[发明专利]一种区域多特征的检测方法及检测装置

说明书

本发明公开了一种对夜间机场跑道路面上外来物的区域多特征的检测，所述区域多特征的检测是对CCD相机实时采集到的包含有红色激光线位于视频图像中下部的视频图像所在区域进行检测判断；当激光器出射的红色激光线扫在FOD上时，位于FOD处的激光线会产生一定量的形变，通过提取此处激光线的形变特征情况，来识别出视频图像所在区域上是否存在FOD，进而判断出夜间机场跑道路面上是否存在有FOD。检测的最大精度为2cm×2cm，不受FOD的材质影响，不受夜间机场跑道路上光线变化影响。

技术领域

本发明涉及目标检测，更特别地说，是指一种对夜间机场跑道路面上外来物的区域多特征的检测方法及检测装置，实现对夜间机场跑道上外来物的清理。

背景技术

机场跑道上的外来物(Foreign Object Debris，FOD)在飞机起飞和降落的过程中会带来巨大的安全隐患，危及乘客的生命和财产安全。据保守估计，每年全球因FOD 造成的损失至少30～40亿美元。目前，毫米波雷达、可见光摄像机、红外灯和热成像仪是机场跑道异物检测系统中的主流传感器。不同的传感器有各自的特点，适用与不同场合。毫米波雷达具有导引头体积小、质量轻、空间分辨率高、抗电磁干扰强等特点。与红外、激光、电视等光学导引头相比、毫米波导引头穿透雾、烟、灰尘的能力更强，具有全天候全天时的特点，但无法识别目标及细节特征。

对FOD检测常用的手段主要有背景差分法、帧差法和光流法。近些年，基于机器学习的检测算法的运用也日益增长。使用背景差分法对FOD检测，需要不断的更新背景。由于夜间的机场跑道上，光线对于可见光相机来说是不充足、不均匀的，而且随着位置的改变，光强也在不断的变化，所以在实际运用中，适应差，实时性一般，检测效果不佳。使用帧差法对FOD检测，同样会受光强的影响，而且跑道上会有“突鼓”和“裂缝”会造成相机和激光器的上下抖动，改变激光线在采集图像中的位置，对帧差的结果影响较大。光流法受光强影响较大，在无目标运动的情况下，环境中光照的变化也会产生光流，导致误检测为出现了运动目标，而且算法计算量大，实时性差。基于机器学习的检测算法主要有adaboost和SVM，但这两张算法对硬件要求过高，为了保证准确度，需要大量的学习样本，所以有较高的计算复杂度，实时性差。

因为是对激光线形变的检测，所以也可以采用直线检测算法。常用的直线算法包括 Hough变换算法、Freeman链码算法和最小二乘线性拟合算法。其中Hough变换算法鲁棒性强，但它是穷尽式搜索，具有很大的计算量，占用大量的存储空间，计算时间长，对激光线检测时，由于激光线有一定宽度，会检测出多条平行直线，不易判别出 FOD，而强鲁棒性也易出现虚假检测结果；Freeman链码算法具有较低的计算量，并且能获取直线段的位置、长度和方向等信息，但该算法容易受到目标边界跟踪算法的制约，由于激光线中间粗两头细，上下边缘是有弧度的。在检测中，边缘直线是断开的，而且Freeman准则源于理想数字直线，所以边界的抗噪性弱；最小二乘线性拟合算法利用随机误差对线性检测精度的影响，其检测结果精度较高，但边缘破损或毛刺等因素对算法精度影响显著，会增大结果的偏差。

发明内容

为了使飞机在起飞和降落时不受机场跑道路面上FOD的不影响，本发明的目的之一是设计了一种对夜间机场跑道路面上外来物的区域多特征的检测装置。该检测装置借助移动车载携带FOD检测装置、激光器和CCD相机，实现对夜间机场跑道路面上外来物的快速检测，可以有效的解决夜间机场跑道上光线不足、光线变化、光强不均所带来的噪声干扰和机场跑道路面出现的“突鼓”、“裂缝”所引起CCD相机和红色激光线的震动干扰。该检测装置能够实现的最大检测精度为2cm×2cm，不受FOD的材质影响，不受夜间机场跑道路上光线变化影响。