CN117726670B - 一种机场跑道污染物覆盖面积评估方法、系统及智能终端 - Google Patents
一种机场跑道污染物覆盖面积评估方法、系统及智能终端 Download PDFInfo
- Publication number
- CN117726670B CN117726670B CN202410179205.4A CN202410179205A CN117726670B CN 117726670 B CN117726670 B CN 117726670B CN 202410179205 A CN202410179205 A CN 202410179205A CN 117726670 B CN117726670 B CN 117726670B
- Authority
- CN
- China
- Prior art keywords
- detector
- pollutant
- actual
- preset
- runway
- 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
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 112
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000009466 transformation Effects 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 230000011218 segmentation Effects 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 239000000356 contaminant Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 238000012854 evaluation process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种机场跑道污染物覆盖面积评估方法、系统及智能终端,涉及机场跑道污染物面积评估领域,方法包括:获取采集的机场跑道图像;获取基础数据;计算出每个预置位ROI实际面积;计算出每个预置位ROI边界点集实际坐标;根据实际坐标计算出每个预置位的透视变换矩阵;对机场跑道图像进行预处理、语义分割和边缘提取,得到图片污染物轮廓边缘点集并对其进行透视变换,得到探测器预置位污染物实际轮廓透视边缘点集;根据实际轮廓透视边缘点集计算出每个预置位污染物实际覆盖面积;根据所有探测器的所有预置位污染物实际覆盖面积评估跑道表面污染物覆盖状况,得到评估结果。评估过程自动化,评估速度快、效率高、更准确。
Description
技术领域
本发明涉及机场跑道污染物面积评估技术领域,具体涉及一种机场跑道污染物覆盖面积评估方法、系统及智能终端。
背景技术
跑道状况评估是机场运营人对某一运行跑道上有水、雪、雪浆、冰、霜时或橡胶沉积,对跑道表面状况进行的评估。评估结果是机组对实际刹车效应直观感受的一个重要组成部分。跑道表面状况的报告将从传统的跑道摩阻特性测试转变为跑道表面状况评估。民航机场司于2021年7月7日发布《运输机场跑道表面状况评估和报告规则》征求意见稿,2021年9月3日印发《运输机场跑道表面状况评估和通报规则的通知》,2021年11月4日正式实施。污染物覆盖面积评估,是跑道状况评估的重要组成部分,规则中详细定义了跑道状态评估的方法、内容、精度及格式,其中输出格式是将跑道划分成左中右三部分,输出每一部分覆盖比例(如:25/36/29)。
据民航规〔2012〕32号《关于印发运输机场跑道表面状况评估和通报规则的通知》,目前机场跑道运维人员,评估跑道污染物覆盖面积主要采取目视等方式进行,采用这种方法主要面临以下问题:
1、人工成本大,工作效率较低;
2、人工主观判断,缺乏客观性,对工作人员专业程度要求较高。
发明内容
针对现有技术中的缺陷,本发明提供的一种机场跑道污染物覆盖面积评估方法、系统及智能终端,评估过程自动化,评估速度快、效率高、更准确、精度高。
第一方面,本发明实施例提供的一种机场跑道污染物覆盖面积评估方法,包括:
获取探测器采集的机场跑道图像;
获取基础数据,所述基础数据包括探测器盲区半径R、探测器到跑道中线的距离D1、探测器每个预置位起始角度Ɵ(As, Ae)、探测器安装高度H和每个预置位ROI边界点集P(u,v);
根据探测器盲区半径R、探测器到跑道中线的距离D1和探测器每个预置位起始角度Ɵ(As, Ae)计算出每个预置位ROI实际面积;
以探测器安装点为原点,探测器连线向右为X轴方向,垂直于跑道中线向前为Y轴方向,建立坐标系,计算出每个预置位ROI边界点集实际坐标;
根据所述实际坐标计算出每个预置位的透视变换矩阵;
对机场跑道图像进行预处理、语义分割和边缘提取,得到图片污染物轮廓边缘点集;
对图片污染物轮廓边缘点集进行透视变换,得到探测器预置位污染物实际轮廓透视边缘点集;
根据所述实际轮廓透视边缘点集计算出每个预置位污染物实际覆盖面积;
根据所有探测器的所有预置位污染物实际覆盖面积评估跑道表面污染物覆盖状况,得到状态评估结果。
第二方面,本发明实施例提供的一种机场跑道污染物覆盖面积评估系统,包括:图像获取模块、数据获取模块、计算模块和评估模块,
所述图像获取模块用于获取探测器采集的机场跑道图像;
所述数据获取模块用于获取基础数据,所述基础数据包括探测器盲区半径R、探测器到跑道中线的距离D1、探测器每个预置位起始角度Ɵ(As, Ae)、探测器安装高度H和每个预置位ROI边界点集P(u,v);
所述计算模块用于根据探测器盲区半径R、探测器到跑道中线的距离D1和探测器每个预置位起始角度Ɵ(As, Ae)计算出每个预置位ROI实际面积;
以探测器安装点为原点,探测器连线向右为X轴方向,垂直于跑道中线向前为Y轴方向,建立坐标系,计算出每个预置位ROI边界点集实际坐标;
根据所述实际坐标计算出每个预置位的透视变换矩阵;
对机场跑道图像进行预处理、语义分割和边缘提取,得到图片污染物轮廓边缘点集;
对图片污染物轮廓边缘点集进行透视变换,得到探测器预置位污染物实际轮廓透视边缘点集;
根据所述实际轮廓透视边缘点集计算出每个预置位污染物实际覆盖面积;
所述评估模块用于根据所有探测器的所有预置位污染物实际覆盖面积评估跑道表面污染物覆盖状况,得到状态评估结果。
第三方面,本发明实施例提供的一种智能终端,包括处理器、输入设备、输出设备和存储器,所述处理器分别与输入设备、输出设备和存储器连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述实施例描述的方法。
本发明的有益效果:
本发明实施例提供的一种机场跑道污染物覆盖面积评估方法、系统及智能终端,通过探测器采集图片,对图像进行污染物分割,提取污染物图片轮廓,利用先验信息计算预置位实际跑道覆盖面积,获取透视变换矩阵,将污染物轮廓边缘进行透视变换获得新轮廓,计算新轮廓实际覆盖面积,从而获取全跑道污染物覆盖面积,进而按规范输出跑道污染物评估状态结果,本发明相比与现有技术相比,具有以下优点:
1、评估过程自动化,人工参与度低;
2、评估更准确、精度高;
3、评估速度快、效率高。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明第一实施例所提供的一种机场跑道污染物覆盖面积评估方法中探测器部署示意图;
图2为本发明第一实施例中探测器单个测量范围示意图;
图3为本发明第一实施例所提供的一种机场跑道污染物覆盖面积评估方法的流程图;
图4为本发明第一实施例中预置位采集图片的示意图;
图5为本发明第一实施例中预置位图片感兴趣区域的示意图;
图6为本发明第一实施例中图像分割处理后积雪轮廓的示意图;
图7为本发明第一实施例中图像透视变换后积雪轮廓的示意图;
图8为本发明另一实施例所提供的一种机场跑道污染物覆盖面积评估系统的结构示意图;
图9示出了本发明另一实施例所提供的一种智能终端的结构示意图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为 “当... 时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,由于跑道中线有供高、飞行区限高等因素制约,因此覆盖一条3600m的跑道需要上百个光学探测器,每个探测器覆盖一定区域,每个传感器有多个预置位。如图2所示,A为跑道区域、B为探测器盲区、C是单个探测器覆盖区域、D是多探测器非覆盖区域,D区会随着预置位数量的增加而减少,每个C代表一个预置位的覆盖区域。通过探测器采集图片,对图像进行污染物分割,提取污染物图片轮廓,利用先验信息计算预置位实际跑道覆盖面积,计算透视变换矩阵,将污染物轮廓边缘进行透视变换获得新轮廓,计算新轮廓实际覆盖面积,即可得到当前预置位污染物覆盖面积,将所有探测器的所有预置位处理完成,即可得到全跑道污染物覆盖面积。
如图3所示,示出了本发明第一实施例所提供的一种机场跑道污染物覆盖面积评估方法的流程图,方法包括以下步骤:
S1:获取探测器采集的机场跑道图像;
S2:获取基础数据,所述基础数据包括探测器盲区半径R、探测器到跑道中线的距离D1、探测器每个预置位起始角度Ɵ(As, Ae)、探测器安装高度H和每个预置位ROI边界点集P(u,v);
S3:根据探测器盲区半径R、探测器到跑道中线的距离D1和探测器每个预置位起始角度Ɵ(As, Ae)计算出每个预置位ROI实际面积;
S4:以探测器安装点为原点,探测器连线向右为X轴方向,垂直于跑道中线向前为Y轴方向,建立坐标系,计算出每个预置位ROI边界点集实际坐标;
S5:根据所述实际坐标计算出每个预置位的透视变换矩阵;
S6:对机场跑道图像进行预处理、语义分割和边缘提取,得到图片污染物轮廓边缘点集;
S7:对图片污染物轮廓边缘点集进行透视变换,得到探测器预置位污染物实际轮廓透视边缘点集;
S8:根据所述实际轮廓透视边缘点集计算出每个预置位污染物实际覆盖面积;
S9:根据所有探测器的所有预置位污染物实际覆盖面积评估跑道表面污染物覆盖状况,得到状态评估结果。
其中,S2:获取基础数据:包括各个探测器盲区半径R、探测器到跑道中线的距离D1、探测器每个预置位起始角度Ɵ(As, Ae)、探测器安装高度H、每个预置位图片感兴趣区域(Region of Interest, ROI)边界点集P(u, v)。所有探测器按逆时针排序,当前一探测器出现在当前探测器视场中间时,设置当前探测器极坐标起始角度为零度。以此为基础,预设每个探测器的每个场景的角度,每个探测器根据覆盖要求可设置N个预置位,根据跑道长度部署M个探测器。
S3:计算每个预置位ROI实际面积:假设第i个探测器有N个预置位,Ɵij(Asij, Aeij)为第i个探测器第j个预置位的起始角度,其中i=1,2,3,~,M,j=1,2,3,~,N,假设第i个探测器第j个预置位覆盖面积为Sij,则有:
即:
S4:计算每个预置位ROI边界点集实际坐标:以探测器安装点为原点,探测器连线向右为X轴方向,垂直于跑道中线向前为Y轴方向,建立坐标系;每个预置位ROI区域点集有四个(依次为左上、右上、右下、左下),假设第i个探测器的第j个预置位感兴趣区域边界点集有F个点,Pijf(uijf, vijf)为第i个探测器第j个预置位第f个ROI边界点,其中i=1,2,3,~,M,j=1,2,3,~,N,f=1,2,3,4,假设第i个探测器第j个预置位第f个ROI边界点为Rijk(xijf,yijf),则有:
左上点坐标:
右上点坐标:
右下点坐标:
左下点坐标:
S5:计算每个预置位的透视变换矩阵:已知当前预置位ROI边界点集为P(u, v),对应边界点集实际坐标为R(x, y);为了方便计算将步骤S4建立的坐标系进行平移,使得R(x,y)的坐标值均为正;假设第i个探测器第j个预置位的透视变换矩阵为Tij、平移矩阵为T’ ij,那么利用四个点对信息,可计算得到Tij,则有:
。
S6:获取图片污染物轮廓边缘点集:对探测器采集图片进行预处理、语义分割、边缘提取,获得污染物轮廓边缘点集,根据实际情况,图片处理结果可能存在多个污染物区域边缘点集,标记为(Q1, Q2, Q3,~, Qn),n为整数;假设Iij表示第i个探测器的第j个预置位采集图片,Pre表示对图片进行预处理、Seg表示对图片进行语义分割,则有:
。
S7:获取污染物轮廓透视变换后边缘点集:利用步骤S5的透视变换矩阵,对图片污染物轮廓边缘点集进行透视变换,获得污染物轮廓透视变换后边缘点集,可能存在多个污染物区域边缘点集,标记为(O1, O2, O3,~, On),k=1,2,3,~,n,则有:
。
S8:计算每个预置位污染物实际覆盖面积:已知第i个探测器的第j个预置位污染物实际轮廓边缘点集为(O1, O2, O3,~, O n),利用求多边形面积的方法求出每个轮廓点集所围成多边形的面积,假设S’ ij是第i个探测器的第j个预置位污染物实际覆盖面积,Sij(O k)表示第i个探测器的第j个预置位第k个轮廓区域的面积,则有:
。
S9:评估跑道表面污染物覆盖状况:获得所有探测器所有预置位污染物覆盖面积,按照《运输机场跑道表面状况评估和通报规则的通知》规定,将跑道划分为左中右三部分,将分别位于三个部分的各自探测器的污染物面积相加,分别记为SJL、SJM、SJR,JL表示探测器都在划分的左侧的编号集合,JM表示探测器都在划分的中间的编号集合,JR表示探测器都在划分的右侧的编号集合;将分别位于三个部分的各自探测器的感兴趣区域面积相加,分别记为S’ JL、S’ JM、S’ JR,则有:
根据抽样调查法,选取所有的C区,计算整个跑道污染物的覆盖面积,也可通过增加预置位个数,使得C区的面积近似与整个跑道,且这种评估方式的精确度远大于人工目视评估,满足《运输机场跑道表面状况评估和通报规则的通知》规定的75%的精度。基于此可采用如下结果评估跑道污染物覆盖情况,假设Ca表示状态评估结果,则有:
值得注意的是,在进行评估的时候,可以根据实际情况选取不同传感器的探测器预置位,做到区域定制化评估,应用范围更加灵活。
以下采用具体的应用场景对上述实施例进行详细说明:
当前传感器编号14,有7个预置位,每个预置位覆盖角度为20°,第1号预置位从20°开始,每个预置位覆盖区域紧密相连,当前采集图片属于5号预置位,那么5号预置位的视场角起始角度为100°~120°,假设探测器盲区半径为3m、探测器到跑道中线的距离30m、探测器安装高度0.5m、5号预置位图片ROI左上为(0,465)、右上为(1920,480)、右下为(1920,1080)、左下为(0,1080)。
1) 基础参数计算:
①计算14号探测器5号预置位ROI实际面积:
②计算ROI边界点坐标:
左上点:
右上点:
右下点:
左下点:
③已知当前预置位ROI边界点集为(0,465)、(1920,480)、(1920,1080)、(0,1080),对应边界点集实际坐标为(5.29,30)、(17.32,30)、(1.5,2.6)、(0.52,2.95),计算可得透视变换矩阵,则有:
2) 实时计算:
④接收图片、划分感兴趣区域、图像分割及提取轮廓,如图4、5、6所示;
⑤利用第③步透视变换矩阵,获得透视变换后的轮廓,如图7所示;
⑥通过计算透视变换后的轮廓面积(求多边形面积),则有:
3) 汇总统计
⑦以上④⑤⑥步计算的是14号探测器5号预置位的污染物覆盖面积,汇总所有探测器所有预置位污染物覆盖面积,即可获得整条跑道污染物覆盖比例Ca。
本发明实施例提供的一种机场跑道污染物覆盖面积评估方法,通过探测器采集图片,对图像进行污染物分割,提取污染物图片轮廓,利用先验信息计算预置位实际跑道覆盖面积,获取透视变换矩阵,将污染物轮廓边缘进行透视变换获得新轮廓,计算新轮廓实际覆盖面积,从而获取全跑道污染物覆盖面积,进而按规范输出跑道污染物评估状态结果,本发明与现有方法相比,具有以下优点:
1、评估过程自动化,人工参与度低;
2、评估更准确、精度高;
3、评估速度快、效率高。
在上述的第一实施例中,提供了一种机场跑道污染物覆盖面积评估方法,与之相对应的,本申请还提供一种机场跑道污染物覆盖面积评估系统。请参考图8,其为本发明第二实施例提供的一种机场跑道污染物覆盖面积评估系统的结构示意图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如图8所示,示出了本发明另一实施例所提供的一种机场跑道污染物覆盖面积评估系统的结构示意图,系统包括:图像获取模块、数据获取模块、计算模块和评估模块,所述图像获取模块用于获取探测器采集的机场跑道图像;所述数据获取模块用于获取基础数据,所述基础数据包括探测器盲区半径R、探测器到跑道中线的距离D1、探测器每个预置位起始角度Ɵ(As, Ae)、探测器安装高度H和每个预置位ROI边界点集P(u,v);计算模块用于根据探测器盲区半径R、探测器到跑道中线的距离D1和探测器每个预置位起始角度Ɵ(As, Ae)计算出每个预置位ROI实际面积;以探测器安装点为原点,探测器连线向右为X轴方向,直于跑道中线向前为Y轴方向,建立坐标系,计算出每个预置位ROI边界点集实际坐标;根据所述实际坐标计算出每个预置位的透视变换矩阵;对机场跑道图像进行预处理、语义分割和边缘提取,得到图片污染物轮廓边缘点集;对图片污染物轮廓边缘点集进行透视变换,得到探测器预置位污染物实际轮廓透视边缘点集;根据所述实际轮廓透视边缘点集计算出每个预置位污染物实际覆盖面积;评估模块用于根据所有探测器的所有预置位污染物实际覆盖面积评估跑道表面污染物覆盖状况,得到状态评估结果。
计算模块的具体工作方法步骤参考第一实施例中的步骤S3~S8的内容,评估模块的具体工作方法步骤参考第一实施例中步骤S9的内容,在此不再赘述。
本发明实施例提供的一种机场跑道污染物覆盖面积评估系统,通过探测器采集图片,对图像进行污染物分割,提取污染物图片轮廓,利用先验信息计算预置位实际跑道覆盖面积,获取透视变换矩阵,将污染物轮廓边缘进行透视变换获得新轮廓,计算新轮廓实际覆盖面积,从而获取全跑道污染物覆盖面积,进而按规范输出跑道污染物评估状态结果,本发明与现有系统相比,具有以下优点:
1、评估过程自动化,人工参与度低;
2、评估更准确、精度高;
3、评估速度快、效率高。
如图9所示,示出了本发明另一实施例的一种智能终端的结构示意图,该终端包括处理器、输入设备、输出设备和存储器,所述处理器分别与输入设备、输出设备和存储器连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述实施例描述的方法。
应当理解,在本发明实施例中,所称处理器可以是中央处理单元 (CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器 (DigitalSignal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备可以包括显示器(LCD等)、扬声器等。
该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器、输入设备、输出设备可执行本发明实施例提供的方法实施例所描述的实现方式,也可执行本发明实施例所描述的系统实施例的实现方式,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种机场跑道污染物覆盖面积评估方法,其特征在于,包括:
获取探测器采集的机场跑道图像;
获取基础数据,所述基础数据包括探测器盲区半径R、探测器到跑道中线的距离D 1 、探测器每个预置位起始角度Ɵ(A s , A e )、探测器安装高度H和每个预置位图片感兴趣区域边界点集P(u,v);
根据探测器盲区半径R、探测器到跑道中线的距离D 1 和探测器每个预置位起始角度Ɵ (A s , A e )计算出每个预置位图片感兴趣区域实际面积;
以探测器安装点为原点,探测器连线向右为X轴方向,垂直于跑道中线向前为Y轴方向,建立坐标系,计算出每个预置位图片感兴趣区域边界点集实际坐标;
根据所述实际坐标计算出每个预置位的透视变换矩阵;
对机场跑道图像进行预处理、语义分割和边缘提取,得到图片污染物轮廓边缘点集;
对图片污染物轮廓边缘点集进行透视变换,得到探测器预置位污染物实际轮廓透视边缘点集;
根据所述实际轮廓透视边缘点集计算出每个预置位污染物实际覆盖面积;
根据所有探测器的所有预置位污染物实际覆盖面积评估跑道表面污染物覆盖状况,得到状态评估结果。
2.如权利要求1所述的方法,其特征在于,所述根据探测器盲区半径R、探测器到跑道中线的距离D 1 和探测器每个预置位起始角度Ɵ(A s , A e )计算出每个预置位图片感兴趣区域实际面积的具体方法包括:
假设第i个探测器有N个预置位,Ɵ ij (A sij , A eij )为第i个探测器第j个预置位的起始角度,其中i=1,2,3,~,M,j=1,2,3,~,N,假设第i个探测器第j个预置位覆盖面积为Sij,则有:
;
根据上式得到:。
3.如权利要求2所述的方法,其特征在于,所述计算出每个预置位图片感兴趣区域边界点集实际坐标的具体方法包括:
每个预置位图片感兴趣区域点集有四个,依次为左上点、右上点、右下点和左下点,假设第i个探测器的第j个预置位感兴趣区域边界点集有F个点,P ijk (u ijk , v ijk )为第i个探测器第j个预置位第f个图片感兴趣区域边界点,其中,f=1,2,3,4,假设第i个探测器第j个预置位第f个图片感兴趣区域边界点为R ijf (x ijf , y ijf ),则有:
左上点坐标:
;
右上点坐标:
;
右下点坐标:
;
左下点坐标:
。
4.如权利要求3所述的方法,其特征在于,根据所述实际坐标计算出每个预置位的透视变换矩阵的具体方法包括:
已知当前预置位图片感兴趣区域边界点集为P(u, v),对应边界点集实际坐标为R(x, y);
假设第i个探测器的第j个预置位的透视变换矩阵为T ij 、平移矩阵为T ’ ij ,利用四个点对信息计算得到T ij :
。
5.如权利要求4所述的方法,其特征在于,所述对机场跑道图像进行预处理、语义分割和边缘提取的具体方法包括:
假设I ij 表示第i个探测器的第j个预置位采集图片,Pre表示对图片进行预处理、Seg表示对图片进行语义分割,则得到多个污染物轮廓边缘点集,标记为(Q 1 , Q 2 , Q 3 ,~, Q n ),n为整数:
。
6.如权利要求5所述的方法,其特征在于,所述对图片污染物轮廓边缘点集进行透视变换具体方法包括:
利用透视变换矩阵对图片污染物轮廓边缘点集进行透视变换,得到多个污染物区域边缘点集,标记为(O 1 , O 2 , O 3 ,~, O n ),k=1,2,3,~,n,则有:
。
7.如权利要求6所述的方法,其特征在于,根据所述实际轮廓透视边缘点集计算出每个预置位污染物实际覆盖面积的具体方法包括:
假设S ’ ij 是第i个探测器的第j个预置位污染物实际覆盖面积,S ij (O k )表示第i个探测器的第j个预置位第k个轮廓区域的面积,利用求多边形面积的方法计算每个预置位污染物实际覆盖面积的公式为:
。
8.如权利要求7所述的方法,其特征在于,所述根据所有探测器的所有预置位污染物实际覆盖面积评估跑道表面污染物覆盖状况的具体方法包括:
将跑道划分为左中右三部分,将分别位于三个部分的各自探测器的实际污染物面积相加,分别记为S JL 、S JM 、S JR ,将分别位于三个部分的各自探测器的感兴趣区域面积相加,分别记为S ’ JL 、S ’ JM 、S ’ JR ,则有:
;
根据抽样调查法,选取所有的探测器覆盖区域计算整个跑道表面污染物的覆盖面积,计算状态评估结果C a 的公式为:
。
9.一种机场跑道污染物覆盖面积评估系统,其特征在于,包括:图像获取模块、数据获取模块、计算模块和评估模块,
所述图像获取模块用于获取探测器采集的机场跑道图像;
所述数据获取模块用于获取基础数据,所述基础数据包括探测器盲区半径R、探测器到跑道中线的距离D 1 、探测器每个预置位起始角度Ɵ(A s , A e )、探测器安装高度H和每个预置位图片感兴趣区域边界点集P(u,v);
所述计算模块用于根据探测器盲区半径R、探测器到跑道中线的距离D 1 和探测器每个预置位起始角度Ɵ(A s , A e )计算出每个预置位图片感兴趣区域实际面积;
以探测器安装点为原点,探测器连线向右为X轴方向,垂直于跑道中线向前为Y轴方向,建立坐标系,计算出每个预置位图片感兴趣区域边界点集实际坐标;
根据所述实际坐标计算出每个预置位的透视变换矩阵;
对机场跑道图像进行预处理、语义分割和边缘提取,得到图片污染物轮廓边缘点集;
对图片污染物轮廓边缘点集进行透视变换,得到探测器预置位污染物实际轮廓透视边缘点集;
根据所述实际轮廓透视边缘点集计算出每个预置位污染物实际覆盖面积;
所述评估模块用于根据所有探测器的所有预置位污染物实际覆盖面积评估跑道表面污染物覆盖状况,得到状态评估结果。
10.一种智能终端,包括处理器、输入设备、输出设备和存储器,所述处理器分别与输入设备、输出设备和存储器连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,其特征在于,所述处理器被配置用于调用所述程序指令,执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179205.4A CN117726670B (zh) | 2024-02-18 | 2024-02-18 | 一种机场跑道污染物覆盖面积评估方法、系统及智能终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410179205.4A CN117726670B (zh) | 2024-02-18 | 2024-02-18 | 一种机场跑道污染物覆盖面积评估方法、系统及智能终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117726670A CN117726670A (zh) | 2024-03-19 |
CN117726670B true CN117726670B (zh) | 2024-05-07 |
Family
ID=90209252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410179205.4A Active CN117726670B (zh) | 2024-02-18 | 2024-02-18 | 一种机场跑道污染物覆盖面积评估方法、系统及智能终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117726670B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815602A (zh) * | 2017-01-10 | 2017-06-09 | 中国民用航空总局第二研究所 | 一种基于多层次特征描述的跑道fod图像探测方法及装置 |
CN107391839A (zh) * | 2017-07-19 | 2017-11-24 | 南京航空航天大学 | 一种降低大气环境影响的机场单跑道方位选择方法 |
CN114019503A (zh) * | 2021-09-29 | 2022-02-08 | 广州辰创科技发展有限公司 | 基于fod检测系统的机场跑道异物检测方法、设备、存储介质 |
CN114037821A (zh) * | 2021-11-08 | 2022-02-11 | 首都机场集团有限公司 | 污染物检测方法、装置、设备和存储介质 |
CN215952640U (zh) * | 2021-08-20 | 2022-03-04 | 大连威保航空设备技术有限公司 | 一种机场跑道报告系统 |
CN115546738A (zh) * | 2022-08-31 | 2022-12-30 | 成都众乐泰科技有限公司 | 一种铁轨异物检测方法 |
CN115601736A (zh) * | 2022-09-30 | 2023-01-13 | 中国民用航空总局第二研究所(Cn) | 一种机场飞行区道面异物协同检测装置 |
CN116309839A (zh) * | 2023-03-20 | 2023-06-23 | 中国航空工业集团公司成都飞机设计研究所 | 一种基于遥测数据的跑道自动标注方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8052622B2 (en) * | 2009-09-02 | 2011-11-08 | Artann Laboratories Inc | Methods for characterizing vaginal tissue elasticity |
-
2024
- 2024-02-18 CN CN202410179205.4A patent/CN117726670B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815602A (zh) * | 2017-01-10 | 2017-06-09 | 中国民用航空总局第二研究所 | 一种基于多层次特征描述的跑道fod图像探测方法及装置 |
CN107391839A (zh) * | 2017-07-19 | 2017-11-24 | 南京航空航天大学 | 一种降低大气环境影响的机场单跑道方位选择方法 |
CN215952640U (zh) * | 2021-08-20 | 2022-03-04 | 大连威保航空设备技术有限公司 | 一种机场跑道报告系统 |
CN114019503A (zh) * | 2021-09-29 | 2022-02-08 | 广州辰创科技发展有限公司 | 基于fod检测系统的机场跑道异物检测方法、设备、存储介质 |
CN114037821A (zh) * | 2021-11-08 | 2022-02-11 | 首都机场集团有限公司 | 污染物检测方法、装置、设备和存储介质 |
CN115546738A (zh) * | 2022-08-31 | 2022-12-30 | 成都众乐泰科技有限公司 | 一种铁轨异物检测方法 |
CN115601736A (zh) * | 2022-09-30 | 2023-01-13 | 中国民用航空总局第二研究所(Cn) | 一种机场飞行区道面异物协同检测装置 |
CN116309839A (zh) * | 2023-03-20 | 2023-06-23 | 中国航空工业集团公司成都飞机设计研究所 | 一种基于遥测数据的跑道自动标注方法 |
Non-Patent Citations (4)
Title |
---|
Modelling Airport Pollutants Dispersion at High Resolution;Claire Sarrat 等;Aerospace;20170825;第4卷(第3期);1-10 * |
基于传感器技术的机场跑道监测平台设计;李佳明等;机电信息;20220110;70-72 * |
基于模糊评价的融合权重污染度评估方法;董慧芬等;电子测量技术;20230408;24-31 * |
运输机场跑道道面表面状况评估方法;崔艾军等;城市建设理论研究(电子版);20231215;202-207 * |
Also Published As
Publication number | Publication date |
---|---|
CN117726670A (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200364849A1 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
US11657491B2 (en) | Learning data collection apparatus, learning data collection method, and program | |
CN111724355B (zh) | 一种鲍鱼体型参数的图像测量方法 | |
CN101807352A (zh) | 一种模糊模式识别的车位检测方法 | |
CN110849807B (zh) | 一种基于深度学习的适用于道路能见度的监测方法与系统 | |
CN104700395A (zh) | 一种构造物外观裂缝检测方法及系统 | |
US20220315243A1 (en) | Method for identification and recognition of aircraft take-off and landing runway based on pspnet network | |
CN106022338A (zh) | 一种数字病理全切片图像感兴趣区域自动检测方法 | |
CN108961230A (zh) | 结构表面裂缝特征的识别与提取方法 | |
CN103000067B (zh) | 直角转弯检测系统及其检测方法 | |
CN110969610A (zh) | 基于深度学习的电力设备红外热图的识别方法及系统 | |
CN114627021A (zh) | 基于点云与深度学习的缺陷检测方法和系统 | |
CN116152697A (zh) | 一种混凝土结构裂缝的三维模型测量方法及相关装置 | |
CN114494017A (zh) | 根据比例尺进行图像dpi调整的方法和装置、设备及介质 | |
CN110728269B (zh) | 一种基于c2检测数据的高铁接触网支柱杆号牌识别方法 | |
CN117726670B (zh) | 一种机场跑道污染物覆盖面积评估方法、系统及智能终端 | |
CN109272484A (zh) | 一种基于视频图像的降雨检测方法 | |
CN107578001B (zh) | 测试指纹采集设备的分辨率的方法及装置 | |
US20230108779A1 (en) | Road deterioration diagnostic device, road deterioration diagnostic system, roaddeterioration diagnostic method, and recording medium | |
JP3500425B2 (ja) | 可視画像式路面状況把握装置における路面状況判定方法 | |
CN103077639B (zh) | 曲线行驶检测系统及其检测方法 | |
CN117037449A (zh) | 一种基于边缘计算的团雾监测方法及监测系统 | |
CN111597939A (zh) | 一种基于深度学习的高铁线路鸟窝缺陷检测方法 | |
CN115994901A (zh) | 一种道路病害自动检测方法与系统 | |
CN107403429B (zh) | 一种周期序列图像模型参数的快速自动获取方法 |
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 |