一种基于无人机的智能化FOD探测方法及系统技术方案

本发明专利技术涉及机场跑道安全检测技术领域，公开了一种基于无人机的智能化FOD探测方法，包括步骤：1)、数据采集与数据锐化、滤波等处理；2)、运用D‑S证据理论对图像进行特征融合，去除背景斑点噪音，再配合图像拼接技术对图像进行能量累积，消除随机噪声，从而筛选出FOD图像；3)、将筛选出的图像与模型库内的FOD模型进行对比，确定出FOD类型。还公开了一种实现基于无人机的智能化FOD探测方法的探测系统，包括搭载有摄像头的无人机、FOD模型存储单元和图像处理系统。本探测系统结构简单，探测方法能快速、准确、高效的探测出跑道上无论尺寸大小的FOD，保证飞行安全。

【技术实现步骤摘要】
一种基于无人机的智能化FOD探测方法及系统
本专利技术属于机场跑道安全检测
，特别是涉及一种基于无人机的智能化FOD探测方法及系统。
技术介绍
跑道监视对于机场操作是非常重要的。跑道不断经受损坏，诸如由于飞机或使用跑道的其它车辆的磨损引起的坑洼。有时候，在跑道上可出现碎片或外物，这可能是由于喷气、飞机起飞/着陆、自然原因等引起的。在涉及飞机移动的起作用的跑道上，外物、碎片或损坏(FOD)的存在可导致飞机失事及其引发安全事故。一些机场使用采用雷达的自动化系统来检测机场跑道及其附近区域上的损坏、碎片和其它危害。在使用雷达的系统中，通常在跑道上发射微波信号，并且检测和分析来自任何外物的反射信号。由于微波信号是脉动或结构化的，计算信号到达接收器所用的时间，根据该时间得出离外物的距离。通过使用波长较小且脉冲重复频率较高的雷达传感器，实现较高范围的分辨率是可行的，进而可减少背景杂波，但雷达的监视系统缺乏“智能性”，并且无法提供对象的视觉图像供操作者验证和表征。一些机场利用红外或热成像系统来检测跑道上的对象、裂纹空隙等。但是，采用红外或本文档来自技高网...

【技术保护点】
1.一种基于无人机的智能化FOD探测方法，其特征在于，包括以下步骤：/n1)、数据采集并将采集图像数据进行图像处理；/n2)、运用D-S证据理论对图像进行特征融合，去除背景斑点噪音，再配合图像拼接技术对图像进行能量累积，消除随机噪声，从而筛选出FOD图像；/n3)、将筛选出的FOD图像与模型库内的FOD模型进行对比，确定出FOD类型。/n

【技术特征摘要】
1.一种基于无人机的智能化FOD探测方法，其特征在于，包括以下步骤：
1)、数据采集并将采集图像数据进行图像处理；
2)、运用D-S证据理论对图像进行特征融合，去除背景斑点噪音，再配合图像拼接技术对图像进行能量累积，消除随机噪声，从而筛选出FOD图像；
3)、将筛选出的FOD图像与模型库内的FOD模型进行对比，确定出FOD类型。


2.根据权利要求1所述的基于无人机的智能化FOD探测方法，其特征在于：步骤2)中所述运用D-S证据理论对图像进行特征融合包括内容有构造基本概率分配和Dempster融合。


3.根据权利要求2所述的基于无人机的智能化FOD探测方法，其特征在于：基本概率分配的构造包括以下步骤：
1)用SVM对样本集进行学习，由公式(1)构造出概率模型Mi，其中公式(1)为：



公式(1)中，f(x)为SVM样本中X的标准输出值，A、B通过公式(2)的最大似然问题求得，公式(2)为：



公式(2)中，i＝1,2……(N+和N-分别为正负类的项目数)
2)得到概率模型Mi后，便开始对SVMi测试，测试样本就是其学习样本，得到识别准确率ri；
3)构造基本概率分配函数：

其中，j＝1，2….k…，K为识别框架ω中的元素个数。


4.根据权利要求2所述的基于无人机的智能化FOD探测方法，其特征在于：Dempster融合包括以下步骤：
1)将灰度特征和边缘特征融合确定目标物的基本概率分配；
2)将灰度特征和边缘特征融合的结果与亮度特征融合，得到最终的融合结果。


5.根据权利要求1所述的基于无人机的智能化FOD探测方法，其特征在于：步骤2)中所述图像拼接技术包括内容有图像配准和图像融合。


6.根据权利要求5所述的基于无人机的智能化FOD探测方法，其特征在于：所述图像配准包括以下步骤：
Ⅰ、提取跑道原始图像和采集图像的共有特征；
Ⅱ、基于对相似性的衡量，对两幅待配准的图像进行特征结构的匹配；
Ⅲ、基于步骤Ⅱ中的特征结构匹配，获得相关参数；
Ⅳ、根据Ⅲ中的参数进行坐标变换，完成匹配。


7.权利要求1所述的基于无人机的智能化FOD探测方法，其特征在于，还包括以下步骤：
1-1)、预先沿机场跑道设置若干...

【专利技术属性】
技术研发人员：阳巍，王宏吉，
申请(专利权)人：成都成设航空科技股份公司，
类型：发明
国别省市：四川;51