满足公式一，则根据根据公式三和公式五得：
公式六；
两侧取对数得：
公式七；
其中，对于固定目标物，C0和x可认为是固定常数；因此，有-lnC与1/MOR呈线性关系。
因大气投射仪测得MOR最大值为10000米，超过10000米均记录为10000米；因此，剔除观测记录中的大于等于10000米的数值后，利用一元线性回归分析方法，分别计算5个目标物的线性回归方程，得如公式十-十四所示。
R2=0.7758 公式十。
R2=0.7775 公式十一。
R2=0.8640 公式十二。
R2=0.8647 公式十三。
R2=0.8650 公式十四。
如图7所示，为目标物C值负对数与MOR倒数的散布图。
从一元线性回归方程可见，5个回归方程的判决系数（R2）数值均较高；分别为0.7758、0.7775、0.8640、0.8647、0.8650。说明，C值的对数与MOR的倒数确实具有很好的线性关系。
根据判决系数计算得到相关系数分别为0.8808、0.8818、0.9295、0.9299、0.9301，也说明lnC与MOR的倒数具有很好的线性关系。
根据上述线性回归方程，可以推导出目标物在照片上本身的原有明暗对比分别为1.25、1.29、1.33、1.20、1.95。推导出目标物的理论距离分别为505米、798米、954米、1147米、2790米。这些数值与实际数值也比较接近。
推导出的目标物的理论距离与实际距离比较接近，但存在一定误差，分析其如下原因：
1）、大气投射仪的安装位置固定，探测到的大气透明度为某一固定位置的大气透明度，不能反映大气真实情况，与真实的能见度存在差异；
2）、根据统计学原理，在线性回归过程中必然存在定误差，可以通过增加对比样本的方法，完善回归方程。
4、计算能见度算法。
根据公式十至十四，可以推导出MOR的计算公式；即，公式十五至十九。
公式十五。
公式十六。
公式十七。
公式十八。
公式十九。
根据公式十五至十九，分别计算得到MOR与真实MOR如图8所示。
从图中可以看出，利用不同目标物计算得到的MOR在不同能见度区间的误差大小不同；对于单一目标物，设其理论距离为x，利用该目标物不能探测到小于x的能见度，对远大于x的能见度的探测误差也比较大，对1.2x～5x范围内的能见度探测误差较小，因此针对不同目标物，分别舍弃其计算得到的小于1.2x和大于5x的数值，余下的数值对所有目标物测得的数据进行平均，得到优化后的MOR计算值。
如图9所示，优化后的MOR值与MOR真实值基本吻合，优化后的MOR值与MOR真实值的相关系数高达0.9511（不考虑MOR≥10000的情况）。
5、夜间能见度算法。
夜间能见度与白天能见度具有不同的定义，夜间观测能见度以目标灯作为观测目标，因此，再探究夜间能见度时应选取具有灯光的区域。
如图5所示，选取机场内两处具机坪标志灯的区域作为夜间观测目区域，分别命名为左标志灯区域和右标志灯区域。左标志灯在照片上占用约100个像素，右标志灯在照片上占约200个像素。
为了能够获得较为连续的变化值，减少像素值的突变，利用公式一分别计算出左标志灯目标区域内最亮200个像素与最暗200个像素的差值，右标志灯目标区域内最亮400个像素与最暗400个像素的差值表示目标区域内明暗对比程度，如公式一所示。
公式一。
公式一中的C夜间与MOR之间满足公式七的关系，则利用公式一分别计算两个目标区域的明暗对比程度C左与C右取负对数，并与MOR的倒数求线性回归方程：
R2=0.6411 公式二十；
R2=0.7172 公式二十一。
如图10所示，为目标物C值负对数与MOR倒数的散布图。
根据回归方程可见，2个回归方程的判决系数（R2）数值均较高，分别为0.6411和0.7172。说明在夜间，C夜间值的对数与MOR的倒数具有很好的线性关系，对于C夜间满足公式七，根据判决系数计算得到相关系数分别为0.8007和0.8469；也说明C夜间值的对数与MOR的倒数具有很好的线性关系。
根据上述线性回归方程，可以推导出目标物在照片上本身的原有明暗对比分别为198.1和207.3；推导出目标物灯可见时的MOR数值分别为183米和171米。
根据公式二十和公式二十一可推导出MOR的计算公式，即公式二十二和公式二十三。
公式二十二；
公式二十三。
如图11为利用公式二十二和公式二十三计算得到的MOR数值与MOR真实值的时间变化图。
从图中可以看出，利用夜间照片计算得到的MOR在低于2000米的范围内能够较准确的反映大连机场能见度的变化。
6、全天能见度的计算方法。
把自动观测系统中背景亮度仪测量得到的背景亮度大于等于3，且小于1000的时次定义为傍晚和清晨。此时，能见度的计算应分别利用白天的能见度算法和夜晚能见度算法进行能见度的计算，并取二者计算得到的高值即为傍晚和清晨的能见度值。
如图12所示，为综合2月8日00时-2月15日06时的所有时次的计算值与真实值。
其中，白天的计算能见度为优化后的能见度，夜晚能见度为两个目标物的平均值，其他时段的能见度取二者的最大值。
根据图12可以发现，利用本文的能见度算法，能够的计算出能见度的变化情况，与自动观测系统观测到的MOR具有很高的吻合度（不考虑晚间机场灯光关闭时间）。
实施列三。
根据上述实验推导和使用的各个公式，设计基于图像识别技术能见度探测系统软件计算能见度或跑道视程的基本方法如下。
1、选取目标区域。
在选定摄像头拍摄的照片中，选定一个目标区域，用于计算白天能见度的目标区域应具有明显明暗对比，用于计算夜间能见度的目标区域应确保夜间有灯光，目标区域中有效分辨率不低于1000像素点。
2、确定目标距离x。
根据目标区域的地理特性，利用测量或地图测绘的方式识别目标距离观测点的直线距离X。
3、选取有效照片。
人工选取一张具有代表性的照片，要求该照片中，人工目测该照片在目标区域方向的能见度介于目标距离的1.2倍和5倍之间，即1.2x＜MOR＜5x。确定MOR数值。
4、计算目标区域当前明暗对比参数C0。
利用公式九，计算目标区域各个像素点的亮度信号值；
在选取目标物区域像素亮度信号Y的平均值Y0，目标区域像素亮度Y数值最大的100个点的平均值Ymax和最小100个点的平均值Ymin，再利用公式一或公式二，计算该图片的明暗对比参数C（C白天或C夜间）。
公式九。
公式一。
公式二。
5、计算目标区域原始明暗对比参数C0。
把公式六进行变形，得到公式二十四；
利用X，MOR和C计算目标区域的原始明暗对比参数C0。
公式二十四。
6、单个目标区域实时能见度的应用计算。
每1分钟拍摄一张实时照片，读取实时拍摄的照片数据，计算目标区域的实时明暗对比参数C，以目标距离X和上述计算得到的C0为参数，利用公式八，计算实时的MOR数值。
公式八。
7、单个目标区域能见度数值优化。
对计算得到的MOR数值，当MOR＞5x或MOR＜1.2x的数值，进行舍去；仅保留1.2x＜MOR＜5x的数值作为MOR的有效数值。
8、重复上述1-7过程，人工选取40-60个不同距离的目标区域并分别计算能见度。
白天，将白天目标物的计算结果进行平均代表白天能见度数值；夜间，夜间目标物的计算结果进行平均，代表夜间能见度数值。黄昏或黎明或低光照条件下，选取白天能见度数值和夜间能见度数值中较大的一项，作为该时刻的能见度数值。
9、不同相机拍摄的结果，单独计算，代表该相机拍摄区域的能见度数值；显示终端显示1分钟平均数值和10分钟平均数值。
10、定期对各个目标物的C0值进行校准设定；校准方法为3-5的过程。
11、软件自动保存每分钟计算结果，保存为文本文档，每十分钟保存一次拍摄照片，保存为图片格式。
12、软件具备硬件设置、变化曲线查询、校准等功能。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (1)

1.基于图像识别技术机场能见度与跑道视程的探测与显示方法，其特征在于：所述机场能见度为MOR，跑道视程为RVR，所述MOR和RVR的计算方法一致；
所述MOR和RVR通过以下步骤计算：
步骤S1、通过工业相机拍摄照片，并把照片存储，存储模式为RGB彩色模式；
其中，工业相机选用CCD工业相机；选用靶面尺寸为4/3"，镜头分辨率为800万或更高的工业相机镜头与靶面尺寸为4/3"相机分辨率为800万或更高的工业相机配合使用；
其中，采用35mm、50mm镜头；
选取照片内目标区域，然后采用YUV彩色模型进行照片像素分析；在YUV空间中，每一个颜色有一个亮度信号Y；
其中，在选定摄像头拍摄的照片中，选定一个目标区域，用于计算白天能见度的目标区域应具有明显明暗对比，用于计算夜间能见度的目标区域应确保夜间有灯光，目标区域中有效分辨率不低于1000像素点；
其中，在YUV彩色模型和RGB彩色模型的转换中，Y的计算方法如下：
Y＝0.299R+0.587G+0.114B 公式九；
步骤S2、选取目标区域内所有像素亮度点算出平均值Y0；
选取目标区域内像素亮度最大的100个点，并算出平均值Ymax；
选取目标区域内像素亮度最小的100个点，并算出平均值Ymin；
步骤S3：
根据S2中的参数，利用公式一算出目标区明暗对比参数C夜间；
C夜间＝Ymax-Ymin 公式一；
根据S2中的参数，利用公式二算出目标区域明暗对比参数C白天；
各个目标物C值与MOR的变化趋势对比可以发现：各个目标物的C值的变化趋势与MOR的变化趋势呈现正相关；因各个目标物的距离不同，各个目标物的C值在不同能见度条件下对能见度的敏感程度也不同；当能见度数值低于目标物距离时，原则上该目标物不可见，此时能见度的变化几乎不会影响该目标物的C值变化；因此，在后续分析中，应从被分析的照片中，分别剔除低于各个目标物的能见度数值，再计算C值与MOR的系数；
步骤S4、白天能见度是指视力正常的人，在当时天气条件下，能从天空背景中看到和辨认出目标物轮廓的最大水平距离，对比感阈为0.05；
根据柯西米德定律，一个物体与这个可视物体背景的对比可以用物体和背景之间亮度的对比来表示；对于一个已知的亮度对比，其可视亮度对比(CX)与其固有亮度对比(C0)之间的关系，用柯西米德定律表示为：
Cx＝C0Tx＝C0e-σx 公式三；
其中，T为大气透射系数，σ为消光系数，x为距离；
对于一个黑色物体，其与环境的固有亮度对比是一个整数；随着物体距离的增加，其可视亮度等于视觉对比感阈(ε)时，物体与观测点之间的距离x就是能看到该物体的最大距离；ICAO和世界气象组织认为对能见度观测来讲，视觉对比感阈可以采用0.05；
于是有：
e-σx＝0.05 公式四；
其中，MOR就是气象光学视程；
在白天，MOR可以用于表示机场能见度数值；
假设，通过照片提取得到的目标区域的明暗对比参数C夜间和C白天满足公式一，用C表示C夜间和C白天，则根据公式三和公式五得：
两侧取对数得：
其中，对于固定目标物C0和x可认为是固定常数，C0为大气层比较好时测出的固有亮度，x为物体与观测点之间的距离；
因大气投射仪测得MOR最大值为10000米，超过10000米均记录为10000米；因此，剔除观测记录中的大于等于10000米的数值后，利用一元线性回归分析方法，分别计算目标物的线性回归方程；
实验表明，表示目标区域的明暗对比的参数C的对数与1/MOR确实呈线性关系；即，假设成立；因此，根据公式七，MOR的计算公式如下：
公式八为本发明核心计算公式；
其中，MOR为待计算的机场能见度；同时，MOR为跑道视程RVR；C0为大气层比较好时测出的固有亮度，x为物体与观测点之间的距离，C值可以根据步骤S3中获取；
步骤S5、根据步骤S4中的公式八，计算实时的MOR，输出显示MOR；
步骤S6、对步骤S5中的MOR值进行优化；
采用多个距离的不同目标区域分别计算MOR，根据目标距离进行优化，并取平均值；
其中，利用不同目标物计算得到的MOR在不同能见度区间的误差大小不同；对于单一目标物，设其理论距离为x，利用该目标物不能探测到小于x的能见度，对远大于x的能见度的探测误差也比较大，对1.2x～5x范围内的能见度探测误差较小，因此针对不同目标物，分别舍弃其计算得到的小于1.2x和大于5x的数值，余下的数值对所有目标物测得的数据进行平均，得到优化后的MOR计算值；
即，对计算得到的MOR数值，当MOR＞5x或MOR＜1.2x的数值，进行舍去；仅保留1.2x＜MOR＜5x的数值作为MOR的有效数值；
需要注意的是，把背景亮度仪测量得到的背景亮度大于等于3，且小于1000的时次定义为傍晚和清晨；此时，能见度的计算应分别利用白天的能见度算法和夜晚能见度算法进行能见度的计算，并取二者计算得到的高值即为傍晚和清晨的能见度值；
还包括：
定期对对各个目标物的C0值进行校准设定；具体步骤如下：
A1、选取有效照片；
人工选取一张具有代表性的照片，要求该照片中，人工目测该照片在目标区域方向的能见度介于目标距离的1.2倍和5倍之间，即1.2x＜MOR＜5x；确定MOR数值；
A2、计算目标区域当前明暗对比参数C；
利用公式九，计算目标区域各个像素点的亮度信号值；
在选取目标物区域像素亮度信号Y的平均值Y0，目标区域像素亮度Y数值最大的100个点的平均值Ymax和最小100个点的平均值Ymin，再利用公式一或公式二，计算该照片的明暗对比参数C白天或C夜间；
Y＝0.299R+0.587G+0.114B公式九；
C夜间＝Ymax-Ymin公式一；
A3、计算目标区域原始明暗对比参数C0；
把公式六进行变形，得到公式二十四；
利用X、MOR和C计算目标区域的原始明暗对比参数C0；
还包括：
不同相机拍摄的结果，单独计算，代表该相机拍摄区域的能见度数值；显示终端显示1分钟平均数值和10分钟平均数值。
CN202110679498.9A 2021-06-18 2021-06-18 基于图像识别技术机场能见度与跑道视程的探测与显示方法 Active CN113408415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110679498.9A CN113408415B (zh) 2021-06-18 2021-06-18 基于图像识别技术机场能见度与跑道视程的探测与显示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110679498.9A CN113408415B (zh) 2021-06-18 2021-06-18 基于图像识别技术机场能见度与跑道视程的探测与显示方法

Publications (2)

Publication Number Publication Date
CN113408415A CN113408415A (zh) 2021-09-17
CN113408415B true CN113408415B (zh) 2024-02-02

Family

ID=77681472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110679498.9A Active CN113408415B (zh) 2021-06-18 2021-06-18 基于图像识别技术机场能见度与跑道视程的探测与显示方法

Country Status (1)

Country Link
CN (1) CN113408415B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114593673A (zh) * 2022-03-03 2022-06-07 哈尔滨工业大学 基于电视频道的对象测量精度和尺寸的评估方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002237995A (ja) * 2001-02-09 2002-08-23 Olympus Optical Co Ltd 電子カメラ
CN101614675A (zh) * 2009-07-06 2009-12-30 中国气象局北京城市气象研究所 能见度测量系统及方法
CN102509102A (zh) * 2011-09-28 2012-06-20 郝红卫 基于图像学习的能见度测量方法
CN103106876A (zh) * 2013-01-14 2013-05-15 合肥工业大学 一种基于图像分类的液晶显示背光全局调光方法
CN104297176A (zh) * 2014-09-17 2015-01-21 武汉理工大学 全天候监测长江山区河段能见度的装置、系统和方法
CN107194924A (zh) * 2017-05-23 2017-09-22 重庆大学 基于暗通道先验和深度学习的高速公路雾天能见度检测方法
CN108830880A (zh) * 2018-04-25 2018-11-16 安徽超远信息技术有限公司 一种适用于高速公路的视频能见度检测预警方法及其系统
CN112180472A (zh) * 2020-09-28 2021-01-05 南京北极光智能科技有限公司 一种基于深度学习的大气能见度集成预报方法
CN112308799A (zh) * 2020-11-05 2021-02-02 山东交通学院 基于多传感器海上道路复杂环境能见度优化屏幕显示方法
CN112668503A (zh) * 2020-12-30 2021-04-16 日照市气象局 一种发光目标物视频团雾能见度监测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080074668A1 (en) * 2006-09-21 2008-03-27 Alex Salnik Modulated optical reflectance measurement system with enhanced sensitivity

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002237995A (ja) * 2001-02-09 2002-08-23 Olympus Optical Co Ltd 電子カメラ
CN101614675A (zh) * 2009-07-06 2009-12-30 中国气象局北京城市气象研究所 能见度测量系统及方法
CN102509102A (zh) * 2011-09-28 2012-06-20 郝红卫 基于图像学习的能见度测量方法
CN103106876A (zh) * 2013-01-14 2013-05-15 合肥工业大学 一种基于图像分类的液晶显示背光全局调光方法
CN104297176A (zh) * 2014-09-17 2015-01-21 武汉理工大学 全天候监测长江山区河段能见度的装置、系统和方法
CN107194924A (zh) * 2017-05-23 2017-09-22 重庆大学 基于暗通道先验和深度学习的高速公路雾天能见度检测方法
CN108830880A (zh) * 2018-04-25 2018-11-16 安徽超远信息技术有限公司 一种适用于高速公路的视频能见度检测预警方法及其系统
CN112180472A (zh) * 2020-09-28 2021-01-05 南京北极光智能科技有限公司 一种基于深度学习的大气能见度集成预报方法
CN112308799A (zh) * 2020-11-05 2021-02-02 山东交通学院 基于多传感器海上道路复杂环境能见度优化屏幕显示方法
CN112668503A (zh) * 2020-12-30 2021-04-16 日照市气象局 一种发光目标物视频团雾能见度监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Blotches correction and contrast enhancement for old film pictures;L.Tenze;Proceedings 2000 International Conference on Image Processing (Cat. No.00CH37101);全文 *
白天与夜间地面反射特性的对比研究;祝永坚;陈钱;王晓璇;;兵工学报(第04期);全文 *

Also Published As

Publication number Publication date
CN113408415A (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN105758624A (zh) 一种眩光测试方法及系统
CN101614675B (zh) 能见度测量系统及方法
Li et al. Meteorological visibility evaluation on webcam weather image using deep learning features
KR20180055422A (ko) 전천 사진을 이용한 운량 산출 방법 및 장치
CN106404720B (zh) 一种能见度观测方法
CN102281389A (zh) 用于生成适于摄影环境的镜头阴影补偿表的装置和方法
CN105911060B (zh) 一种透射式视程能见度仪窗镜污染的可视化检测方法和装置
Piderit et al. Definition of the CIE standard skies and application of high dynamic range imaging technique to characterize the spatial distribution of daylight in Chile
CN108509844B (zh) 基于地基云图的vper云团识别方法
JP2007129277A (ja) 画像処理装置
CN113408415B (zh) 基于图像识别技术机场能见度与跑道视程的探测与显示方法
CN112288736A (zh) 一种基于图像的能见度估测方法
KR101969841B1 (ko) 정밀조도를 활용한 전천카메라 기반의 구름 관측 시스템
CN105974120A (zh) 一种c反应蛋白色度自动检测装置与方法
CN108012135B (zh) 图像处理方法及装置、计算机可读存储介质和计算机设备
KR20090047657A (ko) 적설량 관측 시스템 및 적설량 원격 측정 방법
Gălăţanu Luminance measurements for light pollution assessment
Seiz et al. Cloud mapping with ground‐based photogrammetric cameras
CN112419272B (zh) 一种雾天高速公路能见度快速估计方法及系统
CN104296696A (zh) 一种利用植被冠层阴影提取叶面积指数与平均叶倾角的方法
Gordon Daytime visibility, a conceptual review
CN112465710A (zh) 一种基于evi数据的夜间灯光数据校正方法
KR102373278B1 (ko) 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법
CN109783973A (zh) 一种基于图像退化模型的大气能见度计算方法
Xiang et al. Monitoring mangrove phenology using camera images

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