CN114360296B - 基于地基光电设备的全自动飞机进近降落过程监视方法 - Google Patents
基于地基光电设备的全自动飞机进近降落过程监视方法 Download PDFInfo
- Publication number
- CN114360296B CN114360296B CN202111539152.5A CN202111539152A CN114360296B CN 114360296 B CN114360296 B CN 114360296B CN 202111539152 A CN202111539152 A CN 202111539152A CN 114360296 B CN114360296 B CN 114360296B
- Authority
- CN
- China
- Prior art keywords
- width
- height
- image
- landing
- carried out
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000000877 morphologic effect Effects 0.000 claims abstract description 11
- 238000010586 diagram Methods 0.000 claims abstract description 10
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 7
- 239000002131 composite material Substances 0.000 claims abstract description 7
- 238000003708 edge detection Methods 0.000 claims description 18
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000010339 dilation Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及基于地基光电设备的全自动飞机进近降落过程监视方法,属于飞机领域。该方法包括:开启降落飞机搜索流程,利用地基长焦复合光电探测设备监视机场跑道飞机进近着陆区域,进行旋涡型漫游搜索;利用地基光电探测设备不断采集图像Ik,其中k为视频帧数编号;对Ik进行自适应阈值的边缘特征提取得到边缘特征图Ek;再对Ik进行全局色度提取并求取均值,基于均值确立检测门限得到色度特征图Ck;将Ek与Ck融合得到特征图Fk,对Fk进行形态学滤波并进行连通域分析得到最大似然目标外接矩形;基于外接矩形高、宽度通过图像高、宽度比值归一化,基于归一化后的高、宽度占比调节视场大小;重复上述步骤,开启下一个轮次的程序处理循环。
Description
技术领域
本发明涉及基于地基光电设备的全自动飞机进近降落过程监视方法,属于飞机领域。
背景技术
当前的军、民用机场均设置有专门的观察员、信号员,使用望远镜对飞机进近降落过程进行观察,确认起落架收放状态、飞机飞行姿态等重要信息,针对突发情况可及时与管制员、指挥员汇报,通过电台语音通知飞机进行应急处置操作,确保飞机进近安全。但这种监视方式比较耗费人力资源,尤其对于航班较多的民航机场,观察员需要高频率的重复搜寻飞机、观察飞机,导致极高的人员工作强度,对观察人员的精力、集中力要求较高。同时,望远镜观察效果在夜晚、雾霾等能见度低的天候、气候因素影响下会大折扣,甚至直接失效,无法保障机场飞机进近降落过程的全天候保障需求。因此,需要有一种稳定可靠的全自动飞机进近降落过程监视方法,来取代人工地面观察作业,一种方法是通过专门的光电探测设备(含转台)替代望远镜,进行飞机降落过程红外、可见光成像,持续对进近飞机实施监视。但目前市面上的光电探测设备产品,均只具备简单的手段点选目标跟踪功能,即使布设于机场内,仍需人工操控完成目标寻找,飞机点选跟踪,视场调节、结束跟踪等诸多复杂交互操作,工作量不比使用望远镜少。
综上所述,为了实现飞机降落过程的全自动监视,需要解决以下关键问题:
(1)如何控制光电探测设备完成降落飞机的自动搜索,使目标出现在视场之内。
(2)如何有效区分飞机与天空背景,自动检测发现飞机,进行目标定位。
(3)如何构建一整套飞机降落过程的监视流程使得进近监视过程中飞机图像平稳、清晰,便于人员观察。
发明内容
发明目的:本发明针对现有技术手段的不足,提供基于地基光电设备的全自动飞机进近降落过程监视方法,可替代机场地面观察员,自动完机场飞机进近过程的全流程监视,为危险应急决策提供全天候保障。本发明能够基于地基布设的光电探测设备,自动捕获进近降落飞机目标,对降落过程进行持续的可见光、红外图像监视,为机场飞机降落提供安全保障。
技术方案:
一种基于地基光电设备的全自动飞机进近降落过程监视方法,包括:
步骤1、开启降落飞机搜索流程,利用地基长焦复合光电探测设备监视机场跑道飞机进近着陆区域,进行旋涡型漫游搜索,搜索范围为以标准下滑点为中心,以固定视场大小;
步骤2、利用地基光电探测设备不断采集图像Ik,其中k为视频帧数编号;对Ik进行自适应阈值的边缘特征提取得到边缘特征图Ek;再对Ik进行全局色度提取并求取均值,基于均值确立检测门限得到色度特征图Ck;
步骤3、将Ek与Ck融合得到特征图Fk,对Fk进行形态学滤波并进行连通域分析得到最大似然目标外接矩形;
步骤4、基于外接矩形高、宽度通过图像高、宽度比值归一化,基于归一化后的高、宽度占比调节视场大小,当高宽比大于跟踪结束门限后,结束本轮次降落目标跟踪监视;
步骤5、重复步骤1-4,开启下一个轮次的程序处理循环,实现对所有飞机进近降落持续自动化监视流程。
进一步的,利用地基长焦复合光电探测设备监视机场跑道飞机进近着陆区域,进行旋涡型漫游搜索,包括:
获取飞机进近下滑过程相对于光电探测设备的方位俯仰(αcenter,βcenter);
在一个搜索周期内,控制光电转台以预设的飞机进近降落方位视场角(αwidth,βwidth)按照移动路径的节点依次进行搜索,其中,移动路径每相隔两节点间距在水平方宽度向为αwidth,竖直方向为βwidth;当超过搜索周期仍未检测发现目标时,光电转台从动位置迅速返回移动路径的起始节点位,并开启下一个轮次的搜索。
进一步的,对Ik进行自适应阈值的边缘特征提取得到边缘特征图Ek,包括:
对于原始图像Ik进行高斯滤波得到图像I′k,对I′k采用Canny边缘检测算法进行边缘检测,得到边缘检测结果图Ek,其中Ek尺寸与Ik相同,为单通道二进制图像,像素点取值为0或1,取值为1代表该像素经过前面边缘检测方法确定是边缘点,否则是0。
进一步的,Canny边缘检测算法两个参数HighParam与LowParam确定方法包括:
对图像I′k分别利用Sobel算子求取其x方向和y方向倒数图像,并求取每个像素点的一阶范数梯度强度值得到梯度强图像I″k;
获取I″k中最大像素点值MaxV,然后对I″k建立直方图Histk,直方图组数为HistSize,设定阈值参数ThresholdEdge,像素点总数为TotalPix=Width*Height,其中Width和Height分别为图像I″k的宽度和高度;
计算Histk中每个Bin中的像素个数为binj,j=1,2,...,HistSize,累计像素点数之和
求取一个j的值,使得SumPix≥ThresholdEdge·TotalPix刚好成立,则Canny边缘检测高阈值参数HighParam=(j+1)·HistSize/MaxV,低阈值参数lowParam=0.4·HighParam。
进一步的,对Ik进行全局色度提取并求取均值,基于均值确立检测门限得到色度特征图Ck,包括:
对于原始图像Ik进行RGB空间到HSV空间变换并提取色度分量得到单通道图像Ic,求取Ic像素色度均值其中x,y代表图像中点的坐标,imWidth与imHeight为图像宽度和高度;
构建新的单通道二值图像:根据以下规则,通过Ck对Ic中的每个像素进行考察,得到Ck的每个像素,规则为:对于D(x,y)大于阈值Dgate的则Ck(x,y)=1,否则Ck(x,y)=0。
进一步的,将Ek与Ck融合得到特征图Fk,对Fk进行形态学滤波并进行连通域分析得到最大似然目标外接矩形,包括:
Ek与Ck进行按像素与操作得到融合图像Fk,对Fk进行形态学膨胀滤波,膨胀因子为3×3像素的正方形算子得到F′k;
此后对F′k中连通域进行连通域分析,得到多个联通区域及区域的外接矩形Recti=(xi,yi,widthi,heighti),各外接矩形似然度计算如下所示:取似然度最大的Recti为目标,表示为Rect=(x,y,width,height)。
进一步的,基于外接矩形高、宽度通过图像高、宽度比值归一化,基于归一化后的高、宽度占比调节视场大小,包括:
基于外接矩形高、宽度Rect=(x,y,width,height),通过图像高、宽度比值归一化,归一化后的高、宽度占比为
在飞机降落过程中始终保持rx×ry取值在区间如果出现的情况,则通过光电转台视场控制,调小视场角以使目标占比扩大,如果出现/>则调大视场以使目标占比缩小。
本发明显著优点是:
1、全天候、全自动提供地面视针对降落飞机的有效监控手段。
2、可持续不断针对机场的多种机型的飞机进行检测跟踪,兼容性与可拓展性强,一套设备即可满足整个机场对所有类型飞机的监视需求。
3、采用边缘、色度等特征综合决策,飞机目标可有效锁定,检测成功率高,真正意义上达到减员增效。
附图说明
图1是旋涡型搜索过程示意图。
图2是本发明实际工作时系统界面截图。
具体实施方式
本发明提供了基于地基光电设备的全自动飞机进近降落过程监视方法,能够基于地基布设的光电探测设备,捕获进近降落飞机,实现整个进近着陆过程监控。
本发明技术方案的实施步骤如下:
(1)开启降落飞机搜索流程,地基长焦复合光电探测设备(红外、可见光)监视机场跑道飞机进近着陆区域,以标准下滑点为中心,以固定视场大小,进行旋涡型漫游搜索。
(2)利用地基光电探测设备不断采集图像Ik,其中k为视频帧数编号。对Ik进行自适应阈值的边缘特征提取得到边缘特征图Ek;再对Ik进行全局色度提取并求取均值,基于均值确立检测门限得到色度特征图Ck。
(3)将Ek与Ck融合得到特征图Fk,对Fk进行形态学滤波并进行连通域分析得到最大似然目标外接矩形,外接矩形表示为Rect=(x,y,width,height)。
(4)基于外接矩形高、宽度通过图像高、宽度比值归一化,基于归一化后的高、宽度占比调节视场大小,当高宽比大于跟踪结束门限后,结束本轮次降落目标跟踪监视。
(5)重复步骤(1)至步骤(4),开启下一个轮次的程序处理循环,实现对所有飞机进近降落持续自动化监视流程。
本发明基于地基光电设备的全自动飞机进近降落过程监视方法中,设备以标准下滑点为中心,以固定视场大小,进行旋涡型漫游搜索方式如下:
飞机进近下滑过程相对于光电探测设备的方位俯仰基本上是一个固定值,该值为(αcenter,βcenter),光电转台以固定的视场角进行搜索,固定搜索视场角大小为(αwidth,βwidth),令一个搜索周期为T,当前时刻距离开始搜索时间为t(t<T),图1为旋涡型搜索视场移动路径,移动路径每相隔两节点间距在水平方宽度向为αwidth,竖直方向为βwidth,开始点位在中心点即(αcenter,βcenter)对应的方位俯仰角度,移动速度为固定值Sspeed,则光电转台t时刻的搜索位置在图上旋涡线距离起点的路径长度为t·Sspeed。当超过搜索周期仍未检测发现目标时,光电转台从动位置迅速返回(αcenter,βcenter)点位,并开启下一个轮次的搜索。
本发明基于地基光电设备的全自动飞机进近降落过程监视方法中,边缘特征图获取方式如下:
对于原始图像Ik(同时适用可见光与红外图像)进行算子大小为5的高斯滤波得到图像I′k,对I′k进行边缘检测,采用Canny边缘检测算法进行边缘提取,其中Canny边缘检测算法两个参数HighParam与LowParam确定方法如下,对图像I′k分别利用Sobel算子求取其x方向和y方向倒数图像,并求取每个像素点的一阶范数梯度强度值得到梯度强图像I″k,获取I″k中最大像素点值MaxV,然后对I″k建立直方图Histk,直方图组数为HistSize,设定阈值参数ThresholdEdge(预设0.97),像素点总数为TotalPix=Width*Height,(其中Width和Height分别为图像I″k的宽度和高度)计算Histk中每个Bin中的像素个数为binj,j=1,2,...,HistSize,累计像素点数之和求取一个j的值,使得SumPix≥ThresholdEdge·TotalPix刚好成立,则Canny边缘检测高阈值参数HighParam=(j+1)·HistSize/MaxV,低阈值参数lowParam=0.4·HighParam。基于高低阈值参数,可得到边缘检测结果图Ek,其中Ek尺寸与Ik相同,为单通道二进制图像,像素点取值为0或1,取值为1代表该像素经过前面边缘检测方法确定是边缘点,否则是0。
本发明基于地基光电设备的全自动飞机进近降落过程监视方法中,目标色度特征图提取过程如下:
对于原始图像Ik(同时适用可见光与红外图像)进行RGB空间到HSV空间变换并提取色度分量得到单通道图像Ic,针对求取Ic像素色度均值其中x,y代表图像中点的坐标,imWidth与imHeight为图像宽度和高度,构建新的单通道二值图像,Ck对Ic中的每个像素根据以下规则进行考察,/>对于D(x,y)大于阈值Dgate的则Ck(x,y)=1,否则Ck(x,y)=0。从而得到图像Ck。
本发明基于地基光电设备的全自动飞机进近降落过程监视方法中,边缘特征图像、色度特征图像融合以及目标外接矩形提取过程步骤如下:
Ek与Ck图像大小一致,融合图像Fk(x,y)=Ek(x,y)&Ck(x,y),即Ek与Ck进行按像素与操作得到融合图像Fk,对Fk进行形态学膨胀滤波,膨胀因子为3×3像素的正方形算子得到F′k。此后对F′k中连通域进行连通域分析,得到多个联通区域及区域的外接矩形Recti=(xi,yi,widthi,heighti),各外接矩形似然度计算如下所示:取似然度最大的Recti为目标,表示为Rect=(x,y,width,height)。
本发明基于地基光电设备的全自动飞机进近降落过程监视方法中,基于在目标尺寸变换监视视场角,并在最后解除本轮次飞行过程监视步骤如下:
基于外接矩形高、宽度Rect=(x,y,width,height),通过图像高、宽度比值归一化,归一化后的高、宽度占比为在飞机降落过程中始终保持rx×ry取值在区间/>如果出现/>的情况,则通过光电转台视场控制,调小视场角以使目标占比扩大到适当范围,如果出现/>则调大视场以使目标占比缩小到适当范围,而当/>且此时已经是最大视场时则,则取消本轮次的跟踪,可以进入下一个轮次的进近降落飞机监视流程。
本发明提供基于地基光电设备的全自动飞机进近降落过程监视方法,应用于光电探测设备所在系统,该系统界面如图2所示,包括:
(1)开启降落飞机搜索流程,地基长焦复合光电探测设备(红外、可见光)监视机场跑道飞机进近着陆区域,以标准下滑点为中心,以固定视场大小,进行旋涡型漫游搜索如图1所示。其处理流程如下:
飞机进近下滑过程相对于光电探测设备的方位俯仰基本上是一个固定值,该值为(αcenter,βcenter),光电转台以固定的视场角进行搜索,固定搜索视场角大小为(αwidth,βwidth),令一个搜索周期为T,当前时刻距离开始搜索时间为t(t<T),附图1为旋涡型搜索视场移动路径,移动路径每相隔两节点间距在水平方宽度向为αwidth,竖直方向为βwidth,开始点位在中心点即(αcenter,βcenter)对应的方位俯仰角度,移动速度为固定值Sspeed,则光电转台t时刻的搜索位置在图上旋涡线距离起点的路径长度为t·Sspeed。当超过搜索周期仍未检测发现目标时,光电转台从动位置迅速返回(αcenter,βcenter)点位,并开启下一个轮次的搜索。
(2)利用地基光电探测设备不断采集图像Ik,其中k为视频帧数编号。对Ik进行自适应阈值的边缘特征提取得到边缘特征图Ek;再对Ik进行全局色度提取并求取均值,基于均值确立检测门限得到色度特征图Ck。特征图获取方式如下:
边缘特征图获取方式如下:
对于原始图像Ik(同时适用可见光与红外图像)进行算子大小为5的高斯滤波得到图像I′k,对I′k进行边缘检测,采用Canny边缘检测算法进行边缘提取,其中Canny边缘检测算法两个参数HighParam与LowParam确定方法如下,对图像I′k分别利用Sobel算子求取其x方向和y方向倒数图像,并求取每个像素点的一阶范数梯度强度值得到梯度强图像I″k,获取I″k中最大像素点值MaxV,然后对I″k建立直方图Histk,直方图组数为HistSize,设定阈值参数ThresholdEdge(预设0.97),像素点总数为TotalPix=Width*Height,(其中Width和Height分别为图像I″k的宽度和高度)计算Histk中每个Bin中的像素个数为binj,j=1,2,...,HistSize,累计像素点数之和求取一个j的值,使得SumPix≥ThresholdEdge·TotalPix刚好成立,则Canny边缘检测高阈值参数HighParam=(j+1)·HistSize/MaxV,低阈值参数lowParam=0.4·HighParam。基于高低阈值参数,可得到边缘检测结果图Ek,其中Ek尺寸与Ik相同,为单通道二进制图像,像素点取值为0或1,取值为1代表该像素经过前面边缘检测方法确定是边缘点,否则是0。
目标色度特征图提取过程如下:
对于原始图像Ik(同时适用可见光与红外图像)进行RGB空间到HSV空间变换并提取色度分量得到单通道图像Ic,针对求取Ic像素色度均值其中x,y代表图像中点的坐标,imWidth与imHeight为图像宽度和高度,构建新的单通道二值图像,Ck对Ic中的每个像素根据以下规则进行考察,/>对于D(x,y)大于阈值Dgate的则Ck(x,y)=1,否则Ck(x,y)=0。从而得到图像Ck。
(3)将Ek与Ck融合得到特征图Fk,对Fk进行形态学滤波并进行连通域分析得到最大似然目标外接矩形,外接矩形表示为Rect=(x,y,width,height)。
Ek与Ck图像大小一致,融合图像Fk(x,y)=Ek(x,y)&Ck(x,y),即Ek与Ck进行按像素与操作得到融合图像Fk,对Fk进行形态学膨胀滤波,膨胀因子为3×3像素的正方形算子得到F′k。此后对F′k中连通域进行连通域分析,得到多个联通区域及区域的外接矩形Recti=(xi,yi,widthi,heighti),各外接矩形似然度计算如下所示:取似然度最大的Recti为目标,表示为Rect=(x,y,width,height)。
(4)基于外接矩形高、宽度通过图像高、宽度比值归一化,基于归一化后的高、宽度占比调节视场大小,当高宽比大于跟踪结束门限后,结束本轮次降落目标跟踪监视。其处理流程为:
基于外接矩形高、宽度Rect=(x,y,width,height),通过图像高、宽度比值归一化,归一化后的高、宽度占比为在飞机降落过程中始终保持rx×ry取值在区间/>如果出现/>的情况,则通过光电转台视场控制,调小视场角以使目标占比扩大到适当范围,如果出现/>则调大视场以使目标占比缩小到适当范围,而当/>且此时已经是最大视场时则,则取消本轮次的跟踪,可以进入下一个轮次的进近降落飞机监视流程。
(5)重复步骤(1)至步骤(4),开启下一个轮次的程序处理循环,实现对所有飞机进近降落持续自动化监视流程。
Claims (7)
1.一种基于地基光电设备的全自动飞机进近降落过程监视方法,其特征在于,包括:
步骤1、开启降落飞机搜索流程,利用地基长焦复合光电探测设备监视机场跑道飞机进近着陆区域,进行旋涡型漫游搜索,搜索范围为以标准下滑点为中心,以固定视场大小;
步骤2、利用地基光电探测设备不断采集图像Ik,其中k为视频帧数编号;对Ik进行自适应阈值的边缘特征提取得到边缘特征图Ek;再对Ik进行全局色度提取并求取均值,基于均值确立检测门限得到色度特征图Ck;
步骤3、将Ek与Ck融合得到特征图Fk,对Fk进行形态学滤波并进行连通域分析得到最大似然目标外接矩形;
步骤4、基于外接矩形高、宽度通过图像高、宽度比值归一化,基于归一化后的高、宽度占比调节视场大小,当高宽比大于跟踪结束门限后,结束本轮次降落目标跟踪监视;
步骤5、重复步骤1-4,开启下一个轮次的程序处理循环,实现对所有飞机进近降落持续自动化监视流程;
基于外接矩形高、宽度通过图像高、宽度比值归一化,基于归一化后的高、宽度占比调节视场大小,包括:
基于外接矩形高、宽度Rect=(x,y,width,height),通过图像高、宽度比值归一化,归一化后的高、宽度占比为
在飞机降落过程中始终保持rx×ry取值在区间如果出现的情况,则通过光电转台视场控制,调小视场角以使目标占比扩大,如果出现/>则调大视场以使目标占比缩小。
2.根据权利要求1所述的方法,其特征在于,利用地基长焦复合光电探测设备监视机场跑道飞机进近着陆区域,进行旋涡型漫游搜索,包括:
获取飞机进近下滑过程相对于光电探测设备的方位俯仰(αcenter,βcenter);
在一个搜索周期内,控制光电转台以预设的飞机进近降落方位视场角(αwidth,βwidth)按照移动路径的节点依次进行搜索,其中,移动路径每相隔两节点间距在水平方宽度向为αwidth,竖直方向为βwidth;当超过搜索周期仍未检测发现目标时,光电转台从动位置迅速返回移动路径的起始节点位,并开启下一个轮次的搜索。
3.根据权利要求2所述的方法,其特征在于,对Ik进行自适应阈值的边缘特征提取得到边缘特征图Ek,包括:
对于原始图像Ik进行高斯滤波得到图像I′k,对I′k采用Canny边缘检测算法进行边缘检测,得到边缘检测结果图Ek,其中Ek尺寸与Ik相同,为单通道二进制图像,像素点取值为0或1,取值为1代表该像素经过前面边缘检测方法确定是边缘点,否则是0。
4.根据权利要求3所述的方法,其特征在于,Canny边缘检测算法两个参数HighParam与LowParam确定方法包括:
对图像I′k分别利用Sobel算子求取其x方向和y方向倒数图像,并求取每个像素点的一阶范数梯度强度值得到梯度强图像I″k;
获取I″k中最大像素点值MaxV,然后对I″k建立直方图Histk,直方图组数为HistSize,设定阈值参数ThresholdEdge,像素点总数为TotalPix=Width*Height,其中Width和Height分别为图像I″k的宽度和高度;
计算Histk中每个Bin中的像素个数为binj,j=1,2,...,HistSize,累计像素点数之和
求取一个j的值,使得SumPix≥ThresholdEdge·TotalPix刚好成立,则Canny边缘检测高阈值参数HighParam=(j+1)·HistSize/MaxV,低阈值参数lowParam=0.4·HighParam。
5.根据权利要求3所述的方法,其特征在于,对Ik进行全局色度提取并求取均值,基于均值确立检测门限得到色度特征图Ck,包括:
对于原始图像Ik进行RGB空间到HSV空间变换并提取色度分量得到单通道图像Ic,求取Ic像素色度均值其中x,y代表图像中点的坐标,imWidth与imHeight为图像宽度和高度;
构建新的单通道二值图像:根据以下规则,通过Ck对Ic中的每个像素进行考察,得到Ck的每个像素,规则为:对于D(x,y)大于阈值Dgate的则Ck(x,y)=1,否则Ck(x,y)=0。
6.根据权利要求5所述的方法,其特征在于,将Ek与Ck融合得到特征图Fk,对Fk进行形态学滤波并进行连通域分析得到最大似然目标外接矩形,包括:
Ek与Ck进行按像素与操作得到融合图像Fk,对Fk进行形态学膨胀滤波,膨胀因子为3×3像素的正方形算子得到F′k;
此后对F′k中连通域进行连通域分析,得到多个联通区域及区域的外接矩形Recti=(xi,yi,widthi,heighti),各外接矩形似然度计算如下所示:取似然度最大的Recti为目标,表示为Rect=(x,y,width,height)。
7.一种计算机可读的存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111539152.5A CN114360296B (zh) | 2021-12-15 | 2021-12-15 | 基于地基光电设备的全自动飞机进近降落过程监视方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111539152.5A CN114360296B (zh) | 2021-12-15 | 2021-12-15 | 基于地基光电设备的全自动飞机进近降落过程监视方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114360296A CN114360296A (zh) | 2022-04-15 |
CN114360296B true CN114360296B (zh) | 2024-04-09 |
Family
ID=81099021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111539152.5A Active CN114360296B (zh) | 2021-12-15 | 2021-12-15 | 基于地基光电设备的全自动飞机进近降落过程监视方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114360296B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100886323B1 (ko) * | 2007-10-10 | 2009-03-04 | 성균관대학교산학협력단 | 컬러 히스토그램을 이용한 실시간 물체 추적 방법 및 장치 |
CN101833104A (zh) * | 2010-04-27 | 2010-09-15 | 北京航空航天大学 | 一种基于多传感器信息融合的三维可视化导航方法 |
CN101916446A (zh) * | 2010-07-23 | 2010-12-15 | 北京航空航天大学 | 基于边缘信息和均值移位的灰度目标跟踪算法 |
CN103679128A (zh) * | 2012-09-24 | 2014-03-26 | 中国航天科工集团第二研究院二O七所 | 一种抗云层干扰的飞机目标检测方法 |
JP2017219377A (ja) * | 2016-06-06 | 2017-12-14 | 三菱電機株式会社 | 監視装置、監視方法及び空港監視システム |
CN108122213A (zh) * | 2017-12-25 | 2018-06-05 | 北京航空航天大学 | 一种基于YCrCb的低对比度图像增强方法 |
CN109791413A (zh) * | 2016-10-10 | 2019-05-21 | 高通股份有限公司 | 用于使无人机着陆在移动基座上的系统和方法 |
CN110989674A (zh) * | 2019-12-16 | 2020-04-10 | 西安因诺航空科技有限公司 | 一种基于ArUco标签的无人机视觉引导降落方法 |
WO2021012757A1 (zh) * | 2019-07-23 | 2021-01-28 | 南京莱斯电子设备有限公司 | 基于全景多路4k视频图像的实时目标检测跟踪方法 |
CN113792631A (zh) * | 2021-08-31 | 2021-12-14 | 电子科技大学 | 一种基于多尺度自适应与边域注意力的飞行器检测与跟踪方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRPI0817039A2 (pt) * | 2007-08-24 | 2015-07-21 | Stratech Systems Ltd | Sistema e método de vigilância de pista de pouso e decolagem |
CN105373135B (zh) * | 2014-08-01 | 2019-01-01 | 深圳中集天达空港设备有限公司 | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 |
-
2021
- 2021-12-15 CN CN202111539152.5A patent/CN114360296B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100886323B1 (ko) * | 2007-10-10 | 2009-03-04 | 성균관대학교산학협력단 | 컬러 히스토그램을 이용한 실시간 물체 추적 방법 및 장치 |
CN101833104A (zh) * | 2010-04-27 | 2010-09-15 | 北京航空航天大学 | 一种基于多传感器信息融合的三维可视化导航方法 |
CN101916446A (zh) * | 2010-07-23 | 2010-12-15 | 北京航空航天大学 | 基于边缘信息和均值移位的灰度目标跟踪算法 |
CN103679128A (zh) * | 2012-09-24 | 2014-03-26 | 中国航天科工集团第二研究院二O七所 | 一种抗云层干扰的飞机目标检测方法 |
JP2017219377A (ja) * | 2016-06-06 | 2017-12-14 | 三菱電機株式会社 | 監視装置、監視方法及び空港監視システム |
CN109791413A (zh) * | 2016-10-10 | 2019-05-21 | 高通股份有限公司 | 用于使无人机着陆在移动基座上的系统和方法 |
CN108122213A (zh) * | 2017-12-25 | 2018-06-05 | 北京航空航天大学 | 一种基于YCrCb的低对比度图像增强方法 |
WO2021012757A1 (zh) * | 2019-07-23 | 2021-01-28 | 南京莱斯电子设备有限公司 | 基于全景多路4k视频图像的实时目标检测跟踪方法 |
CN110989674A (zh) * | 2019-12-16 | 2020-04-10 | 西安因诺航空科技有限公司 | 一种基于ArUco标签的无人机视觉引导降落方法 |
CN113792631A (zh) * | 2021-08-31 | 2021-12-14 | 电子科技大学 | 一种基于多尺度自适应与边域注意力的飞行器检测与跟踪方法 |
Non-Patent Citations (6)
Title |
---|
PAR辅助光电设备的飞机着陆监测与评估系统设计;王永庆;代传金;赵修斌;许云达;金子岳;;航空学报;20161231(第12期);全文 * |
Robust airplane detection in satellite images;Wei li Etal.;2011 18th IEEE International conference on image processing;全文 * |
利用同步检测线方法的火车运动跟踪;李晗等;电路与系统学报;第12卷(第3期);全文 * |
四旋翼飞行器地面目标跟踪系统的研究与设计;张保威;中国优秀硕士论文全文数据库信息科技辑;全文 * |
基于多源图像处理的飞机起降主动监视方法;张晋武;舰船电子工程;20161031;全文 * |
着陆阶段航空器航迹检测与风险识别方法;岳仁田;焦阳;赵嶷飞;;交通运输系统工程与信息(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114360296A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203265B (zh) | 一种施工扬尘污染源自动监测及影响范围预测系统及方法 | |
CN108334844B (zh) | 一种输电线路巡检的沿线自动跟踪方法 | |
CN110047241A (zh) | 一种森林火灾无人机巡航监控系统 | |
CN110866483B (zh) | 一种动静结合的机场跑道异物视觉检测与定位方法 | |
CN108038415B (zh) | 一种基于机器视觉的无人机自动检测与跟踪方法 | |
CN108108697B (zh) | 一种实时无人机视频目标检测与跟踪方法 | |
CN104834920A (zh) | 一种无人机多光谱图像的智能林火识别方法及装置 | |
CN105373135A (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
CN109614864B (zh) | 一种地基视角多机型飞机起落架收放状态检测方法 | |
Luo et al. | Object-aware power line detection using color and near-infrared images | |
CN111898444A (zh) | 一种基于图像识别的飞机起落架状态判定方法 | |
CN109584264B (zh) | 一种基于深度学习的无人机视觉引导空中加油方法 | |
CN114089786A (zh) | 一种基于无人机视觉的沿山区公路自主巡检系统 | |
CN108198417A (zh) | 一种基于无人机的道路巡检系统 | |
Liu et al. | A robust vision-based skyline detection algorithm under different weather conditions | |
CN104182992A (zh) | 一种基于全景视觉的海上弱小目标检测方法 | |
Li et al. | The future application of transmission line automatic monitoring and deep learning technology based on vision | |
CN105810023A (zh) | 机场起落架收放自动监测系统及方法 | |
Xu et al. | Development of power transmission line detection technology based on unmanned aerial vehicle image vision | |
CN109325911B (zh) | 一种基于注意力增强机制的空基铁轨检测方法 | |
CN114360296B (zh) | 基于地基光电设备的全自动飞机进近降落过程监视方法 | |
CN110211159A (zh) | 一种基于图像视频处理技术的飞机位置检测系统及方法 | |
CN113449566B (zh) | 人在回路的“低慢小”目标智能图像跟踪方法及系统 | |
Majidi et al. | Real time aerial natural image interpretation for autonomous ranger drone navigation | |
CN106327921A (zh) | 基于飞机航线和可视化数据融合的起落架安全监控方法 |
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 |