基於道路表面點雲數據的fod檢測方法

2023-10-11 01:19:44

基於道路表面點雲數據的fod檢測方法
【專利摘要】本發明涉及三維點雲圖像物體檢測技術，發明了一種從雷射掃描設備獲取的大量點雲數據中自動檢測跑道入侵異物的方法。本發明針對上述存在的問題，提供一種從雷射掃描設備獲取的大量點雲數據中自動檢測跑道入侵異物的方法。通過將雷射掃描儀獲取的點雲數據轉變為跑到坐標的點雲數據，判斷其中垂直方向上的物體數據大小，來判斷是否為入侵異物。本發明設計了一套完整的數據處理和入侵異物檢測的方法，且沒有特殊的硬體設備要求，達到快速的、準確的、自適應能力強的跑道平面入侵異物檢測的效果。
【專利說明】基於道路表面點雲數據的FOD檢測方法
【技術領域】
[0001]本發明涉及三維點雲圖像物體檢測技術，發明了一種從雷射掃描設備獲取的大量 點雲數據中自動檢測跑道入侵異物的方法。
【背景技術】
[0002]在飛機起降過程中，跑道上存在的入侵異物(Foreign Object Debris, F0D)可能 對航班的安全造成重大的威脅。潛在的危害輕則損壞機身，重則造成空難，機毀人亡。因 此，為了確保航班的安全，入侵物必須及時被發現、識別，並根據其威脅等級做出相應的處 理。威脅航空安全的跑道入侵物可以小至3cm直徑，在上千米長的跑道上使用人工排查的 方式，效率低下，且入侵物被忽略的可能性較高。因此使用一種自動化系統來高效準確地發 現並排除跑道入侵物，對機場的安全運行有重要意義。
[0003]現有的FOD自動檢測設備使用的技術主要是圖像技術和雷達技術。圖像技術對可 見光的依賴較強。即便使用紅外設備，受限制的因素，諸如解析度、自動檢測的準確率等，也 比較多，因此沒有被廣泛使用。相比之下，較為廣泛使用的技術是雷達檢測。探測器發射不 同波長的雷達波，根據回波信號判斷異物的存在。但是雷達回波信號本身較複雜，直觀度較 差。且易受雜波和二次反射等影響，準確度和精度都有限制。
[0004]雷射掃描三維成像技術是一種在正在逐漸興起的新技術，其使用大量的雷射點探 測出物體表面的形狀和反射強度，並生成物體表面的三維點雲圖像。應用在機場跑道環境 中，使用點距小於3cm的掃描生成的點雲圖像，可以無遺失地記錄下跑道路面存在的FOD (包括任何出現在機場跑道不適當的位置或可能會損壞飛機或傷害機場工作人員和乘客的 物體:如鬆散的零件，路面上的碎片，飲食用品，建材，石頭，沙子，行李，甚至野生動物)。但 是直接生成的點雲數據並不能自動發現FOD (不能區別入侵物和道面)，因此需要一種方 法，能從大量的點雲數據中檢測FOD的存在並定位。
[0005]在機場飛機起降應用環境中，主要有三個方面的問題給檢測方法提出了更高的要 求。首先，理想的方法應該在第一時間發現入侵物，入侵物停留的時間越長，造成損害的可 能性越大。其次，為了系統整體穩定有序運行，檢測的結果不能遺漏跑道上存在的入侵物， 也不能過分強調不遺漏而出現過多的把安全誤判成危險的錯誤。最後，室外環境不同於實 驗室理想環境，地面並不是完美的平面，霧霾雨雪等天氣可能帶來能見度下降、路面環境變 化等問題在實際應用中必須面對。

【發明內容】

[0006]本發明所要解決的技術問題是:針對上述存在的問題，如手動平面尋找，手動感興 趣區域選擇，處理速度慢等問題，提供一種從雷射掃描設備獲取的大量點雲數據中自動檢 測跑道入侵異物的方法。通過將雷射掃描儀獲取的點雲數據轉變為跑到坐標的點雲數據， 判斷其中垂直方向上的物體數據大小，來判斷是否為入侵異物。達到快速的、準確的、自適 應能力強的跑道平面入侵異物檢測的效果。[0007]本發明採用的技術方案如下:
[0008]一種基於跑道點雲數據的FOD檢測方法包括:
[0009]步驟1:將雷射掃描設備固定在工作位置，讓掃描儀掃描面面對跑道，啟動雷射掃描設備獲取點雲數據；並通過RANSAC算法對跑道平面數據進行提取，區分跑道平面數據及其他數據；計算跑道平面參數；
[0010]步驟2:根據跑道平面參數計算出h、0 [和ew，根據雷射掃描儀設備姿態參數 (l,w, h, 9 L, 9 ff, 9 H)生成三維變換矩陣T，根據三維變換矩陣T將掃描儀坐標系下的跑道平面原始點雲數據(x，y，z)轉換為跑道坐標系下的跑道坐標系點雲數據(x』，y』，z』)；
[0011]步驟3:當某一物體直徑z』>k進入跑道工作區，則判定當前物體為入侵異物，所述 k為最小異物閾值；當出現至少是個物體直徑z』 >k時，則返回步驟1，計算並更新跑道平面參數，校正系統參數。
[0012]所述步驟I區分跑道平面數據及其他數據，具體方式是:根據點雲數據，採用 RANSAC算法，區分其中點雲數據是跑道平面數據還是背景數據，其中輸入參數中觀測數據指的是掃描儀獲取的點雲數據，即序列離散的三位空間中的點；適用於數據的當前平面匹配模型，即雷射掃描儀設備當前姿態下道面對應平面方程為aX+bY+cZ=l ;適用於模型的最少數據個數，即採樣點數量範圍是3到10 ;算法迭代次數範圍是20到100 ;用於決定數據是否適應於模型的閥值t是Icm到10cm，即判定一個點是否在跑道平面上；判定模型是否適用於數據集的數據數目輸出，即認為平面模型匹配良好所需最少匹配點的數量d範圍在所有點數量的50%到80%，噹噹前點雲數據和當前平面匹配模型距離小於t，則表示是跑道平面數據；否則，為背景數據。
[0013]所述步驟2具體步驟是:
[0014]步驟21:根據雷射掃描儀設備參數(1，w，h, 0L, 0ff, 0 H)，L方向和W方向的移動距離(l，w，h)由已經由雷射掃描儀設備的安裝點確定，生成三維變換矩陣T:
【權利要求】
1.一種基於跑道點雲數據的FOD檢測方法，其特徵在於包括: 步驟1:將雷射掃描設備固定在工作位置，讓掃描儀掃描面面對跑道，啟動雷射掃描設備獲取點雲數據；並通過RANSAC算法對跑道平面數據進行提取，區分跑道平面數據及其他數據；計算跑道平面參數； 步驟2:根據跑道平面參數計算出A、咚和根據雷射掃描儀設備姿態參數(l,w,h,eL,9K.,&H)生成三維變換矩陣T，根據三維變換矩陣T將掃描儀坐標系下的跑道平面原始點雲數據(HZ)轉換為跑道坐標系下的跑道坐標系點雲數據); 步驟3:當某一物體直徑21 >k進入跑道工作區，則判定當前物體為入侵異物，所述k為最小異物閾值；當出現至少是個物體直徑時，則返回步驟1，計算並更新跑道平面參數，校正系統參數。
2.根據權利要求1所述的基於跑道點雲數據的FOD檢測方法，其特徵在於所述步驟I區分跑道平面數據及其他數據，具體方式是:根據點雲數據，採用RANSAC算法，區分其中點雲數據是跑道平面數據還是背景數據，其中輸入參數中觀測數據指的是掃描儀獲取的點雲數據，即序列離散的三位空間中的點；適用於數據的當前平面匹配模型，即雷射掃描儀設備當前姿態下道面對應平面方程為aX+bY+cZ = I ;適用於模型的最少數據個數，即採樣點數量範圍是3到10 ;算法迭代次數範圍是20到100 ;用於決定數據是否適應於模型的閥值t是Icm到10cm，即判定一個點是否在跑道平面上；判定模型是否適用於數據集的數據數目輸出，即認為平面模型匹配良好所需最少匹配點的數量d範圍在所有點數量的50%到80%,噹噹前點雲數據和當前平面匹配模型距離小於t，則表示是跑道平面數據；否則，為背景數據。
3.根據權利要求1·所述的基於跑道點雲數據的FOD檢測方法，其特徵在於所述步驟2具體步驟是: 步驟21:根據雷射掃描儀設備參數(6#,1?,%,?) , L方向和W方向的移動距離U減' 由已經由雷射掃描儀設備的安裝點確定，生成三維變換矩陣T:
4.根據權利要求1至3之一所述的基於跑道點雲數據的FOD檢測方法，其特徵在於所述步驟21中繞互軸的旋轉角度4，有三種方法確定:(I)手動設定；(2)使用遠距離雷射掃描設備的檢測系統會掃描到跑道邊燈，滿足 h>Pi?地表高度)的條件，快速濾出邊燈數據，然後計算使所有邊燈連線與H軸平行的轉角％ ; (3)距離較近的道面檢測設備會掃描到跑道路沿，然後計算使路沿與互軸平行的轉角。
5.根據權利要求1至3之一所述的基於跑道點雲數據的FOD檢測方法，其特徵在於所述步驟2中當前物體為入侵異物之後，還包括通過跑道平面應返回的雷射強度值來判斷物體尺寸判定，具體過程:對於檢測出的入侵異物進行返回強度值判定，對於與跑道平面返回的強度值進行比較，當差值大於閾值X，則判定為異物。
6.根據權利要求1至3之一所述的基於跑道點雲數據的FOD檢測方法，其特徵在於所述步驟2中當前物體為入侵異物之後，還包括通過入侵物體尺寸判定，具體過程是:根據入侵異物尺寸為種子點，採用區域生長算法，將相鄰孤立的物體點合併，組成入侵異物區域；當入侵異物區域最小直徑大於k，則判定為入侵異物，否則為幹擾噪音。
7.根據權利要求1至3之一所述的基於跑道點雲數據的FOD檢測方法，其特徵在於所述步驟2中當前物體為入侵異物之後，還包括通過入侵異物的表面曲率判定，具體步驟是:對於入侵異物結合附近相鄰點，計算出該點處最大曲率^，若唚大於曲率閾值門限，所述曲率閾值門限取跑道路面最大曲率值的3倍，相鄰範圍半徑是3-6cm。
【文檔編號】G06F19/00GK103577697SQ201310560249
【公開日】2014年2月12日 申請日期:2013年11月12日 優先權日:2013年11月12日
【發明者】隋運峰, 鍾琦, 李華瓊, 楊曉嘉, 張中僅, 王雨果, 鄢丹青, 範丹 申請人:中國民用航空總局第二研究所