一種基于機器視覺的入塢飛機跟蹤定位方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種用于智能飛機泊位引導系統(tǒng)的飛機跟蹤和定位方法，特別是一種 用于飛機泊位引導的運動物體檢測、跟蹤、特征識別，W及圖像標定、物體定位的基于機器 視覺的入瑪飛機跟蹤定位方法及系統(tǒng)。
【背景技術(shù)】
[0002] 飛機泊位引導是指將到港飛機從滑行道末端導引至機坪的停機位置并準確停泊 的過程。飛機泊位引導的目的是保障入瑪飛機安全準確停泊，能方便飛機與各種地勤接口 的準確對接，并使登機橋能有效靠接飛機艙口，提高機場運行效率和安全。自動飛機泊位引 導系統(tǒng)按使用傳感器的類型不同主要分為；（1)地埋線圈類；（2)激光掃描測距類；（3)視 覺感知類。地埋感應(yīng)線圈類自動引導系統(tǒng)通過探測是否有金屬物體經(jīng)過或停留來確定入瑪 飛機的位置。地埋感應(yīng)線圈的優(yōu)點是響應(yīng)速度快、成本低，對天氣和照度無要求，但誤差較 大、抗干擾能力低。同時，埋在地下的引線和電子元件容易被壓壞、可靠性不高，測量精度不 高，不能識別機型，可調(diào)試可維修性差。激光掃描測距類自動引導系統(tǒng)通過激光測距和激光 掃描來確定飛機位置、速度和機型等信息，不受環(huán)境照度的影響、且受天氣影響較小，精度 較高，可調(diào)試可維修性好。視覺感知類自動引導系統(tǒng)通過光學成像方式獲取飛機入瑪過程 的圖像信息，進而通過智能化信息處理技術(shù)確定入瑪飛機的位置、速度和機型等信息，系統(tǒng) 架構(gòu)簡單、成本低，具有高的智能化水平，可調(diào)性可維護性較好，但對天氣和照度有要求、適 應(yīng)性較差。
[0003] 隨著視覺感知成像技術(shù)、智能化信息處理技術(shù)和計算機技術(shù)的不斷深入發(fā)展，可 視化飛機泊位引導技術(shù)能精確、快速獲取入瑪飛機的入瑪信息，已在機場的泊位引導系統(tǒng) 中得到應(yīng)用。美國化neywell公司研制的可視化飛機泊位引導系統(tǒng)（VDG巧和德國西口子 公司研制的視頻泊位引導系統(tǒng)（VD0CK巧作為國際領(lǐng)先水平的視覺引導設(shè)備也在國際上一 些機場得到應(yīng)用，但送些系統(tǒng)對天氣和照度要求較高、適應(yīng)性較差。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是提供一種基于機器視覺的入瑪飛機跟蹤定位方法 及系統(tǒng)，能有效實現(xiàn)飛機入瑪過程的飛機捕獲、跟蹤與定位，W有效提高民航機場自動化、 智能化和運營管理的水平。
[0005] 為了實現(xiàn)上述目的，本發(fā)明提供了一種基于機器視覺的入瑪飛機跟蹤定位方法， 其中，包括如下步驟：
[0006] S1、飛機泊位場景設(shè)置，將監(jiān)測場景劃分為不同的信息處理功能區(qū)，W縮小圖片的 處理區(qū)域范圍，提高處理效率；
[0007] S2、飛機捕獲，在設(shè)置好的飛機泊位場景中捕獲待停泊飛機，包括：
[0008] S21、背景消除，基于中值濾波的背景模型、混合高斯背景模型或基于核密度概率 估計的背景模型來擬合場景中背景的動態(tài)分布并進行背景建模，然后將當前頓與背景模型 作差分w消除背景，w凸顯前景區(qū)域；
[0009] S22、陰影消除，統(tǒng)計通過背景消除提取的該前景區(qū)域中的灰度值，找出最大灰度 值g max和最小灰度值g min,然后在灰度值小于T = g min+(g max-g min)*0. 5的區(qū)域進 行陰影消除；
[0010] S23、區(qū)域分類，建立一個標準正面飛機區(qū)域模板，提取目標區(qū)域并求取該區(qū)域的 垂直投影曲線，然后求取該垂直投影曲線與所述標準正面飛機區(qū)域模板的垂直投影曲線的 相關(guān)系數(shù)，若該相關(guān)系數(shù)大于或等于0.9,則該目標為飛機；
[0011] S24、特征驗證，通過檢測捕獲到的飛機的引擎和前輪來進一步驗證該目標是否為 飛機；
[0012] S3、飛機跟蹤及定位，通過對步驟S2捕獲到的飛機引擎和飛機前輪的圖像連續(xù)跟 蹤和實時更新，W實現(xiàn)對飛機實時定位并準確判斷飛機相對于引導線的偏離程度；
[0013] S4、信息顯示，輸出并顯示步驟S3對飛機實時定位及飛機相對于引導線偏離程度 的結(jié)果。
[0014] 上述的基于機器視覺的入瑪飛機跟蹤定位方法，其中，所述特征驗證步驟S24包 括：
[0015] S241、圖像極黑區(qū)域提取，對檢測到的前景圖像進行灰度直方圖統(tǒng)計，在灰度級中 間1%~99%范圍內(nèi)獲得像素數(shù)不為0的最大灰度值/最小灰度值的比值，使用預設(shè)的闊 值提取圖像中最黑的部分，得到一幅極黑區(qū)域；
[0016] S242、類圓形檢測，提取該極黑區(qū)域的所有外層邊界，對每一個邊界使用邊界的矩 計算邊界的重必坐標，邊界的第ji階矩定義如下：
[0020] 對于當前邊界的所有像素點，計算其與該重必的距離，若計算得到的最大距離與 最小距離的比值大于一預設(shè)值，則認為該區(qū)域非圓形，進行下一區(qū)域的判定，記錄判定的類 圓形區(qū)域的重必坐標和半徑；
[0021] S243、在類圓區(qū)域中通過判斷相似度檢測飛機引擎；
[0022] S244、檢測飛機前輪，確認該飛機引擎和前輪則捕獲成功。
[0023] 上述的基于機器視覺的入瑪飛機跟蹤定位方法，其中，在類圓區(qū)域中檢測飛機引 擎步驟S243中，假設(shè)一共檢測到了 Μ個類圓形區(qū)域，其中第i個和第j個的相似度的計算 為：
[0024] Similarity。= I Hei曲ti-Hei曲tj I * I RadiuSi-RadiiiSj I
[00巧]其中，Hei曲t為重必高度，Radius為半徑，當相似度Similarity^小于預設(shè)為40 的闊值時，則認為區(qū)域i和j為飛機引擎。
[0026] 上述的基于機器視覺的入瑪飛機跟蹤定位方法，其中，在步驟S243中，若沒有 檢測出飛機引擎，則進行迭代檢測，將極黑判定闊值度lackest化dge)、圓形判定闊值 ((^1^16化(1邑6)、相似度闊值（3；[111；[1日1'1'虹6311)，再進行步驟5241-243;若仍然沒有檢測出 飛機引擎，則對所有的極黑區(qū)域使用7*7的圓形模板進行開操作，再進行步驟S242-243 ;
[0027] 若仍然沒有檢測出飛機引擎，則再進行2次上述迭代檢測；
[002引若仍然沒有檢測出飛機引擎，則判定圖像中無引擎存在。
[0029] 上述的基于機器視覺的入瑪飛機跟蹤定位方法，其中，極黑判定闊值 (Blackestjudge)、圓形判定闊值（circlejudge)、相似度闊值（similar!'虹esh)的增加量 分別為 0. 05、0. 5、20。
[0030] 上述的基于機器視覺的入瑪飛機跟蹤定位方法，其中，步驟S244中，將檢測到的 飛機引擎中間及高度為4個引擎半徑的區(qū)域作為飛機前輪的搜索區(qū)域，在搜索區(qū)域中，將 256級的灰度級量化至64級，搜索量化為64級的灰度直方圖中的第一個波峰和波谷，原始 256級灰度的灰度直方圖中的最優(yōu)波峰位置Bes證eak、最優(yōu)波谷BestValley位置定義如 下：
[003引其中histzsea)為256級灰度的灰度直方圖中，灰度為i的像素總數(shù)；
[0034] W此最優(yōu)波谷BestVall巧對灰度進行分割，對小于最優(yōu)波谷BestVall巧的部分， 除去面積較小的雜點，使用一個扁平楠圓型結(jié)構(gòu)元素對圖像進行閉操作；
[0035] 接著對所有圖形計算邊界的7階化矩特征，與預置的標準前輪模型的矩特征進行 比對，當相似度低于一闊值時則判定中間一個為前輪。
[0036] 上述的基于機器視覺的入瑪飛機跟蹤定位方法，其中，所述飛機跟蹤及定位步驟 S3包括：
[0037] S31、飛機跟蹤，通過步驟S24獲得上一頓引擎位置（即前述的符合引擎特征的區(qū) 域i和區(qū)域j)后，采用洪水填充法跟蹤確定當前引擎位置，獲取到引擎位置后，使用步驟 S244的方法跟蹤飛機前輪；
[0038] S32、飛機定位，通過對攝像機標定與圖像校正、飛機前輪偏離度計算和飛機前輪 實際距離計算，準確實時定位待停泊飛機。
[0039] 上述的基于機器視覺的入瑪飛機跟蹤定位方法，其中，所述步驟S31，還包括：
[0040] S311、陰暗環(huán)境中引擎的檢測跟蹤，在天色陰暗或低照度時，使用上一頓的 參數(shù)（即極黑判定闊值：Blackesljudge、圓形判定闊值：ci;rcle化dge、相似度闊 值：similarf'虹esh)進行圖像極黑區(qū)域提取和類圓形檢測來檢測跟蹤引擎，若仍無法獲得 可信的引擎區(qū)域，則重新使用最多兩次特征驗證（即步驟S24)中的方法進行檢測。
[0041] S312、