[发明专利]一种应用于视觉泊位自动引导系统的泊位机型识别方法

说明书

技术领域

本发明涉及民航机场视觉泊位自动引导系统，尤其是一种应用于视觉泊位自动引导系统的泊位机型识别方法。

背景技术

现代民航机场运输十分繁忙，民航机场数字化建设是时代发展的需求，而视觉泊位自动引导系统则是民航机场数字化建设的重要内容。视觉泊位自动引导系统是指飞机进入停泊区后将其自动引导至指定廊桥对接位置的系统，一般都采用激光、摄像、电感应圈等方法来引导飞机泊位，主要是通过对滑行中的飞机进行实时测量和拍摄，将测得的飞机外形数据如：飞机机头轮廓、翼展轮廓、垂直尾翼轮廓、发动机轮廓及其尺寸与预先存储在泊位系统中的各种机型的飞机的外形数据进行比较匹配，从而最终确定滑行过来的飞机机型，以防止飞机泊位错误并满足特殊飞机使用特定泊位的要求。

现有技术中对飞机机型的识别有两种方案，一种方案是灰度特征识别方法，该方法通过图像中目标的灰度特征识别机型，但因为飞机目标本身并没有明显的共同灰度特征，且不同型号的飞机形状、尺寸、灰度差异很大，所以通过灰度方法很难得到飞机的完整的、准确的外形，识别率低，难以进行机型的判别。

另一种方案是神经网络识别方法，该方法通过不变矩（或边界矩）、傅里叶描述子或几何不变量等特征对飞机目标机型进行识别并分类，但这类方法的不足在于：均为轮廓的全局特征，实质上都是基于可以得到完整且准确的目标轮廓的假设，当轮廓不完整或不准确时难以准确判定目标。在实际图像中，由于遮挡、噪声和较低图像质量的影响，准确提取目标的闭合轮廓往往比较困难，提取到的轮廓一般有残缺或多余，而边界矩或傅里叶描述子对噪声敏感，几何不变量对抗噪声性能较差，造成识别率不高。

发明内容

本发明要解决的技术问题是：提供一种识别率高、识别速度快的应用于民航机场视觉泊位自动引导系统的泊位机型识别方法。

为了解决上述技术问题，本发明所采用的技术方案是：

一种应用于视觉泊位自动引导系统的泊位机型识别方法，该视觉泊位自动引导系统包括机型图像数据检测单元和计算机处理系统，所述计算机处理系统内存储有机型数据库，包括以下步骤：

计算机处理系统实时接收机型图像检测单元获取的待泊位的滑行飞机的光学图像信息；

基于飞机泊位过程的特点选取识别机型的特征部位；

基于自适应权重形态学对上述特征部位的光学图像信息进行边缘检测，以提取该特征部位的特征值；

根据特征部位的特征值和机型数据库，采用人工神经网络BP算法对飞机机型进行分类识别，确定待泊位飞机的机型。

进一步作为优选的实施方式，所述特征部位包括飞机的发动机、舱门、起落架和机翼中的一种或者任意组合。

进一步，所述机型数据库存储有根据各种机型飞机的特征部位的特征值建立的飞机机型数据模型。

进一步作为优选的实施方式，所述人工神经网络采用三层神经网络；所述机型图像数据检测单元为红外或者可见光光电成像器。

本发明的有益效果是：本发明泊位机型识别方法可以根据选取的特征部位进行图像识别，采用自适应权重形态学提取特征部位的特征值，并将提取的特征值输入由人工神经网络BP算法建立的分类器，以对飞机机型进行识别，该方法不仅减小了输入数据量，提高了飞机机型识别的速度，而且克服了现有技术中图像抗噪性能差、识别率不高的缺陷，提高了鲁棒性和飞机机型识别的准确率。

附图说明

下面结合附图对本发明的具体实施方式作进一步说明：

图1是本发明泊位机型识别方法的步骤流程图。

具体实施方式

本发明泊位机型识别方法采用自适应权重形态学与神经网络结合方法，在飞机泊位前较小的区域范围内利用自适应权重形态学与神经网络结合的方法，根据飞机运动过程中目标尺寸变化与特征退化的特点，基于多特征融合图像处理算法实现飞机机型识别，提高了搜索的速度和可靠性。本方案先通过自适应权重形态学提取ROI区域中泊位飞机的特征部位的特征值，如发动机数目及位置、起落架组数、舱门的位置等，然后利用高阶反馈神经网络进行机型识别。

参照图1，一种应用于视觉泊位自动引导系统的泊位机型识别方法，该视觉泊位自动引导系统包括机型图像数据检测单元和计算机处理系统，所述计算机处理系统内存储有机型数据库，包括以下步骤：

计算机处理系统实时接收机型图像检测单元获取的待泊位的滑行飞机的光学图像信息；

基于飞机泊位过程的特点选取识别机型的特征部位；