CN114162318B - 一种机场异物监测系统 - Google Patents
一种机场异物监测系统 Download PDFInfo
- Publication number
- CN114162318B CN114162318B CN202210127191.2A CN202210127191A CN114162318B CN 114162318 B CN114162318 B CN 114162318B CN 202210127191 A CN202210127191 A CN 202210127191A CN 114162318 B CN114162318 B CN 114162318B
- Authority
- CN
- China
- Prior art keywords
- fod
- base station
- unmanned aerial
- module
- aerial vehicle
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C27/00—Rotorcraft; Rotors peculiar thereto
- B64C27/04—Helicopters
- B64C27/08—Helicopters with two or more rotors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D63/00—Motor vehicles or trailers not otherwise provided for
- B62D63/02—Motor vehicles
- B62D63/04—Component parts or accessories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mechanical Engineering (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种机场异物监测系统,包括:无人机系统,无人车系统,基站,后台人工操作平台,采用如下的监测方法:S1:无人机系统根据控制指令进行飞机跑道快速扫描,确认疑似FOD坐标点;S2:无人车系统根据接收到疑似FOD坐标点信息对疑似FOD坐标点进行近距离检测,判断是否为FOD;S3:无人车自动清障和/或发出警报信息上传至基站,基站将警报信息发送给后台工作人员并做出响应;S4:无人车前往下一处目标点或者返回基站基地,更新数据库。本发明所述的机场异物监测系统,利用无人机加无人车的联动式监测机构,通过无人机快速扫描定位,无人车对疑似FOD坐标点进行精准检测,大大提高了机场异物监测的效率和精准性。
Description
技术领域
本发明涉及机场跑道异物检测技术领域,特别涉及一种机场异物监测系统。
背景技术
FOD是Foreign Object Debris的缩写,泛指可能损伤飞机的某种外来物质,常称为跑道异物,常见的FOD有飞机的各种遗撒物、机械工具、石头、木块、塑料制品等。在机场跑道上的各种跑道异物(FOD),通常会给飞机的起降带来严重安全威胁,造成数以百万的损失,甚至酿成重大的安全事故,其后果往往不堪设想。
目前主要通过雷达、红外、可见光技术,实现对跑道异物的发现、定位、识别、记录和处理。然而,受制于雷达探测技术、光电技术、图像技术的限制,我国机场目前仍然采用人工清扫方式来清除FOD。该方法仍存在效率低下、成本高昂、可靠性低的问题,难以满足日益繁忙的飞机起降安全保障工作。另外,由于国外产品高昂的价格,发展一套行之有效的国产机场跑道FOD智能探测系统,是极其必要的。
FOD引发的危害非常严重。任何一个FOD,都有可能在飞机发动机启动后,因为强大的吸力而进入高速运转的发动机,这将导致发动机在对航空发动机的轮胎、机体等部位造成损伤而影响滑行、起飞、航行的过程,给航空器在运行期间内造成不稳定影响。
现有技术中,在异物检测所运用的传感器上,目前主要是有雷达与摄像头两种,但是基于跑道外观细节的复杂性和FOD物体的多样性,以及检测仪器本身还容易受到气候、光照环境的影响,如何有效提高FOD监测系统对机场跑道异物的可靠、精准监测成为目前亟待解决的问题之一。
公开号为CN 109946751 A的中国专利,公开了一种无人机的机场跑道FOD自动探测方法,根据探测任务,控制无人机/无人机队沿设定的飞行航线飞行时,拍摄无任何障碍物时所述机场跑道的图像;根据所述探测任务,控制无人机/无人机队沿所述飞行航线飞行时,拍摄运行一段时间后所述机场跑道的图像;通过对比无任何障碍物时所述机场跑道的图像和运行一段时间后所述机场跑道的图像,判断运行一段时间后的所述机场跑道上是否有FOD,实现了机场跑道FOD的自动探测。但是该方案要经过两次飞行任务拍摄图形对比进行分析,检测精度最高不超过92%,即使采用双机同时独立检测,检测精度也低于95%,且检测之后还需要再次安排清障机构或者人员进行清障,检测、清障效率较为低下。
公开号为CN106845346A的中国专利,公开一种用于机场跑道异物检测的图像检测方法,包括:对机场跑道进行人工检查,确定无异物后,通过传感器采集机场跑道的一帧背景图像;通过传感器实时获取机场跑道的当前图像;通过特征匹配算法,对当前图像与背景图像进行配准;对当前图像与背景图像进行差分操作,得到当前图像的背景差分图;将当前图像的背景差分图进行自动阀值二值化处理,得到当前图像的二值化图;针对当前图像的二值化图进行非线性滤波,形态学处理,便于目标的检测;采用边缘检测或凸包检测算法对目标进行识别,若检测出目标,则发出警报结束流程,若未检测出目标,则将当前图像更新为下一帧图像检测的背景图像,公开了一种通过图像边缘检测跟背景相结合实现机场异物跑道的检测,从而减少检测异物的计算量。但是,如何将该方案与异物检测系统有效结合,提高检测效率的同时增加检测异物的精准度,尤其是在恶劣天气的工作环境下,还能能够检测精准、清障及时,保证飞机起降工作的正常进行,一直是本领域技术人员的研究课题。
发明内容
有鉴于此,本发明旨在提出一种机场异物监测系统,通过采用无人机加无人车联合扫描监测的方式,快速实现机场跑道FOD的监测,克服现有技术中FOD监测系统对机场跑道监测效率低下、准确度低的技术问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种机场异物监测系统,包括:无人机系统,无人车系统,基站,后台人工操作平台,所述无人机系统、所述无人车系统、所述基站、所述后台人工操作平台通过通信模块进行信息传输,所述机场异物监测系统采用如下的监测方法:
S1:无人机系统根据控制指令安排无人机进行飞机跑道快速扫描,确认疑似FOD坐标点;
S2:无人车系统根据接收到疑似FOD坐标点信息控制无人车对疑似FOD坐标点进行近距离检测,判断是否为FOD,若是,则进入S3,若否,则进入S4;
S3:无人车自动清障和/或发出警报信息上传至基站,基站迅速将警报信息发送给后台工作人员并做出响应;
S4:无人车前往下一处目标点或者返回基站基地,更新数据库。
进一步的,在步骤S1中,包括如下步骤:
S11:基站发出检测指令,同时将无人机的飞行路径以及飞行数据同步给无人机,无人机起航;
S12:无人机根据控制指令沿机场跑道高空快速飞行,飞行过程中通过无人机上的雷达模块进行跑道扫描,并将扫描信息上传至基站数据库;
S13:基站根据处理中心MCU将雷达扫描信息以及数据库中的信息进行分析,确认图形中的疑似FOD坐标点,并将疑似FOD坐标点反馈至无人机;
S14:无人机接收基站反馈的疑似FOD坐标点信息,低空飞行至疑似FOD坐标点通过第一摄像组模块或者红外模块对疑似FOD坐标点进行拍照确认,并将照片信息上传至基站数据库;
S15:基站根据处理中心MCU将照片信息与数据库中信息进行比对,二次判断是否为疑似FOD坐标点,若是,则进入S2,若否,则进入S16;
S16:进行下一疑似FOD坐标点位置的二次判断,完成所有疑似FOD坐标点位置二次检测后返回至基站基地。
进一步的,在步骤S12中,无人机的飞行高度为H1,飞行速度为V1,在步骤S14中,无人机的飞行高度为H2,飞行速度为V2,其中,H1>H2,V1>V2。
进一步的,在步骤S11中,基站同时控制多个无人机按照预定飞行路径以及飞行数据同步给对应无人机执行初检工作,各个无人机独立工作并将跑道的扫描信息以及疑似FOD坐标点的拍照信息反馈给基站数据库。
进一步的,多个无人机按照多个跑道进行独立工作,或者多个无人机同时执行一条跑道的FOD检测工作。
进一步的,部分所述无人机上的第一检测模块只包含北斗卫星导航模块和雷达模块,用于快速完成跑道的雷达扫描;部分所述无人机上的第一检测模块只包含北斗卫星导航模块、第一摄像组模块和/或红外模块,用于完成疑似FOD坐标点近距离拍照检测。
进一步的,在步骤S2中,包括如下步骤:
S21:基站将S1中确认的疑似FOD坐标点信息传输给无人车系统,无人车系统控制无人车循迹出发;
S22:无人车控制内部导向模块和驱动模块,采用位置式PID算法,依靠内部的北斗卫星定位模块和超声波避障模块行驶,驱动无人车行驶至疑似FOD坐标点附近位置;
S23:无人车启动摄像组模块,采用实时拍摄方式逐渐贴近寻找FOD,并经行高清拍照且通过5G通信模块上传至基站;
S24:基站根据无人车上传的高清照片信息与数据库信息进行分析比对,判断是否为FOD,若是,则执行S3,若否,则执行S4。
进一步的,在步骤S3中,基站将确定的FOD信息反馈给无人车,如果确定为可清除FOD,无人车启动清扫模块,用清扫扫帚将FOD扫入无人车;如果确认为是某些无法拾取的异物或者是裂缝,则发出警报信息上传至基站,基站迅速将警报信息发送给后台工作人员并做出响应。
进一步的,在步骤S1、步骤S2中关于FOD的判别,采用如下的步骤:
ST1:无人机在二次检测过程中,以及无人车在检测过程中,进行多角度的图像提取;
ST2:将多角度提取的图像进行汇总,汇总的图像将根据曝光强度进行排序,选取中间值作为其他图像曝光补偿的依据;
ST3:调整至相同的曝光强度后,将图片中机场路面作为背景,利用二值化技术实现背景消除,采用有梯度的滤波器进行边缘检测,将右邻点的灰度值减去左邻点的灰度值作为该点的灰度值,如果边缘检测点的灰度值或者亮度值与背景的灰度值或者亮度值存在较大差值,则判断为FOD边缘检测点;
ST4:根据多角度提取的图像以及FOD边缘检测点,确定FOD的体积和形状,进行FOD三维建模。
进一步的,后台人工操作平台设有大容量的云盘,基站在每次检测后的所有数据信息都会留在后台备份,PC端通过机器学习算法来对每次的FOD种类进行划分,并上传至终端服务器,形成FOD数据库,再次检测时,基站通过获取的检测数据比对原有FOD模型来进行归类操作,快速确定FOD检测信息。
相对于现有技术,本发明所述的机场异物监测系统具有以下优势:
(1)本发明所述的机场异物监测系统,利用无人机+无人车的联动式监测机构,通过无人机快速扫描定位,无人车对疑似FOD坐标点进行精准检测,大大提高了机场异物监测的效率和精准性。
(2)本发明所述的机场异物监测系统,利用无人机以及无人车上的检测模块,快速、精准的进行FOD目标的判断,对FOD目标选择直接扫入或机械臂推入的清扫方式完成高效清扫,也可识别软硬物体或小动物等,发现大的异物或路面裂纹实时联系后台告知危险,保证异物监测的精准性并能及时清障。
(3)本发明所述的机场异物监测系统,所有监测数据与图像数据均会存储在后台,方便人工查验,同时也便于系统自主学习,进一步提高FOD检测的效率和精准性。
(4)本发明所述的机场异物监测系统,基站可用多架无人机联合扫描,提高扫描速度,基站可以与机场塔台的飞机起飞和降落计划联动,利用飞机起飞和降落间隙进行扫描工作,保障飞机安全起降。
(5)本发明所述的机场异物监测系统,通过后台人工手动操作,能够及时、快速、准确的对无人机或者无人车进行人工操作,进一步提高了异物监测的精准性和清障工作的可靠性。
(6)本发明所述的机场异物监测系统,系统利用无人机通过激光雷达快速扫描跑道,建立图像模型,发现异物和路面裂纹,配合第一摄像组模块进行自动识别和确认,并将发送到基站,确定疑似FOD坐标信息;基站引导无人车到达异物或路面裂纹所在处,无人车利用第二摄像组模块进行再次确认,完成对FOD的三维建模,并通过对物体阈值的判断,对可清除FOD目标直接清除,提高了FOD检测的效率和精准度,尤其是提高了微弱目标以及易混淆目标检测的精准度,并且及检测、清障于一体,大大提高了工作效率。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例所述机场异物监测系统的原理示意图;
图2为本发明实施例所述无人机的原理示意图;
图3为本发明实施例所述无人机工作流程示意图;
图4为本发明实施例所述飞行控制模块示意图;
图5为本发明实施例所述无人机的立体结构示意图;
图6为本发明实施例所述安装驱动装置的立体结构示意图;
图7为本发明实施例所述安装驱动装置的左视结构示意图;
图8为本发明实施例所述无人车的原理示意图;
图9为本发明实施例所述无人车工作流程示意图;
图10为本发明实施例中无人车的屏蔽门处于打开状态的结构示意图;
图11为本发明实施例中无人车的屏蔽门处于关闭状态的结构示意图;
图12为本发明实施例所述的一种无人车的旋转扫帚下降的局部结构示意图;
图13为本发明实施例所述的一种无人车的旋转扫帚上升的局部结构示意图;
图14为本发明实施例所述机场异物监测系统的摄像组模块识别FOD的示意图;
图15为本发明实施例所述无人车上第二摄像组模块的结构示意图;
图16为本发明实施例所述基站原理示意图;
图17为本发明实施例所述雷达图像合成方法示意图;
图18为本发明实施例所述边缘检测方法示意图;
附图标记说明:
1、机体;101、机底;102、机头;2、灯光系统;21、第一灯光装置;22、第二灯光装置;3、第一摄像组模块;31、第一摄像头;32、第一红外摄像头;33、第一安装台;4、雷达模块;5、安装驱动装置;51、安装板;52、第一电机;53、转接架;531、第一转接板;532、第二转接板;54、第二电机;55、安装架;56、防护限位结构;561、第一防护限位板;562、第二防护限位板;57、安装限位结构;571、第一安装限位柱;572、第二安装限位柱;58、第三电机;6、无人机核心处理器;7、飞行控制模块;8、北斗卫星导航模块;9、无人机功能模块;10、红外模块;11、5G通信模块;12、基站;13、无人车;14、清扫模块;1401、旋转扫帚;1402、屏蔽门;14021、第一门体;14022、第二门体;1403、第一升降装置;15、第二摄像组模块;1501、第二安装台;15011、第二摄像头;15012、第二红外摄像头;16、FOD;17、第二升降装置;1701、第五电机;1702、第一齿轮;1703、第一齿条;1704、第一导轨。
具体实施方式
为了使本发明的技术手段及达到目的与功效易于理解,下面结合具体图示对本发明的实施例进行详细说明。
需要说明,本发明中所有进行方向性和位置性指示的术语,诸如:“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“内”、“外”、“顶”、“低”、“横向”、“纵向”、“中心”等,仅用于解释在某一特定状态(如附图所示)下各部件之间的相对位置关系、连接情况等,仅为了便于描述本发明,而不是要求本发明必须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。另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。
在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接;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。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
实施例1
如图1~16所示,本发明公开了一种机场异物监测系统,包括:
无人机系统,包括至少一架无人机,在无人机上设置第一检测模块,在基站发出的控制指令的作用下完成高空、低空飞行检测,将检测信息上传至基站数据库中进行信息比对,获取疑似FOD坐标点;
无人车系统,包括至少一辆无人车,在无人车上设置第二检测模块,无人车根据获取的疑似FOD坐标点,进行近距离的信息检测,将检测信息上传至基站数据库进行精准比较,确定是否为FOD;
基站,包括处理中心MCU,能够与无人机系统以及无人车系统进行信息交互,将获取的信息上传至基站数据库,根据中心处理MCU的云计算,向无人机系统以及无人车系统发出控制指令,引导无人机以及无人车完成检测工作;
后台人工操作平台,设置有大容量的云盘数据库,能够获取基站每次检测的所有数据并备份,通过机器学习算法来对每次的FOD种类进行划分,并上传至终端服务器,形成FOD数据库;
所述无人机系统、所述无人车系统、所述基站、所述后台人工操作平台通过通信模块进行信息传输。
本发明所述的机场异物监测系统,通过无人机的快速飞行初检,获取疑似FOD坐标点,进而启动无人车,对疑似FOD坐标点进行精准检测,大大提高了机场跑道异物检测的效率和精准性。
优选的,作为本发明的较佳示例,所述机场异物监测系统中在无人机系统、无人车系统、基站、后台人工操作平台进行信息传输或者信息交互的通信模块为5G通信模块。基于我们国家自己的5G高速传输技术,约8秒就可以完成1GB数据的传输,传输数据海量、低延迟,可以为雷达图像、光学图像实时处理、无人机以及无人车的控制提供可靠保障。
优选的,作为本发明的较佳示例,所述无人机为多轴无人机,包括:
无人机核心处理器,包括飞行控制模块和内置存储模块,所述飞行控制模块通过运算和判断下达指令,用于控制多轴无人机的飞行、悬停,姿态调整变化;所述内置存储模块用于存储无人机飞行途中采集的路况信息;
第一检测模块,包括北斗卫星导航模块、第一摄像组模块、红外模块和雷达模块,所述北斗卫星导航模块用于无人机的坐标定位以及导航控制,所述第一摄像组模块、所述红外模块、所述雷达模块用于采集疑似FOD信息并建模;
无人机功能模块,包括超声波避障模块,所述超声波避障模块用于无人机在遇到大型物体,或即将达到机场跑道边缘时进行路线飞行改动控制,完成避障飞行。
作为本发明的示例,飞行控制模块及飞行控制系统可以看作无人机的大脑。多轴无人机的飞行、悬停,姿态变化等等都是由多种传感器将无人机本身的姿态数据传回飞行控制模块,再由无人机核心处理器通过运算和判断下达指令,由执行机构完成动作和飞行姿态调整。飞行控制模块可以理解成无人机的CPU系统,是无人机的核心部件,其功能主要是发送各种指令,并且处理各部件传回的数据。类似于人体的大脑,对身体各个部位发送指令,并且接收各部件传回的信息,运算后发出新的指令。例如,大脑指挥手去拿一杯水,手触碰到杯壁后,因为水太烫而缩回,并且将此信息传回给大脑,大脑会根据实际情况重新发送新的指令。
作为本发明的示例,无人机采用四旋翼无人机进行信息采集工作,四旋翼无人机机身是由对称的十字形刚体结构构成,材料多采用质量轻、强度高的碳素纤维;在十字形结构的四个端点分别安装一个由两片桨叶组成的旋翼为无人机提供飞行动力,每个旋翼均安装在一个电机转子上,四组旋翼在四个电机带动下单独运动,通过控制电机的转动状态控制每个旋翼的转速,来提供不同的升力以实现各种姿态;每个电机均又与电机驱动部件、中央控制单元相连接,通过中央控制单元提供的控制信号来调节转速大小;IMU惯性测量单元为中央控制单元提供姿态解算的数据,机身上的检测模块为无人机提供了解自身位姿情况最直接的数据,为四旋翼无人机最终实现复杂环境下的自主飞行提供了保障。
具体的,如图2、图5、图6、图7所示,所述无人机包括机体1和机头102,所述机头102设置在所述机体1的前侧,所述机体1的底部为机底101,在所述机体1上设置第一摄像组模块3、雷达模块4、无人机核心处理器6、飞行控制模块7、北斗卫星导航模块8、红外模块10、5G通信模块11,其中,所述第一摄像组模块3、所述雷达模块4、北斗卫星导航模块8、所述红外模块10组成了无人机上的第一检测模块,所述红外模块10、北斗卫星导航模块8、第一摄像组模块3和雷达模块4、无人机功能模块9均通过所述5G通信模块11与所述无人机核心处理器6连接,无人机核心处理器6将无人机飞行时所述第一摄像组模块3、所述雷达模块4、北斗卫星导航模块8、所述红外模块10采集到的信息反馈至基站12,基站12在处理中心MCU的作用下云计算海量数据,并将计算数据转化为控制指令通过飞行控制模块7通过运算和判断下达指令,由执行机构完成无人机飞行动作和飞行姿态调整,快速获取疑似FOD坐标点。
作为本发明的较佳示例,所述第一摄像组模块3通过安装驱动装置5安装在所述机体1上,在所述安装驱动装置5上设置安装限位结构57和防护限位结构56,所述安装限位结构57使得所述第一摄像组模块3在水平方向的旋转角度为180°,所述防护限位结构56使得所述第一摄像组模块3在竖直方向的旋转角度为90°。
本实施例公开的无人机,通过对第一摄像组模块3在水平方向和竖直方向的旋转进行限位,使得第一摄像组模块3的角度可调节范围缩小,从而缩短了检测时间,进而提高了无人机检测FOD的效率和精确度;另一方面,提高了第一摄像组模块3的防护性。
具体的,如图6所示,所述安装限位结构57包括第一安装限位柱571和第二安装限位柱572,所述第一安装限位柱571、第二安装限位柱572对称设置在安装板51的两侧,所述安装板51安装在所述机体1上,在所述安装板51的下方水平安装第一电机52,在所述第一电机52的下方安装第一转接板531,所述第一安装限位柱571、第二安装限位柱572的高度大于第一转接板531下表面到安装板51的距离。
该设置便于对第一摄像组模块3在水平方向的旋转进行限位,使得第一摄像组模块3在水平方向的旋转角度为180°,从而缩短了检测时间,进而提高了无人机检测FOD的效率和精确度。
所述防护限位结构56包括第一防护限位板561和第二防护限位板562,所述第一防护限位板561与第二防护限位板562之间的夹角设置为90°,所述第一转接板531与第二转接板532垂直连接,在第二转接板532上设置安装架55,在所述安装架55上竖直安装第三电机58,所述第一防护限位板561、第二防护限位板562设置在所述安装架55的上下两侧。
该设置一方面便于对第一摄像组模块3在竖直方向进行旋转限位,使得第一摄像组模块3在竖直方向的旋转角度为90°,从而缩短了检测时间,进而提高了无人机检测FOD的效率和精确度;另一方面,提高了第一摄像组模块3的防护性,实现无人机快速完成跑道扫描工作和疑似FOD坐标点低空高清拍照确定FOD坐标点情况工作。
较优的,在第二转接板532与安装架55之间竖直安装第二电机54。
具体的,所述安装驱动装置5包括安装板51,所述安装板51与转接架53连接,所述转接架53与所述安装架55连接,所述转接架53包括第一转接板531和第二转接板532,所述安装板51水平设置,在所述安装板51的下方设置转接架53,所述转接架53设置为“L”形,所述转接架53的另一端与所述安装架55连接。
对于所述安装驱动装置5而言,除了包括所述第一电机52、第三电机58等结构之外还包括减速器等其他相关部件,鉴于其相关部件的具体结构以及具体的装配关系均为现有技术,在此不进行赘述。
作为本发明的示例,如图5所示,所述第一摄像组模块3包括第一摄像头31、第一红外摄像头32和第一安装台33,所述第一摄像头31、第一红外摄像头32均设置在所述第一安装台33上。
作为本发明的示例,在所述无人机上设置灯光系统2,所述灯光系统2设置在机头102上,所述灯光系统2与所述无人机核心处理器6电连接。具体的,所述灯光系统2包括第一灯光装置21和第二灯光装置22,所述第一灯光装置21、第二灯光装置22对称设置在机头102的左右两侧。该设置一方面便于无人机夜间飞行。
通过在无人机上设置的安装限位结构57和防护限位结构56,使得无人机系统能够进行多角度详细的图像提取,通过对第一摄像组模块3在水平方向和竖直方向的旋转进行限位和防护,避免摄像组模块进行过多无效操作,提高信息获取的效率,同时也提高了第一摄像组模块3使用的安全性和可靠性。
优选的,作为本发明的较佳示例,所述无人机系统的无人机在进行初检时,无人机启动后,根据无人机核心处理器中事先录入进的机场跑道需检测路径图,控制无人机按照设定轨迹高空高速飞行,飞行途中,激光雷达实时扫描跑道路面路况,将采集到的路况信息储存在无人机内置储存模块,无人机通过通信模块将数据组合发送至基站进行云端处理,基站的处理中心MCU收集到海量数据后分析数据,进行初判断,将疑似FOD的北斗定位坐标通过通信模块返还至无人机;无人机接收到初次判断为疑似FOD的北斗定位坐标后,控制飞行控制系统低空低速前往疑似FOD坐标处上空,用摄像组对其进行拍照,后将照片信息通过通信模块发送至基站分析,进行二次判断,若二次判断仍为FOD,则基站调动无人车系统中的无人车进行精准检测。
由于无人机以一个较高的高度飞行巡检时,无人机第一摄像组模块拍摄的视野较广,能够以较快的速度扫描完整个跑道,但该方式会使FOD或者疑似FOD的目标尺寸变小,机器学习算法难以正确识别。而无人机在一个较低的高度飞行时,则会使得第一摄像组模块拍摄视野较小,检测效率很低。本申请通过高空快速巡检加上低空二次确认,从而实现疑似FOD坐标点的精准判定,既提高了无人机获取疑似FOD坐标点的效率,又保证了该疑似FOD坐标点判断的精准性。
作为本发明的较佳示例,所述无人车包括:
无人车核心处理器,包括无人车控制模块和第二存储模块,所述无人车控制模块用于无人车的行进路线控制以及无人车的工作控制,所述第二存储模块用于存储无人车行驶途中采集的路况信息;
第二检测模块,包括第二摄像组模块,所述第二摄像组模块用于对疑似FOD坐标点进行近距离拍摄;
无人车功能模块,包括北斗卫星定位模块、超声波避障模块和清扫模块,所述北斗卫星定位模块以及超声波避障模块用于控制无人车行驶至疑似FOD坐标点附近,所述清扫模块用于拾取目标FOD。
作为本发明的示例,当机场异物监测系统中的无人机系统进行快速扫描跑道后,确定疑似FOD坐标点,基站或者后台人工操作平台向无人车系统发出调用小车指令,至少一辆无人车开始循迹出发,在运动过程中,无人车控制内部导向模块和驱动模块,并依靠内部的北斗卫星定位模块和超声波避障模块行驶,主要使用的是位置式PID算法,实现稳定运行。待无人车到达FOD坐标点处附近时,优选3米内,无人车通过实时摄像组模块,使用日间摄像,夜间红外的方式逐渐贴近寻找FOD,并经行高清拍照且通过5G通信模块上传至基站进行FOD再次确认,实现FOD目标的精准检测,若确认是FOD,则无人车接近目标FOD并通过清扫模块进行自动拾取操作。如果确认为是某些无法拾取的异物或者是裂缝,则发出警报信息上传至基站,基站迅速将警报信息发送给后台工作人员并做出响应。
作为本发明的示例,无人车的控制模块采用单片机控制小车的行进路线,完成与FOD检测部分中嵌入式系统的串口通信,采集到的信息进行整合处理,以此为依据给与不同的输出功率来控制小车的方向和行进速度。或者,所述无人车通过后台工作人的远程遥控来完成驱动。
作为本发明的示例,如图10~15所示,在所述无人车13上设置清扫模块14,所述清扫模块14包括第一升降装置1403和旋转扫帚1401,所述第一升降装置1403能够带动所述旋转扫帚1401在所述无人车13收纳腔内上下移动,所述旋转扫帚1401在驱动装置作用下能够正反转运动。
优选的,所述清扫模块14还包括屏蔽门1402,所述屏蔽门1402能够相对所述无人车13打开或者关闭。更具体的,如图11、图12所示,所述屏蔽门1402包括第一门体14021和第二门体14022,所述第一门体14021、第二门体14022对称设置在所述无人车13的左右两侧。
当第二摄像组模块识别FOD为小物体时,旋转扫帚1401处于低位,可通过旋转扫帚1401的旋转运动将FOD收集至无人车13的收纳腔内;当第二摄像组模块识别FOD为大物体时,在第一升降装置1403的作用下,旋转扫帚1401会上升,屏蔽门1402打开,小车前进,靠无人车13上收纳腔底板的相对运动和/或收纳腔内部设置的机械臂将FOD收入收纳腔内,FOD被收入收纳腔后,屏蔽门1402紧闭,并随导轨将FOD推至车尾的收集处。
作为本发明的示例,所述第一升降装置1403的驱动装置和所述旋转扫帚1401的驱动装置单独设置。该设置进一步保证了旋转扫帚1401旋转工作和升降工作的可靠性。
优选的,在所述无人车13的前端设置第二摄像组模块15和第二升降装置17,所述第二摄像组模块15在所述第二升降装置17的作用下能够相对无人车13进行上下移动。
具体的,所述第二升降装置17包括第五电机1701、第一齿轮1702、第一齿条1703和第一导轨1704,所述第五电机1701安装在无人车13上,在所述第五电机1701上安装第一齿轮1702,所述第一齿轮1702与所述第一齿条1703啮合连接进行传动,所述第一导轨1704与所述第一齿条1703连接,在所述第一导轨1704上安装所述第二摄像组模块15。在所述第二摄像组模块15上设置第二安装台1501,在所述第二安装台1501上设置第二摄像头15011和第二红外摄像头15012,所述第二摄像组模块15与所述第一摄像组模块3的结构相似,在此不再具体赘述。
该设置使得第二摄像组模块15可跟随第一导轨1704上下运动,第二摄像组模块15运动最低点可达到地面,从而便于检测FOD16凸起程度,对FOD16进行准确判断,提高了检测效率和精度,进而便于清扫模块14根据第二摄像组模块15识别FOD的大小采取不同的清扫方式。
作为本发明的示例,所述第一升降装置1403与所述第二升降装置17结构类似。
作为本发明的示例,所述无人机中的雷达模块4将扫描后的图形切割为若干个长方形后再进行拼合,形成的总图像长度为跑道长度,宽度为跑道宽度,基站根据图像建立坐标系并进行比对计算,对疑似FOD的坐标确认,将位置信息发送并共享,从而完成雷达图像处理。
如图17所示,雷达扫描后形成的图像会在处理时被切割成长方形,长度为跑道宽度d,宽度接近a米,其中a和d为根据机场跑道的尺寸以及经验设置的切割长方形尺寸,作为本发明的示例,a取20m,基站的处理中心MCU能够将若干个切割的所述长方形图像进行拼合,形成的总图像长度为跑道长度,宽度为跑道宽度,后台人工操作平台和/或基站根据图像建立坐标系,通过对疑似FOD的坐标进行确认,将疑似FOD坐标点的位置信息发送并共享,从而完成雷达图像的快速扫描处理。
作为本发明的示例,在所述无人机系统中的无人机和/或所述无人车系统中的无人车上设置无线充电模块,所述无线充电模块使得无人机或者无人车在返回基站时能够进行无线充电补充电量。
作为本发明的示例,在基站内设置无人机机库和无人车车库,用于存放无人机或者无人车。
实施例2
如图1~18所示,本发明还公开了一种机场异物监测方法,用于如实施例1所述的机场异物监测系统,包括如下步骤:
S1:无人机系统根据控制指令安排无人机进行飞机跑道快速扫描,确认疑似FOD坐标点;
S2:无人车系统根据接收到疑似FOD坐标点信息控制无人车对疑似FOD坐标点进行近距离检测,判断是否为FOD,若是,则进入S3,若否,则进入S4;
S3:无人车可以自动清障和/或发出警报信息上传至基站,基站迅速将警报信息发送给后台工作人员并做出响应;
S4:无人车前往下一处目标点或者返回基站基地,更新数据库。
本发明公开的机场异物监测方法,首先根据基站发出的检测指令,无人机系统开始工作,通过无人机上设置第一检测模块快速扫描跑道,避免障碍物对检测单元的影响,无人机系统将获取的检测信息上传至基站数据库,进行检测信息初步判别,发现异物或者路面断裂等疑似FOD的坐标点,实现快速初步扫描工作,大大提高了检测效率;基站将获取的疑似FOD的坐标点发送至无人车系统,无人车系统中的无人车根据得到的坐标信息出发前往疑似FOD坐标点附近,无人车通过第二检测模块采用逐渐贴近式对疑似FOD坐标点的位置进行精准检测,并将检测信息上传至基站数据库进行精准比较,从而确定是否为FOD,进而提高FOD检测的精准性。如果无人车系统根据精准检测确定是FOD,则无人车可以自动清障和/或发出警报信息上传至基站,如果确认为是某些无法拾取的异物或者是裂缝,则发出警报信息上传至基站,基站迅速将警报信息发送给后台工作人员并做出响应。若无人机上设置第一检测模块获取的是多个疑似FOD坐标点,无人车逐步处理完所有存在FOD的坐标后,返行至基站,向基站数据库更新数据,等待下一次检测。
作为本发明的较佳示例,在步骤S1中,包括如下步骤:
S11:基站发出检测指令,同时将无人机的飞行路径以及飞行数据同步给无人机,无人机起航;
S12:无人机根据控制指令沿机场跑道高空快速飞行,飞行过程中通过无人机上的雷达模块进行跑道扫描,并将扫描信息上传至基站数据库;
S13:基站根据处理中心MCU将雷达扫描信息以及数据库中的信息进行分析,确认图形中的疑似FOD坐标点,并将疑似FOD坐标点反馈至无人机;
S14:无人机接收基站反馈的疑似FOD坐标点信息,低空飞行至疑似FOD坐标点通过第一摄像组模块或者红外模块对疑似FOD坐标点进行拍照确认,并将照片信息上传至基站数据库;
S15:基站根据处理中心MCU将照片信息与数据库中信息进行比对,二次判断是否为疑似FOD坐标点,若是,则进入S2,若否,则进入S16;
S16:进行下一疑似FOD坐标点位置的二次判断,完成所有疑似FOD坐标点位置二次检测后返回至基站基地。
本发明所述的机场异物监测方法,在通过无人机系统进行初检获取疑似FOD坐标点位置时,通过高空快速扫描、低空高清拍照的方式进行疑似FOD坐标点的精准判断,大大提高了疑似FOD坐标点检测的精准性。
作为本发明的较佳示例,在步骤S12中,无人机的飞行高度为H1,飞行速度为V1,在步骤S14中,无人机的飞行高度为H2,飞行速度为V2,其中,H1>H2,V1>V2。
本发明所述的机场异物监测方法,在检测开始后,无人机核心处理器根据事先录入进的机场跑道需检测路径图,控制无人机按照设定轨迹高空高速飞行。飞行途中,激光雷达实时扫描跑道路面路况,将采集到的路况信息储存在无人机内置储存模块。无人机通过5G通信模块将数据组合发送至基站进行云端处理,基站的处理中心收集到海量数据后分析数据,进行初判断,将疑似FOD的北斗定位坐标通过5G通信模块返还至无人机。
无人机接收到初次判断为疑似FOD的北斗定位坐标后,控制飞行控制模块低空低速前往疑似FOD坐标处上空,用摄像组对其进行拍照,后将照片信息通过5G通信模块发送至基站分析,进行二次判断。若二次判断仍为FOD,则基站将调用小车进行下一步判断、清扫,若否,则无人机进行下一处的二次判断或者返航进入基站基地。
作为本发明的较佳示例,在步骤S11中,基站可以同时控制多个无人机按照预定飞行路径以及飞行数据同步给对应无人机执行初检工作,各个无人机独立工作并将跑道的扫描信息以及疑似FOD坐标点的拍照信息反馈给基站数据库。在该示例中,多个无人机按照多个跑道进行独立工作,或者多个无人机同时执行一条跑道的FOD检测工作,同一位置的FOD的雷达扫描以及FOD的近距离拍照可以采用不同的无人机进行检测。
作为本发明的示例,部分所述无人机上的第一检测模块只包含北斗卫星导航模块和雷达模块,用于快速完成跑道的雷达扫描;部分所述无人机上的第一检测模块只包含北斗卫星导航模块、第一摄像组模块和/或红外模块,用于完成疑似FOD坐标点近距离拍照检测。
该设置减少了无人机上设置的功能部件,降低了无人机重量,减少了制造成本,避免功能部件的闲置造成的浪费。
作为本发明的较佳示例,在步骤S2中,包括如下步骤:
S21:基站将S1中确认的疑似FOD坐标点信息传输给无人车系统,无人车系统控制无人车循迹出发;
S22:无人车控制内部导向模块和驱动模块,采用位置式PID算法,依靠内部的北斗卫星定位模块和超声波避障模块行驶,驱动无人车行驶至疑似FOD坐标点附近位置;
S23:无人车启动摄像组模块,采用实时拍摄方式逐渐贴近寻找FOD,并经行高清拍照且通过5G通信模块上传至基站;
S24:基站根据无人车上传的高清照片信息与数据库信息进行分析比对,判断是否为FOD,若是,则执行S3,若否,则执行S4。
作为本发明的较佳示例,在步骤S22中,无人车到达疑似FOD坐标点附近位置为距离小于阈设值的位置,其中阈设值为经验值,优选为3m。即无人车到达疑似FOD坐标点小于3m位置时,无人车开始进行近距离检测工作。
作为本发明的较佳示例,在步骤S3中,基站将确定的FOD信息反馈给无人车,如果确定为可清除FOD,无人车启动清扫模块,用清扫扫帚将FOD扫入无人车;如果确认为是某些无法拾取的异物或者是裂缝,则发出警报信息上传至基站,基站迅速将警报信息发送给后台工作人员并做出响应。
作为本发明的较佳示例,在步骤S21中,基站可以同时控制多个无人车按照预定行驶路径以及飞行驶数据同步给对应无人车执行近距离检测工作,各个无人车独立工作并对疑似FOD坐标点进行近距离拍照信息反馈给基站数据库。在该示例中,多个无人车按照对多个疑似FOD坐标点进行独立工作,或者一辆无人车对多个疑似FOD坐标点进行顺序检测工作,多个无人车同时执行一条跑道的FOD近距离检测工作。
作为本发明的较佳示例,所述无人车上的第二摄像组模块15在第二升降装置17作用下能够上下移动,识别FOD的高度,当第二摄像组模块15下降至最低处时,优选地面高度,若仍然无法检测FOD的高度,则该疑似FOD坐标点为裂纹或者水滩等不可拾取异物,则发出警报信息上传至基站,基站迅速将警报信息发送给后台工作人员并做出响应。
作为本发明的较佳示例,在步骤S1、步骤S2中关于FOD的判别,采用如下的步骤:
ST1:无人机在二次检测过程中,以及无人车在检测过程中,进行多角度的图像提取;
具体的,无人机在二次检测过程中,通过第一摄像组模块在高空中通过上帝视角拍摄,无人车中配有升降第二摄像组模块,在距离两米的范围内,可以实现0°-75°的拍摄,过程从斜视到平视。优选记录到75°、60°、45°、30°以及零度视角的图像。
ST2:将多角度提取的图像进行汇总,汇总的图像将根据曝光强度进行排序,选取中间值作为其他图像曝光补偿的依据;
ST3:调整至相同的曝光强度后,将图片中机场路面作为背景,利用二值化技术实现背景消除,采用有梯度的滤波器进行边缘检测,将右邻点的灰度值减去左邻点的灰度值作为该点的灰度值,如果边缘检测点的灰度值或者亮度值与背景的灰度值或者亮度值存在较大差值,则判断为FOD边缘检测点;
ST4:根据多角度提取的图像以及FOD边缘检测点,确定FOD的体积和形状,进行FOD三维建模;
本发明所述的FOD三维建模,通过嵌入式系统完成边缘检测,多角度的边缘图像能够为建模提供较为完整的体积数据,由此完成空间中的三维边缘呈现。该方式更能精准检测FOD的高度信息,尤其是在判断裂纹或者水滩等不可拾取异物时,判断的准确性和效率都能大大增强。同时,通过FOD三维建模,也便于后台及时了解FOD信息,为后续可能需要的人工操作给出技术支持。
具体的,作为本发明的示例,FOD的图像判别分为两个部分,一是无人机上第一摄像组模块拍摄的图像判别,二是无人车上第二摄像组模块拍摄的图像判别,图像经过处理后即可进行边缘检测来判断FOD。
边缘检测属于图像处理和计算机视觉中的基本问题。边缘检测的目的是标识数字图像中亮度变化明显的点。图像边缘检测大幅度地减少了数据量,并且可以剔除了其中不相关的信息,保留了图像重要的结构属性。所谓边缘是指其周围像素灰度急剧变化的那些象素的集合,它是图像最基本的特征。边缘存在于目标、背景和区域之间,所以,它是图像分割最重要的依据。由于边缘是位置的标志,对灰度的变化不敏感,因此,边缘也是图像匹配的重要的特征。
边缘检测和区域划分是图像分割的两种不同的方法,二者具有相互补充的特点。在边缘检测中,一个很重要的过程是要提取图像中不连续部分的特征,从而根据闭合的边缘来确定区域。而在区域划分中,则是要把图像分割成若干特征相同的区域,区域之间的边界就是边缘。由于边缘检测方法不需要将图像逐个像素地分割,因此更适合大图像的分割。
边缘大致可以分为两种。一种是阶跃状的边缘,边缘两边像素的灰度值明显不同;另一种为屋顶状边缘,边缘处于灰度值由小到大再到小的变化转折点处。边缘检测的主要工具是边缘检测模板。以下以一个一维模板为例来考察边缘检测模板是如何作用的。
如图18所示,给出了一个边缘检测示例图,模板的作用是将右邻点的灰度值减去左邻点的灰度值作为该点的灰度值。在灰度相近的区域内,该结果将使得该点的灰度值接近于0;而在边缘附近,灰度值有明显的跳变,该结果使得该点的灰度值很大,这样就出现了上面的结果。这种模板就是一种边缘检测器,它在数学上的涵义是一种基于梯度的滤波器,习惯上又称边缘算子。由于梯度存在一定方向,和边缘的方向总是垂直的。模板是水平方向的,而上面那幅图像的边缘恰好是垂直方向的,使用模板就可以将它检测出来。如果图像的边缘是水平方向的,用梯度是垂直方向的模板检测它的边缘。如果图像的边缘是45°方向的,用倾斜45°的模板检测它的边缘。
在发明的示例中,边缘提取采用Sobel算子或者Laplacian算子或者Canny算子进行滤波,不同的算子有不同的提取效果。
本发明所述机场异物监测方法,采用Canny算子进行提取,具体的边缘检测步骤为:
ST21:使用高斯滤波器,以平滑图像,滤除噪声;
ST22:计算图像中每个像素点的梯度强度和方向;
ST23:应用非极大值抑制,消除边缘检测带来的杂散响应;
ST24:应用双阈值检测来确定真实的和潜在的边缘;
ST25:通过抑制孤立的弱边缘最终完成边缘检测。
本发明通过采用Canny算子进行提取,不容易受噪声干扰,能够使用两种不同的阈值分别检测强边缘和弱边缘,当弱边缘和强边缘相连时,能将弱边缘包含在输出图像中,因此,能够检测到真正的弱边缘。
本发明所述机场异物监测方法,通过无人机或者无人车上的摄像组模块对疑似FOD坐标点拍照进行FOD三维建模,将机场路面作为背景,通过Canny算子进行提取和确定边缘信息,对于FOD和路面裂纹来说,背景(机场路面)与FOD有较大的差值,因此较小的数据量处理也能将边缘特征提取出来。提取后的结果将会驱动嵌入式系统中的警报电路,完成对FOD检测结果的判断。
本发明中,通过对无人机的二次低空低速检测过程中对疑似FOD坐标点的确认以及采用无人车进行近距离FOD精准检测时采用边缘检测法确认是否为FOD,大大减少了判断的计算的数据,缩短了检测判定的时间,提高了检测判定的效率,并且保证检测结果精准、可靠。
作为本发明的较佳示例,当步骤S1确定第一个疑似FOD坐标点,步骤S2即启动无人车系统对接收到疑似FOD坐标点信息进行近距离检测。快速判别FOD信息并及时进行清障,保证风机跑道的整洁性,避免时间紧迫时跑道异物影响飞机正常起降带来的损失。
作为本发明的示例,所述无人机系统中的无人机以及无人车系统中的无人车,采用北斗定位系统进行定位,并在基站中标识出定位FOD位置的坐标。
具体的,北斗定位原理为三点定位,天上的北斗定位卫星距离地球表面22500千米处,它们所运动的轨道正好形成一个网状面,也就是说在地球上的任意一点,都有可以同时收到3颗以上的卫星信号。卫星在运动的过程中会一直不断的发出电波信号,信号中包含数据包,其中就有时间信号。北斗接收机通过解算来自多颗卫星的数据包,以及时间信号,可以清楚的计算出自己与每一颗卫星的距离,使用三角向量关系计算出自己所在的位置。
其中:x,y,z,t为待求的接收器时空坐标,xi,yi,zi,ti为已知的第i个发射器的时空坐标。
以上数值取直角坐标系,且不考虑相对论效应和其他误差。该方程组无解析解,且空间中三个球面相交一般会出现两个解。出现两个解的情况下,取更合理的解,如取离地球表面更近。
基站处理后的FOD位置会在总图像中标记出,基站通过对图像中的点完成确认,从而启动北斗定位系统完成精确位置信息采集,并将信息发送给无人机和无人车。
作为本发明的示例,后台人工操作平台设有大容量的云盘,基站在每次检测后的所有数据信息都会留在后台备份,PC端通过机器学习算法来对每次的FOD种类进行划分,并上传至终端服务器,形成FOD数据库。
再次检测时,可以通过比对原有FOD模型来进行归类等操作,进一步提高检测效率。同时定期提供给工作人员数据,对高频出现的FOD类型进行预警,对常出现的路段做出标志等,以便于更好的预防。
作为本发明的示例,在无人车以及无人机上,均设置有超声波避障模块,根据蝙蝠超声波避障原理,超声波遇到障碍物会反射,并且遇到不同材质的物体反射程度也不同。在此基础上,通过建立超声波处理电路,与飞控和小车控制模块完成串口通信,加之报警电路,使得在遇到大型物体,或即将达到机场跑道边缘时加以进行路线改动,完成避障。
通过采用本发明所述的机场异物监测方法:
在检测方面:系统综合检测成功率达到98%,其中,无人机初次检测成功率在95%以上,无人机二次检测成功率在96%以上,无人车检测成功率在98%以上,通过采用无人机快速扫描检测,结合无人机疑似FOD坐标点的近距离检测,再结合无人车精确检测+拾取的逻辑顺序,该方案检测的成功率远比现有技术中成功率高,且便于快速完成清扫工作。
拾取方面:对于FOD阈值的判断:对检测到的FOD进行三维建模后,高度阈值为7cm,长度阈值为12cm,宽度阈值为12cm。若三项指标皆没有达到阈值,则无人车采用第一种拾取方法,即旋转扫帚1401处于低位,可通过旋转扫帚1401的旋转运动将FOD收集至无人车13的收纳腔内进行拾取;若其中一项或多项指标达到或超过阈值,则无人车采用第二种拾取方法,即在第一升降装置1403的作用下,旋转扫帚1401会上升,屏蔽门1402打开,小车前进,靠无人车13上收纳腔底板的相对运动和/或收纳腔内部设置的机械臂将FOD收入收纳腔内,FOD被收入收纳腔后,屏蔽门1402紧闭,并随导轨将FOD推至车尾的收集处。除去非固体的物体,第一种拾取方式的成功拾取率达到95%以上,第二种拾取方式的拾取率达到98%以上,大大提高了检测清除的效率,提高自动化清障的可靠性。
即使在较为恶劣环境下(雨天、大雾天气)的检测能力:综合检测成功率达96%以上。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种机场异物监测系统,其特征在于,包括:无人机系统,无人车系统,基站,后台人工操作平台,所述无人机系统、所述无人车 系统、所述基站、所述后台人工操作平台通过通信模块进行信息传输, 所述机场异物监测系统采用如下的监测方法:
S1:无人机系统根据控制指令安排无人机进行飞机跑道快速扫描, 确认疑似 FOD 坐标点;
其中,在步骤 S1 中,包括如下步骤:
S11:基站发出检测指令,同时将无人机的飞行路径以及飞行数 据同步给无人机,无人机起航;
S12:无人机根据控制指令沿机场跑道高空快速飞行,飞行过程 中通过无人机上的雷达模块进行跑道扫描,并将扫描信息上传至基站数据库;
S13:基站根据处理中心 MCU 将雷达扫描信息以及数据库中的 信息进行分析,确认图形中的疑似 FOD 坐标点,并将疑似 FOD 坐标点反馈至无人机;
S14:无人机接收基站反馈的疑似 FOD 坐标点信息,低空飞行至 疑似FOD坐标点通过第一摄像组模块或者红外模块对疑似FOD 坐标 点进行拍照确认,并将照片信息上传至基站数据库;
S15:基站根据处理中心 MCU 将照片信息与数据库中信息进行 比对,二次判断是否为疑似 FOD 坐标点,若是,则进入 S2,若否, 则进入 S16;
S16:进行下一疑似 FOD 坐标点位置的二次判断,完成所有疑似 FOD 坐标点位置二次检测后返回至基站基地;
S2:无人车系统根据接收到疑似 FOD 坐标点信息控制无人车对 疑似 FOD 坐标点进行近距离检测,判断是否为 FOD,若是,则进入 S3,若否,则进入 S4;
其中,在步骤 S2 中,包括如下步骤:
S21:基站将 S1 中确认的疑似 FOD 坐标点信息传输给无人车系 统,无人车系统控制无人车循迹出发;
S22:无人车控制内部导向模块和驱动模块,采用位置式 PID 算 法,依靠内部的北斗卫星定位模块和超声波避障模块行驶,驱动无人车行驶至疑似 FOD 坐标点附近位置;
S23:无人车启动摄像组模块,采用实时拍摄方式逐渐贴近寻找 FOD,并经行高清拍照且通过 5G 通信模块上传至基站;
S24:基站根据无人车上传的高清照片信息与数据库信息进行分 析比对,判断是否为FOD,若是,则执行 S3,若否,则执行 S4; 其中,在步骤 S1、步骤 S2 中关于 FOD 的判别,采用如下的步 骤:
ST1:无人机在二次检测过程中,以及无人车在检测过程中,进 行多角度的图像提取;
ST2:将多角度提取的图像进行汇总,汇总的图像将根据曝光强 度进行排序,选取中间值作为其他图像曝光补偿的依据;
ST3:调整至相同的曝光强度后,将图片中机场路面作为背景, 利用二值化技术实现背景消除,采用有梯度的滤波器进行边缘检测, 将右邻点的灰度值减去左邻点的灰度值作为该点的灰度值,如果边缘 检测点的灰度值或者亮度值与背景的灰度值或者亮度值存在较大差 值,则判断为 FOD 边缘检测点; ST4:根据多角度提取的图像以及 FOD 边缘检测点,确定 FOD 的体积和形状,进行 FOD 三维建模;
其中,在 ST2 中关于边缘检测采用 Canny 算子进行提取,具体 的边缘检测步骤为:
ST21:使用高斯滤波器,以平滑图像,滤除噪声;
ST22:计算图像中每个像素点的梯度强度和方向;
ST23:应用非极大值抑制,以消除边缘检测带来的杂散响应; ST24:应用双阈值检测来确定真实的和潜在的边缘;
ST25:通过抑制孤立的弱边缘最终完成边缘检测;
S3:无人车自动清障和/或发出警报信息上传至基站,基站将警 报信息发送给后台工作人员并做出响应;
S4:无人车前往下一处目标点或者返回基站基地,更新数据库。
2.根据权利要求 1 所述的机场异物监测系统,其特征在于,在步 骤 S12 中,无人机的飞行高度为 H1,飞行速度为 V1,在步骤 S14 中, 无人机的飞行高度为 H2,飞行速度为V2,其中,H1>H2,V1>V2。
3.根据权利要求 2 所述的机场异物监测系统,其特征在于,在步 骤 S11 中,基站同时控制多个无人机按照预定飞行路径以及飞行数据 同步给对应无人机执行初检工作,各个无人机独立工作并将跑道的扫 描信息以及疑似 FOD 坐标点的拍照信息反馈给基站数据库。
4.根据权利要求 3 所述的机场异物监测系统,其特征在于,多个 无人机按照多个跑道进行独立工作,或者多个无人机同时执行一条跑 道的 FOD 检测工作。
5.根据权利要求 4 所述的机场异物监测系统,其特征在于,部分 所述无人机上的第一检测模块只包含北斗卫星导航模块和雷达模块, 用于快速完成跑道的雷达扫描;部分所述无人机上的第一检测模块只 包含北斗卫星导航模块、第一摄像组模块和/或红外模块,用于完成 疑似 FOD 坐标点近距离拍照检测。
6.根据权利要求 5 所述的机场异物监测系统,其特征在于,在步 骤 S3 中,基站将确定的 FOD 信息反馈给无人车,如果确定为可清除 FOD,无人车启动清扫模块,用清扫扫帚将 FOD 扫入无人车;如果 确认为是某些无法拾取的异物或者是裂缝,则发出警报信息上传至基 站,基站迅速将警报信息发送给后台工作人员并做出响应。
7.根据权利要求 1 或 6 所述的机场异物监测系统,其特征在于, 后台人工操作平台设有大容量的云盘,基站在每次检测后的所有数据 信息都会留在后台备份,PC 端通过机器学习算法来对每次的 FOD 种 类进行划分,并上传至终端服务器,形成 FOD 数据库,再次检测时, 基站通过获取的检测数据比对原有 FOD 模型来进行归类操作,快速 确定 FOD检测信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210127191.2A CN114162318B (zh) | 2022-02-11 | 2022-02-11 | 一种机场异物监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210127191.2A CN114162318B (zh) | 2022-02-11 | 2022-02-11 | 一种机场异物监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114162318A CN114162318A (zh) | 2022-03-11 |
CN114162318B true CN114162318B (zh) | 2022-05-06 |
Family
ID=80489685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210127191.2A Active CN114162318B (zh) | 2022-02-11 | 2022-02-11 | 一种机场异物监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114162318B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115355952B (zh) * | 2022-10-20 | 2023-01-20 | 山东联合能源管道输送有限公司 | 一种原油储罐智能巡检系统 |
CN115792896A (zh) * | 2022-12-12 | 2023-03-14 | 合肥视展光电科技有限公司 | 一种轨道式机场跑道fod检测方法及系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111762136A (zh) * | 2015-05-12 | 2020-10-13 | 深圳市大疆创新科技有限公司 | 识别或检测障碍物的设备和方法 |
CN107689166A (zh) * | 2017-10-16 | 2018-02-13 | 哈工大机器人集团重庆普耀信息产业发展有限公司 | 一种机场飞行区监控管理系统及管理方法 |
US11281905B2 (en) * | 2018-09-25 | 2022-03-22 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | System and method for unmanned aerial vehicle (UAV)-based foreign object debris (FOD) detection |
CN109389163B (zh) * | 2018-09-29 | 2022-03-29 | 华南理工大学 | 一种基于地形图的无人机影像分类系统及方法 |
CN110298259A (zh) * | 2019-06-05 | 2019-10-01 | 南京理工大学 | 一种机场巡检系统 |
CN110781757B (zh) * | 2019-09-29 | 2023-05-09 | 中国航空无线电电子研究所 | 一种机场道面异物识别定位方法及系统 |
TW202116622A (zh) * | 2019-10-16 | 2021-05-01 | 長榮大學 | 利用無人機群飛執行機場跑道及場區周邊的巡檢方法 |
CN111814720B (zh) * | 2020-07-17 | 2022-06-17 | 电子科技大学 | 一种基于无人机视觉的机场跑道异物检测与分类方法 |
CN111926747A (zh) * | 2020-08-07 | 2020-11-13 | 北京普达迪泰科技有限公司 | 无人机场道面的异物探测清扫系统 |
-
2022
- 2022-02-11 CN CN202210127191.2A patent/CN114162318B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114162318A (zh) | 2022-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114162318B (zh) | 一种机场异物监测系统 | |
Li et al. | Automatic bridge crack detection using Unmanned aerial vehicle and Faster R-CNN | |
CN109060281B (zh) | 基于无人机的一体化桥梁检测系统 | |
EP3685307B1 (en) | Object detection and avoidance for aerial vehicles | |
Luo et al. | A survey of intelligent transmission line inspection based on unmanned aerial vehicle | |
US12097957B2 (en) | Structure scan using unmanned aerial vehicle | |
US20170313439A1 (en) | Methods and syststems for obstruction detection during autonomous unmanned aerial vehicle landings | |
GB2561950A (en) | Unmanned aerial vehicles | |
CN108321722B (zh) | 自动避障的可纵向弯曲树障清理空中机器人和避障方法 | |
CN105512628A (zh) | 基于无人机的车辆环境感知系统及方法 | |
CN114373138A (zh) | 一种高速铁路全自动无人机巡检方法及系统 | |
CN111178148A (zh) | 一种基于无人机视觉系统的地面目标地理坐标定位方法 | |
CN110673141A (zh) | 一种移动式机场道面异物检测方法及系统 | |
Savva et al. | ICARUS: Automatic autonomous power infrastructure inspection with UAVs | |
CN109573037A (zh) | 一种基于vr与多传感器的电力巡线无人机及巡线方法 | |
CN105487092B (zh) | 机场廊桥对接飞机舱口导航系统 | |
CN114113118B (zh) | 一种地铁隧道衬砌裂缝渗漏水病害快速检测装置及其检测方法 | |
CN112477533B (zh) | 设施农业路轨两用运输机器人 | |
CN110170456A (zh) | 基于图像处理的水果分拣装置 | |
CN110187716A (zh) | 地质勘测无人机飞行控制方法和装置 | |
CN114564042A (zh) | 一种基于多传感器融合的无人机着陆方法 | |
CN114162317B (zh) | 一种机场异物监测系统 | |
CN214939706U (zh) | 一种机场跑道异物自动清理设备 | |
CN216468486U (zh) | 一种机场异物监测装置 | |
CN114290313B (zh) | 巡检机器人、自动导航巡检机器人系统及控制方法 |
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 |