CN117296086A - 飞行器识别 - Google Patents

飞行器识别 Download PDF

Info

Publication number
CN117296086A
CN117296086A CN202280033643.9A CN202280033643A CN117296086A CN 117296086 A CN117296086 A CN 117296086A CN 202280033643 A CN202280033643 A CN 202280033643A CN 117296086 A CN117296086 A CN 117296086A
Authority
CN
China
Prior art keywords
aircraft
model
airport
computing device
inbound
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
Application number
CN202280033643.9A
Other languages
English (en)
Inventor
M·夏尔马
M·戈皮纳斯
P·夏尔马
R·V·普贾里
V·S·穆尔希
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.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
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 Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN117296086A publication Critical patent/CN117296086A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0017—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information
    • G08G5/0026—Arrangements for implementing traffic-related aircraft activities, e.g. arrangements for generating, displaying, acquiring or managing traffic information located on the ground
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F1/00—Ground or aircraft-carrier-deck installations
    • B64F1/002—Taxiing aids
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0004—Transmission of traffic-related information to or from an aircraft
    • G08G5/0008—Transmission of traffic-related information to or from an aircraft with other aircraft
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0004—Transmission of traffic-related information to or from an aircraft
    • G08G5/0013—Transmission of traffic-related information to or from an aircraft with a ground station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0043—Traffic management of multiple aircrafts from the ground
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0073—Surveillance aids
    • G08G5/0082—Surveillance aids for monitoring traffic from a ground station
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04—Anti-collision systems
    • G08G5/045—Navigation or guidance aids, e.g. determination of anti-collision manoeuvers
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/06—Traffic control systems for aircraft, e.g. air-traffic control [ATC] for control when on the ground
    • G08G5/065—Navigation or guidance aids, e.g. for taxiing or rolling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本文描述了用于飞行器识别的方法、设备和系统。在一些示例中，一个或多个实施方案包括计算设备，该计算设备包括存储器和处理器，该处理器用于执行存储在存储器中的指令以模拟飞行器类型的三维(3D)模型的虚拟光检测和测距(激光雷达)传感器数据以生成与飞行器类型的3D模型相对应的第一点云，利用飞行器类型的3D模型的模拟虚拟激光雷达传感器数据生成分类模型，以及通过如下方式来识别航空港处的进港飞行器的类型和/或子类型：从航空港处的激光雷达传感器接收进港飞行器的激光雷达传感器数据，利用进港飞行器的激光雷达传感器数据生成与进港飞行器相对应的第二点云，以及使用分类模型对与进港飞行器相对应的第二点云进行分类。

Description

飞行器识别
技术领域
本公开涉及用于飞行器识别的方法、设备和系统。
背景技术
航空港处的空中交通管制(ATC)可以引导地面上的飞行器和航空港附近的空域中的飞行器，以及向航空港处不由ATC控制的空域中的其他飞行器提供咨询服务。在地面上和空中引导飞行器可以防止飞行器之间的碰撞，组织和加快飞行器交通，并且为飞行器飞行员提供信息和/或支持。
ATC可能需要引导航空港中和航空港周围的许多不同的飞行器。为了安全并且有效地引导这些飞行器，ATC控制器可能需要知道这些飞行器的类型以及它们的位置。例如，ATC控制器可能需要利用飞行器类型和飞行器子类型和/或飞行器位置来确定关于不同飞行器类型和飞行器子类型的信息，对某些飞行器进行优先级排序，并且基于飞行器类型和飞行器子类型以及它们的位置采取行动来安全且高效地引导那些飞行器。
为了确保飞行器和坡道操作的安全性，在开始停靠之前，检测飞行器类型和子类型以及针对计划的飞行器进行验证的系统化方法可能是重要的。诸如停机坪控制器的ATC控制器可能必须确保正确的飞行器类型/子类型停靠在正确的停止杆处。
附图说明
图1是根据本公开的一个或多个实施方案的包括用于飞行器识别的进港飞行器的航空港的示例。
图2是根据本公开的一个或多个实施方案的包括用于飞行器识别的进港飞行器的航空港的示例。
图3A是根据本公开的一个或多个实施方案的用于飞行器识别的处于初始姿态的进港飞行器的三维(3D)模型的示例。
图3B是根据本公开的一个或多个实施方案的用于飞行器识别的处于新姿态的进港飞行器的3D模型的示例。
图4是根据本公开的一个或多个实施方案的用于飞行器识别的计算设备的示例。
具体实施方式
本文描述了用于飞行器识别以及飞行器类型和子类型分类的方法、设备和系统。在一些示例中，一个或多个实施方案包括计算设备，该计算设备包括存储器和处理器，该处理器用于执行存储在存储器中的指令以模拟飞行器类型的三维(3D)模型的虚拟光检测和测距(激光雷达)传感器数据以生成与飞行器类型的3D模型相对应的第一点云，利用飞行器类型的3D模型的模拟虚拟激光雷达传感器数据生成分类模型，以及通过如下方式来识别航空港处的进港飞行器的类型：从航空港处的激光雷达传感器接收进港飞行器的激光雷达传感器数据，利用进港飞行器的激光雷达传感器数据生成与进港飞行器相对应的第二点云，以及使用分类模型对与进港飞行器相对应的第二点云进行分类。此外，计算设备可以执行存储在存储器中的指令以识别进港飞行器的位置和进港飞行器的姿态。
当围绕航空港的机场引导飞行器时，知道飞行器的类型和/或飞行器的子类型可能是有帮助的。如本文所用，术语“飞行器的类型”是指飞行器的构造和模型。在一些示例中，飞行器的类型可以包括指定飞行器的类型的字母数字代码。例如，飞行器制造商波音可以制造被称为波音B757的飞行器类型，其中飞行器的类型描述飞行器的品牌(例如，波音)和型号(例如，757)。另外，如本文所用，术语飞行器的“子类型”是指可以描述飞行器的性能和/或服务特性的飞行器的类型的变型。例如，在飞行器类型B757内，波音可以制造757模型的不同子类型，诸如757-200、757-300(其可以包括与757-200不同的长度)、757-200PF(757-200的货物版本)等。
因此，当围绕航空港的机场引导飞行器时，ATC知道飞行器类型和/或子类型是有帮助的。知道飞行器类型和/或飞行器子类型可以允许ATC控制器向飞行器分配滑行路线和/或停止点，以围绕机场安全地引导飞行器和/或防止延误。例如，在一些示例中，ATC控制器可以基于飞行器类型和/或飞行器子类型来引导飞行器采用不同的滑行路线通过航空港处的机场，因为某些飞行器上的翼展限制可能不允许飞行器越过彼此滑行、采用某些滑行路线等。另外，ATC控制器可以将飞行器分配到特定的停止位置，诸如在候机楼的特定登机口，以便避免飞行器停在不能支持飞行器的登机口(例如，由于飞行器尺寸限制、诸如加燃料装备、登机桥放置、行李处理装备等适用的服务装备的可用性)，从而防止乘客和/或航空公司的延误。因此，知道哪种类型和/或子类型的飞行器可以允许ATC控制器安全且有效地围绕机场引导飞行器。
一些航空港可以利用视频检测和引导系统来识别进港飞行器。例如，视频检测和引导系统可以确定进港飞行器正在接近航空港的机场和/或位于航空港的机场处，并且可以使用各种感测系统来识别飞行器的类型。这种感测系统可以包括摄像机、无线电检测和测距(雷达)系统等。然而，这种方法不能识别飞行器子类型。
根据本公开的飞行器识别可以允许飞行器类型和子类型识别。这种识别可以用于可靠地区分非常相似的飞行器子类型。飞行器类型和子类型的识别可以允许飞行器的安全且有效的引导和滑行通过航空港的机场到达停止位置。
在一些示例中，可以使用三维(3D)光检测和测距(激光雷达)传感器来实现在机场处跟踪进港飞行器。这种3D激光雷达传感器可以跟踪进港飞行器通过机场，以用于滑行路线和停止位置确定。然而，3D激光雷达传感器是昂贵的并且对于所有航空港而言可是负担不起的。此外，当跟踪飞行器时，3D激光雷达传感器可以输出用于处理的大量数据，这会加重负责处理这种数据的计算设备的负担。
根据本公开的飞行器识别可以进一步允许通过在不使用3D激光雷达传感器的情况下确定进港飞行器的姿态来识别和跟踪航空港的机场处的飞行器。因此，与先前的方法相比，根据本公开的机场处的飞行器的识别和跟踪可以可靠地并且更便宜地完成。这种方法可以允许提高航空港操作的效率和安全性。
在以下具体实施方式中，参考形成其一部分的附图。附图以举例说明的方式示出了可以实践本公开的一个或多个实施方案的方式。
这些实施方案被描述得足够详细，以使得本领域普通技术人员能够实践本公开的一个或多个实施方案。应当理解，可以利用其他实施方案并且可以作出过程、电气和/或结构改变而不脱离本公开的范围。
应当理解，可添加、交换、组合和/或消除本文各实施方案中所示的元件，以便提供本公开的多个另外实施方案。附图中提供的元件的比例和相对尺寸旨在示出本公开的实施方案，并且不应该是限制性的。
本文的附图遵循如下编号惯例：一个或多个第一数字对应于附图编号，而其余数字标识附图中的元件或部件。在不同附图之间的类似元件或部件可通过使用类似的数字来标识。例如，102可以引用图1中的元素“02”，并且图2中的类似元素可以引用为202。
如本文所用，“一个”或“几个”事物可指一个或多个这样的事物，而“多个”事物可指多于一个这样的事物。例如，“诸多部件”可指一个或多个部件，而“多个部件”可指多于一个部件。另外，如本文所用，特别是相对于附图中的附图标记而言的标号“N”指示由此指定的诸多特定特征可被包括在本公开的诸多实施方案内。此编号在不同的名称之间可能相同，也可能不同。
图1是根据本公开的一个或多个实施方案的包括用于飞行器识别的进港飞行器114的航空港100的示例。航空港100可以包括机场102、激光雷达传感器104、计算设备106、停止位置120和更新的停止位置122。
如图1所示，航空港100可以包括计算设备106。如本文所用，术语“计算设备”是指具有处理资源、存储器资源和/或可以处理信息的专用集成电路(ASIC)的电子系统。计算设备的示例可以包括例如膝上型计算机、笔记本计算机、台式计算机、服务器、联网装备(例如，路由器、交换机等)、和/或移动设备、以及其他类型的计算设备。如本文所用，移动设备可以包括用户携带和/或佩戴(或可以由用户携带和/或佩戴)的设备。例如，移动设备可以为电话(例如，智能电话)、平板计算机、个人数字助理(PDA)、智能眼镜和/或腕戴设备(例如，智能手表)以及其他类型的移动设备。
例如，计算设备106可以是位于航空港100处的计算设备。根据本公开的实施方案，计算设备106可以使得用户(诸如空中交通控制器、地面控制器和/或任何其他类型的用户)能够利用计算设备106来进行飞行器识别。计算设备106可以位于航空港100处以用于飞行器识别，如本文进一步描述的。计算设备106可以是例如位于航空港100的机场102处的登机口处的用于飞行器的飞行员的显示模块等等此类示例。
为了开始飞行器识别，计算设备106可以模拟用于飞行器类型108的3D模型的虚拟激光雷达传感器数据以生成与飞行器类型108的3D模型相对应的第一点云110-1，如本文进一步描述的。飞行器类型108的3D模型可以是预定义的多边形网格模型。例如，飞行器类型108的3D模型可以是例如波音757-300的预定义模型，其中预定义模型由定义对象(例如，波音757-300)的形状的顶点、边和面的集合构成。飞行器类型108的多边形网格3D模型可以被本地存储在计算设备106处的存储器中和/或被远程存储在远程计算设备处并且可由计算设备106经由与远程计算设备的网络关系来访问。
此外，尽管计算设备106被描述为包括作为波音757-300的飞行器类型108的3D模型，但本公开的实施方案不限于此。例如，计算设备106可以包括不同飞行器类型的多个3D模型。这种不同飞行器类型可以包括波音757的其他子类型(例如，波音757-200、波音757-200PF等)、其他飞行器类型和相关联的子类型(例如，波音747和相关联的子类型、波音787和相关联的子类型、空中客车A380和相关联的子类型、空中客车A330和相关联的子类型、McDonnell Douglas MD-90和相关联的子类型等)和/或可以到达和/或离开航空港100的任何其他类型和/或子类型的飞行器。
飞行器类型108的3D模型的虚拟激光雷达传感器数据可以使用模拟软件程序来模拟。如本文所用，术语“虚拟激光雷达传感器数据”是指作为对象的模型上的模拟激光雷达传感器返回的结果而生成的数据。例如，虚拟激光雷达传感器数据可以利用位于航空港116的3D模型中的虚拟激光雷达传感器118。航空港116的3D模型可以是航空港100的多边形网格模型。航空港116的3D模型可以包括航空港100中和/或周围的对象的模型，包括机场102(例如，跑道、滑行道、各种类型的飞行器停机位、停止杆细节等)、候机楼、服务建筑物、机场102上和/或航空港100处的交通工具(例如，飞行器、服务车、行李车等)、与航空港100处的对象相关联的细节(例如，飞行器停机位类型、允许的飞行器类型和/或飞行器停机位的子类型、停机位配置等)和/或航空港100处的任何其他对象。
利用模拟软件程序，计算设备106可以利用具有虚拟激光器的虚拟激光雷达传感器118来模拟对飞行器类型108的3D模型的瞄准并且记录从飞行器类型108的3D模型反射的虚拟返回光。这种模拟可以生成与飞行器类型108的3D模型相对应的第一点云110-1。如本文所用，术语“点云”是指空间中的数据点的集合。第一点云110-1可以是表示飞行器类型108的3D模型的数据点的集合，并且这种数据点可以表示飞行器类型108的3D模型的外表面。
如上所述，计算设备106可以模拟飞行器类型108的3D模型的激光雷达传感器数据，以在航空港116的3D模型上的特定位置处生成第一点云110-1。由于飞行器可以在机场周围移动，计算设备106可以进一步沿着从航空港116的3D模型中的初始位置到停止位置的预定义轨迹来模拟用于飞行器类型108的3D模型的虚拟激光雷达传感器数据。例如，计算设备106可以在沿着预定义轨迹的所有点处模拟用于飞行器类型108的3D模型(例如，波音757-300的3D模型)的虚拟激光雷达传感器，该预定义轨迹可以定义为从飞行器将着陆的跑道上的位置(例如，初始位置)到飞行器将停放的登机口(例如，停止位置)。这种轨迹可以表示通过机场102的可能的滑行路线。因此，计算设备106可以模拟用于波音757-300的3D模型的虚拟激光雷达传感器以生成可以在沿着预定义轨迹的所有点处表示波音757-300的3D模型的多个点云，其中沿着预定义轨迹的每个点可以在距航空港116的3D模型中的虚拟激光雷达传感器的位置的已知距离处。换句话说，与飞行器类型108的3D模型相对应的点云可以在沿着预定义轨迹的每个点处生成，并且在沿着预定义轨迹的每个点处生成的每个点云可以包括相对于航空港116的3D模型中的虚拟激光雷达传感器的位置的位置。
计算设备106可以重复该过程以针对航空港116的3D模型中的多个预定义轨迹生成飞行器类型108的3D模型的点云。航空港116的3D模型中的这种多个预定义轨迹可以表示在航空港100处的机场102上可以采用的所有可能轨迹。此外，计算设备106可以重复该过程以针对不同飞行器类型和子类型的多个3D模型中的所有3D模型生成针对航空港116的3D模型中的多个预定义轨迹的多个点云。
使用用于飞行器类型108的3D模型的该模拟虚拟激光雷达传感器数据以及用于飞行器的其他多个3D模型和所有可能轨迹的模拟虚拟激光雷达传感器数据，计算设备106可以生成分类模型112。例如，分类模型可以包括与飞行器的不同3D模型相对应的多个模拟点云，其中飞行器的这种不同3D模型可以包括不同飞行器类型和飞行器子类型。如本文所用，术语“分类模型”是指包括预测一类给定数据点的预测建模过程。在一些实施方案中，分类模型112可以是机器学习分类算法/模型。分类模型112可以利用上述模拟虚拟激光雷达传感器数据基于来自位于航空港100处的激光雷达传感器104的数据点来识别飞行器类型和/或子类型，如本文进一步描述的。
如图1所示，航空港100可以具有进港飞行器114。进港飞行器114可以到达(例如，降落在)航空港100。当进港飞行器114到达时，航空港100处的ATC识别进港飞行器114的类型和/或子类型可能是有益的，以便规划从跑道到停止位置的滑行路线、资源分配规划(例如，加燃料装备、登机桥放置、处理进港飞行器114的卸载的行李处理装备等)。
计算设备106可以通过从航空港100处的激光雷达传感器104接收进港飞行器114的激光雷达传感器数据来识别进港飞行器114。如本文所用，术语“激光雷达传感器”是指包括激光器和接收器以用激光器瞄准物体、测量反射光返回到接收器的时间、以及传输相关数据用于处理和/或分析的设备。例如，激光雷达传感器104可以测量从激光雷达传感器104发射的光在从进港飞行器114反射之后返回到激光雷达传感器104的时间。在一些实施方案中，激光雷达传感器104可以是二维(2D)激光雷达传感器。例如，2D激光雷达传感器104可以确定到进港飞行器114的水平距离，以确定从激光雷达传感器104到进港飞行器114的距离测量。激光雷达传感器104可以位于机场102上。
计算设备106可以生成与进港飞行器114相对应的第二点云110-2。例如，计算设备106可以利用来自用于进港飞行器114的激光雷达传感器104的激光雷达传感器数据来生成第二点云110-2。
利用第二点云110-2，计算设备106可以使用分类模型112对第二点云110-2进行分类。例如，分类模型112可以利用从来自激光雷达传感器104的激光雷达传感器数据生成的第二点云110-2，以利用上述模拟虚拟激光雷达传感器数据来预测进港飞行器114的飞行器类型和/或子类型。例如，计算设备106可以利用分类模型112基于将来自激光雷达传感器104的激光雷达传感器信息分类为波音757-300的分类模型112来确定进港飞行器114是波音757-300。
计算设备106可以基于进港飞行器114的所识别的类型和/或子类型来生成航空港100的机场102上的停止位置120并且将其传送至进港飞行器114。例如，停止位置120可以能够用于一种类型和/或子类型(例如，基于尺寸、飞行器布局等)的飞行器和/或经由通过机场102的特定轨迹可访问的飞行器。计算设备106可以相应地将停止位置120传送至进港飞行器114。因此，进港飞行器114可以滑行到分配给进港飞行器114的停止位置120。
在一些示例中，计算设备106可以具有与进港飞行器114相关联的预定飞行器类型。例如，可能已经将指示进港飞行器114是波音757-200的信息输入到计算设备106中。这可以是经由无线电传输、用户的观察或通过其他方式接收的信息。计算设备106可以将进港飞行器114的预定飞行器类型和/或子类型(例如，波音757-200)与所识别的进港飞行器类型(例如，波音757-300)进行比较。
响应于预定飞行器类型与所识别的进港飞行器类型不匹配，计算设备106可以向进港飞行器114发送警报。例如，进港飞行器114的预定飞行器类型和子类型可以是波音757-200，其中所识别的进港飞行器类型和子类型是波音757-300(例如，并且进港飞行器114的实际飞行器类型是波音757-300)。计算设备106可以向进港飞行器114发送警报以警告机上的用户(例如，诸如飞行员、副飞行员或其他用户)可以更新停止位置120、可以改变滑行路线等。滑行路线和/或停止位置120可以基于进港飞行器114的尺寸而更新，从而防止进港飞行器114安全地穿越滑行路线(例如，由于机场102上的其他飞行器的尺寸限制等)、不能在停止位置120处停止(例如，进港飞行器114的尺寸对于登机口而言太大，登机口登机桥配置与进港飞行器114的布局不搭配等)。
响应于所识别的飞行器类型与预定飞行器类型不匹配，计算设备106可以将停止位置120更新为122以与所识别的进港飞行器类型相对应。例如，由于所识别的进港飞行器类型被确定为波音757-300，计算设备106可以将停止位置120更新为更新的停止位置122，其中进港飞行器114(例如，波音757-300)能够在更新的停止位置122处被接收，可以安全地滑行到更新的停止位置122，等等。
这样，飞行器类型和/或子类型的识别可以允许可靠地识别飞行器。这种类型和子类型识别可以允许飞行器的安全且有效的引导和滑行通过航空港的机场，诸如到达停止位置。
图2是根据本公开的一个或多个实施方案的航空港200的示例，该航空港包括用于飞行器识别的进港飞行器214。航空港200可以包括机场202、激光雷达传感器204和计算设备206。
飞行器识别可以进一步包括通过识别机场202上的进港飞行器214的位置的飞行器跟踪。这种位置确定可以由计算设备206执行，如本文进一步描述的。
如先前结合图1所描述的，计算设备206可以从激光雷达传感器204接收进港飞行器214的激光雷达传感器数据。激光雷达传感器204可以是位于机场202上的激光雷达传感器。
计算设备206可以生成与进港飞行器214相对应的点云210-2。例如，计算设备206可以利用来自用于进港飞行器214的激光雷达传感器204的激光雷达传感器数据来生成点云210-2。
另外，计算设备206可以确定进港飞行器214的初始姿态。如本文所用，术语“姿态”是指飞行器相对于特定位置的定向。例如，计算设备206可以从与机场202上的传感器相对应的位置确定进港飞行器214的初始姿态。计算设备206可以经由位于航空港200的机场202上的视觉传感器226确定进港飞行器214的初始姿态。视觉传感器可以为(例如)相机(例如，摄像机)，其可以被包含作为航空港200处的视频检测和引导系统的一部分以及视觉传感器的其它示例。视觉传感器226可以位于航空港200的机场202上的激光雷达传感器204附近。
确定进港飞行器214的初始姿态可以包括确定进港飞行器214相对于视觉传感器226的定向和位置。例如，进港飞行器214的定向和位置可以包括诸如偏航、俯仰、翻滚、左/右、上/下和/或相对于视觉传感器226的位置的向前/向后位置和取向之类的属性。
因此，计算设备206可以在航空港216的机场的3D模型中对进港飞行器208的3D模型进行定向。例如，计算设备206可以在航空港216的3D模型中与进港飞行器208的初始姿态相对应的定向和位置上对进港飞行器214的3D模型进行定向。
计算设备206可以模拟初始姿态下的飞行器208的3D模型的虚拟激光雷达传感器数据，以生成与飞行器208的3D模型相对应的模拟点云224，其中飞行器208的3D模型可以是以初始姿态定向的预定义的多边形网格模型。例如，利用模拟软件程序，计算设备206可以利用具有虚拟激光器的虚拟激光雷达传感器218来模拟对飞行器208的3D模型的瞄准，并且记录从飞行器208的3D模型反射的虚拟返回光，其中飞行器208的3D模型以初始姿态定向。这种模拟可以生成与飞行器208的3D模型相对应的模拟点云224。模拟点云224可以是表示飞行器208的3D模型的数据点的集合，并且这种数据点可以表示飞行器208的3D模型的外表面。
计算设备206可以将模拟点云224与生成的点云210-2进行比较，以经由姿态估计来确定进港飞行器214的初始姿态与进港飞行器214的实际姿态相匹配的可能性。如本文所用，术语“可能性”是指模型与一组观察数据拟合得有多好的量度。例如，可能性可以是进港飞行器214的初始姿态与进港飞行器214的实际姿态有多接近的统计测量。
响应于可能性满足或超过阈值，计算设备206可以将进港飞行器214在航空港200处的机场202上的位置以及进港飞行器214的初始姿态标识为进港飞行器214的实际姿态。例如，由于进港飞行器214的初始姿态匹配实际姿态，所以计算设备206可以识别机场202上的进港飞行器214的位置，因为在距激光雷达传感器204的特定距离处的计算设备206可以知道飞行器的特定姿态。
计算设备206可以生成航空港200的机场202上的停止位置220并且将其传送至进港飞行器214。例如，基于进港飞行器214的位置和进港飞行器214的实际姿态，计算设备可以生成可能能够被进港飞行器214利用的停止位置220并传送该停止位置。此外，如先前结合图1所描述的，计算设备206可以基于飞行器类型、飞行器子类型、进港飞行器214的位置以及进港飞行器214的实际姿态来生成停止位置并传送该停止位置220。
在一些示例中，初始姿态的可能性可以不超过阈值。在这种情况下，计算设备206可以迭代姿态估计，直到飞行器208的3D模型的所生成姿态的所确定的可能性满足或超过阈值，如结合图3A和图3B进一步描述的。
图3A是根据本公开的一个或多个实施方案的用于飞行器识别的处于初始姿态330-1的进港飞行器的三维(3D)模型308的示例。3D模型308的初始姿态330-1可以包括属性332。
如上文先前所描述，在一些示例中，初始姿态的可能性可以不超过阈值。在这种示例中，计算设备(例如，先前分别结合图1和图2描述的计算设备106、206)可以迭代姿态估计，直到进港飞行器的3D模型308的所生成的姿态的所确定的可能性满足或超过阈值，如本文进一步描述的。
在可能性不满足或超过阈值的示例中，计算设备可修改进港飞行器的初始姿态330-1的属性332-1、332-2、332-3、332-4、332-5及/或332-6(本文中统称为属性332)以产生新姿态(例如，新姿态330-2，如结合图3B进一步描述)。如本文所用，术语“属性”是指对象的位置特性。例如，属性332可以描述进港飞行器的3D模型308相对于参考点的位置特性。属性332可以是例如相对于飞行器的3D模型308的中心线的位置特性，如本文进一步描述的。
属性332可以是与飞行器的3D模型308相关联的自由度。这种自由度可以包括偏航属性(例如，332-1)、俯仰属性(例如，332-2)、滚动属性(例如，332-3)、左/右属性(例如，332-4)、上/下属性(例如，332-5)和/或向前/向后属性(例如，332-6)。例如，计算设备可以修改进港飞行器的3D模型308的初始姿态的偏航属性332-1。可以在满足或超过阈值的可能性增加的方向上修改属性。属性332-1的这种修改可以产生新姿态330-2，如结合图3B进一步描述的。
图3B是根据本公开的一个或多个实施方案的用于飞行器识别的处于新姿态330-2的进港飞行器的3D模型308的示例。新姿态330-2可以是在由计算设备(例如，先前分别结合图1和图2描述的计算设备106、206)修改之后进港飞行器的3D模型308的姿态。
计算设备可以模拟在新姿态330-2处的飞行器的3D模型308的虚拟激光雷达传感器数据，以生成与飞行器的3D模型308相对应的经修订的模拟点云。例如，利用模拟软件程序，计算设备可以利用具有虚拟激光器的虚拟激光雷达传感器(例如，先前结合图2描述的虚拟激光雷达传感器218)来模拟新姿态330-2中的飞行器的3D模型308的瞄准，并且利用以新姿态330-2定向的飞行器的3D模型308来记录从飞行器的3D模型308反射的虚拟返回光。这种模拟可以生成与飞行器的3D模型308相对应的经修订的模拟点云。
计算设备可以将经修订的模拟点云与从机场上的激光雷达传感器生成的点云进行比较，以确定新姿态330-2与进港飞行器的实际姿态相匹配的可能性。响应于可能性满足或超过阈值，计算设备可以识别进港飞行器在航空港处的机场上的位置并且识别进港飞行器的新姿态330-2是进港飞行器的实际姿态。例如，由于进港飞行器的新姿态330-2与实际姿态匹配，因此计算设备可以识别进港飞行器在机场上的位置，因为在距机场上的激光雷达传感器特定距离处的计算设备可以知道飞行器的特定姿态。
最后，计算设备可以生成航空港的机场上的停止位置并且将其传送至进港飞行器。例如，基于进港飞行器的位置和进港飞行器的实际姿态，计算设备可以生成可能能够被进港飞行器利用的停止位置并传送该停止位置。此外，如先前结合图1所描述的，计算设备可以基于飞行器类型、飞行器子类型、进港飞行器的位置以及进港飞行器的实际姿态(例如，是新姿态330-2)来生成停止位置并传送该停止位置。
图4是根据本公开的一个或多个实施方案的用于飞行器识别的计算设备406的示例。计算设备406可以包括处理器434和存储器436。
存储器436可以是可由处理器434访问以执行本公开的各种示例的任何类型的存储介质。例如，存储器436可以是存储有计算机可读指令(例如，计算机程序指令)的非暂态计算机可读介质，这些计算机可读指令可由处理器434执行以用于根据本公开的飞行器识别。
存储器436可以是易失性存储器或非易失性存储器。存储器436还可以是可移动(例如，便携式)存储器或不可移动(例如，内部)存储器。例如，存储器436可以是随机存取存储器(RAM)(例如，动态随机存取存储器(DRAM)和/或相变随机存取存储器(PCRAM))、只读存储器(ROM)(例如，电可擦可编程只读存储器(EEPROM)和/或光盘只读存储器(CD-ROM))、闪存存储器、激光盘、数字多功能光盘(DVD)或其他光学存储设备和/或磁介质(诸如磁带盒、磁带或磁盘)以及其他类型的存储器。
此外，尽管存储器436被示出为位于计算设备406内，但本公开的实施方案不限于此。例如，存储器436还可位于另一计算资源的内部(例如，使得计算机可读指令能够通过互联网或另一个有线或无线连接进行下载)。
尽管本文已说明和描述了特定实施方案，但所属领域的技术人员将了解，经计算以实现相同技术的任何布置可替代所展示的特定实施方案。本公开旨在覆盖本公开的各种实施方案的任何和所有修改或变化。
应当理解，以上描述是以说明而不是限制的方式给出的。通过阅读以上描述，上述实施方案的组合以及本文未特别描述的其他实施方案对于本领域技术人员将是显而易见的。
本公开的各种实施方案的范围包括使用上述结构和方法的任何其他应用。因此，应当参考所附权利要求以及这些权利要求所赋予的等价物的全部范围来确定本公开的各种实施方案的范围。
在上述具体实施方式中，出于简化本公开的目的，在附图中示出的示例实施方案中将各种特征组合在一起。该公开方法不应被解释为反映本公开的实施方案需要比每个权利要求中明确记载的更多特征的意图。
相反，如以下权利要求所反映的，发明主题在于少于单个公开实施方案的所有特征。因此，以下权利要求在此并入到具体实施方式中，其中每条权利要求作为单独的实施方案独立存在。

Claims (10)

1.一种用于飞行器识别的计算设备(106,206,406)，所述计算设备包括：
存储器(436)；和
处理器(434)，所述处理器被配置为执行存储在所述存储器(436)中的指令以：
模拟飞行器类型(108,208,308)的三维(3D)模型的虚拟光检测和测距(激光雷达)传感器数据，以生成与所述飞行器类型(108,208,308)的3D模型相对应的第一点云(110-1)；
利用所述飞行器类型(108,208,308)的所述3D模型的模拟虚拟激光雷达传感器数据生成分类模型(112)；以及
通过以下方式识别航空港(100,200)处的进港飞行器(114,214)的类型：
从所述航空港(100,200)处的激光雷达传感器(104,204)接收所述进港飞行器(114,214)的激光雷达传感器数据；
利用所述进港飞行器(114,214)的所述激光雷达传感器数据生成与所述进港飞行器(114,214)相对应的第二点云(110-2)；以及
使用所述分类模型(112)对与所述进港飞行器(114,214)相对应的所述第二点云(110-2)进行分类。
2.根据权利要求1所述的计算设备(106,206,406)，其中，所述处理器(434)被配置为执行所述指令以基于所述进港飞行器(114,214)的所识别的类型来生成所述航空港(100,200)的机场上的停止位置(120,220)并且将所述停止位置传送至所述进港飞行器(114,214)。
3.根据权利要求1所述的计算设备(106,206,406)，其中，所述处理器(434)被配置为执行所述指令以将所述所识别的进港飞行器类型(114,214)与所述进港飞行器(114,214)的预定飞行器类型进行比较。
4.根据权利要求3所述的计算设备(106,206,406)，其中，所述处理器(434)被配置为执行以下至少一项：
响应于所述所识别的进港飞行器类型(114,214)与所述预定飞行器类型不匹配而发送警报；以及
响应于所述所识别的飞行器类型(114,214)与所述预定飞行器类型不匹配，更新所述航空港(100,200)的机场上的停止位置(122)以与所述所识别的进港飞行器类型(114,214)相对应。
5.根据权利要求1所述的计算设备(106,206,406)，其中，识别所述进港飞行器的类型(114,214)包括识别所述进港飞行器的子类型。
6.根据权利要求1所述的计算设备(106,206,406)，其中，所述处理器(434)被配置为执行所述指令以沿着从所述航空港(116,216)的3D模型中的初始位置到停止位置的预定义轨迹来模拟用于所述飞行器类型(108,208,308)的所述3D模型的所述虚拟激光雷达传感器数据。
7.根据权利要求6的计算设备(106,206,406)，其中，沿着所述预定义轨迹的每个点位于距所述航空港(116,216)的所述3D模型中的虚拟激光雷达传感器(118,218)的位置的已知距离处。
8.根据权利要求7的计算设备(106,206,406)，其中，在沿着所述预定义轨迹的每个点处生成与所述飞行器类型(108,208,308)的所述3D模型相对应的点云。
9.根据权利要求8所述的计算设备，其中，在沿着所述预定义轨迹的每个点处生成每个点云(110-1、110-2)包括相对于所述航空港(116,216)的所述3D模型中的所述虚拟激光雷达传感器(118,218)的位置的位置。
10.根据权利要求1所述的计算设备(106,206,406)，其中，所述飞行器类型(108,208,308)的所述3D模型是预定义的多边形网格模型。
CN202280033643.9A 2021-06-09 2022-06-09 飞行器识别 Pending CN117296086A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
IN202111025611 2021-06-09
IN202111025611 2021-06-09
PCT/US2022/072847 WO2022261658A1 (en) 2021-06-09 2022-06-09 Aircraft identification

Publications (1)

Publication Number Publication Date
CN117296086A true CN117296086A (zh) 2023-12-26

Family

ID=82016206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280033643.9A Pending CN117296086A (zh) 2021-06-09 2022-06-09 飞行器识别

Country Status (4)

Country Link
US (1) US20220397676A1 (zh)
EP (1) EP4102484A3 (zh)
CN (1) CN117296086A (zh)
WO (1) WO2022261658A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102475554B1 (ko) * 2018-03-15 2022-12-08 니혼온쿄엔지니어링 가부시키가이샤 학습용 데이터 생성 방법, 학습용 데이터 생성 장치 및 학습용 데이터 생성 프로그램

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69430270T2 (de) * 1994-10-14 2002-11-21 Safegate Internat Ab Malmoe Identifikations- und andockungsführungsanlage für flugzeuge
US5988862A (en) * 1996-04-24 1999-11-23 Cyra Technologies, Inc. Integrated system for quickly and accurately imaging and modeling three dimensional objects
US7917346B2 (en) * 2008-02-19 2011-03-29 Harris Corporation Geospatial modeling system providing simulated tree trunks and branches for groups of tree crown vegetation points and related methods
US8306941B2 (en) * 2009-03-24 2012-11-06 Weyerhaeuser Nr Company System and method for identifying trees using LiDAR tree models
CN105302151B (zh) * 2014-08-01 2018-07-13 深圳中集天达空港设备有限公司 一种飞机入坞引导和机型识别的系统及方法
ES2689337T3 (es) * 2015-04-10 2018-11-13 Adb Safegate Sweden Ab Identificación aeronaves
US10489972B2 (en) * 2016-06-28 2019-11-26 Cognata Ltd. Realistic 3D virtual world creation and simulation for training automated driving systems
WO2020065093A1 (en) * 2018-09-28 2020-04-02 thyssenkrupp Airport Solutions, S.A. Method of operating a docking guidance system at an airport stand

Also Published As

Publication number Publication date
US20220397676A1 (en) 2022-12-15
EP4102484A3 (en) 2023-02-08
WO2022261658A1 (en) 2022-12-15
EP4102484A2 (en) 2022-12-14

Similar Documents

Publication Publication Date Title
US20230400853A1 (en) Adjusting a uav flight plan based on radio frequency signal data
US11693409B2 (en) Systems and methods for a scenario tagger for autonomous vehicles
US9245170B1 (en) Point cloud data clustering and classification using implicit geometry representation
CN111680362B (zh) 一种自动驾驶仿真场景获取方法、装置、设备及存储介质
US20110071750A1 (en) Airport Surface Conflict Detection
Foina et al. Drones in smart cities: Overcoming barriers through air traffic control research
CN113597591A (zh) 用于无人飞行器导航的地理基准
US20180050694A1 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
CN110502676B (zh) 基于可视化工具建模的机场场面运行仿真方法及存储介质
US10495722B2 (en) System and method for automatic determination of location of an autonomous vehicle when a primary location system is offline
CN112579464A (zh) 自动驾驶算法的校验方法、装置、设备以及存储介质
CN110515390B (zh) 飞行器自主降落方法及装置、电子设备、存储介质
Symeonidis et al. Vision-based UAV safe landing exploiting lightweight deep neural networks
CN111913492A (zh) 无人机安全降落方法和装置
CN116483127A (zh) 一种无人机异地起降方法、无人机控制终端及存储介质
US20220397676A1 (en) Aircraft identification
Lin et al. A fast obstacle collision avoidance algorithm for fixed wing uas
EP3989034A1 (en) Automatic safe-landing-site selection for unmanned aerial systems
JP2022001840A (ja) 制御装置、プログラム、システム、及び制御方法
CN117034456A (zh) 火箭的飞行轨迹评估方法、装置、存储介质及电子设备
JP2020184316A (ja) 都市航空ビークルの航法性能
JP7068386B2 (ja) 管理装置、プログラム、システム、及び方法
Lee et al. Real‐time collision‐free landing path planning for drone deliveries in urban environments
Wells et al. Predicting suas conflicts in the national airspace with interacting multiple models and haversine-based conflict detection system
CN113587937A (zh) 车辆的定位方法、装置、电子设备和存储介质

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