本发明专利技术涉及机场跑道异物识别技术领域，具体涉及一种基于三角形重心特征点匹配的机场跑道异物识别方法，利用SIFT特征点匹配算法实现较高匹配精度的特征点计算，再结合三角形特征点所形成的三角形区域中的像素值，判断基准图像与待匹配图像之间对应匹配点的精准度是否满足要求，从而实现对满足精度要求的匹配点保留并对不满足要求的匹配点进行剔除，使得图像特征点匹配更加精准，同时匹配速度更快，增加了对机场跑道拍摄图像中异物识别的速度与精确性。精确性。精确性。
【技术实现步骤摘要】
基于三角形重心特征点匹配的机场跑道异物识别方法
[0001]本专利技术涉及机场跑道异物识别
，具体涉及一种基于三角形重心特征点匹配的机场跑道异物识别方法。
技术介绍
[0002]机场跑道异物FOD(Foreign Object Debris)指的是：任何不属于机场，却出现在了机场区域内的，有可能损伤航空仪器或者航空系统的外来物质，FOD多以飞机的各种散落零件、金属工具、石子、木块及塑料制品等为主。
[0003]人工检测是目前最为普遍的一种FOD检测方式，它的优点是可以检测到毫米级FOD，但对检测人员的综合素质较高，由于受个人情绪、责任心、工作环境、劳动强度、光线强度等外界条件的影响较大，所以总体来说可靠性不高。
[0004]目前世界上FAA认证的FOD系统中，有三个FOD检测系统(Tarsier、FODetect、FODFinder)是基于毫米波雷达技术实现的。虽然基于毫米波雷达的FOD检测系统不受白天、夜间和能见度的影响，但仍有如下局限性：
①
探测识别异物的精度仍较差，只能识别5cm及以上的异物，对于毫米级的异物(如铅弹等)仍无法识别；
②
需要视频探测为辅助检测手段；
③
设备成本较高，运维成本也很高。
技术实现思路
[0005]针对现有技术的不足，本专利技术提供一种基于三角形重心特征点匹配的机场跑道异物识别方法，通过提高图像特征点匹配的准确性来解决现有技术中对机场跑道异物识别精度低的问题。
[0006]本专利技术所提供的技术解决方案：
[0007]一种基于三角形重心特征点匹配的机场跑道异物识别方法，其特征在于，包括以下步骤：
[0008]S1、从不同角度对机场跑道相同位置进行拍照，得到机场跑道相同位置的多个角度图像；
[0009]S2、选择步骤S1得到的一张图像作为基准图像，选择步骤S1得到的其余图像作为待匹配图像；
[0010]S3、使用SIFT算法对基准图像和待匹配图像进行特征点匹配，得到对应的匹配点对；
[0011]S4、基于三角形重心原理对匹配点对中的错误匹配点对进行剔除；
[0012]S5、根据剔除后的匹配点对将基准图像与待匹配图像进行图像融合完成异物识别。
[0013]进一步限定，所述步骤S4包括剔除一对多错误匹配点对，所述剔除一对多错误匹配点对的步骤具体为：
[0014]在基准图像中选择任一特征点B作为基准特征点，利用欧式距离计算得到与特征
点B欧氏距离最短的相近特征点A和相近特征点C，通过相近特征点A、基准特征点B和相近特征点C得到基准三角形；
[0015]根据相近特征点A、基准特征点B和相近特征点C在对匹配图像中找到与之对应的特征点a、特征点b和特征点c，通过特征点a、特征点b和特征点c得到待检测三角形；
[0016]通过向量表示法分别确定基准三角形中包含的灰度值和待检测三角形中包含的灰度值；
[0017]根据基准三角形中的灰度值得到基准三角形的重心H，根据待检测三角形中的灰度值得到待检测三角形的重心h；
[0018]根据基准特征点B与重心H之间相对位置和特征点b与重心h之间相对位置的匹配误差剔除一对多的错误匹配点对。
[0019]进一步限定，所述重心H与重心h的计算方法为：
[0020][0021][0022]其中，
△
ABC为基准三角形，
△
abc为待检测三角形，(x
Ai
，y
Ai
)为基准三角形区域内任一像素点坐标，P
Ai
为对应像素点坐标处像素的灰度值，X
c
为基准三角形重心H形的横坐标，Y
c
为基准三角形重心H的纵坐标；(x
aj
，y
aj
)为待检测三角形区域内任一像素点坐标，P
aj
为对应像素点坐标处像素的灰度值，M
c
为检测三角形重心h的横坐标，N
c
为检测三角形重心h的纵坐标。
[0023]进一步限定，所述步骤S4在剔除一对多错误匹配点对之前，还包括剔除交叉线形错误匹配点对，所述剔除交叉线形错误匹配点对的步骤具体为：
[0024]对步骤S3得到的匹配点对建立二维线性模型：
[0025][0026]其中，(x
i
，y
i
)为基准图像上任一特征点在基准图像中的坐标，(x
j
，y
j
)为待匹配图像上对应特征点在待匹配图像中的坐标，len
α
为基准图像相对待匹配图像的横向量度，Grad为任一匹配点对对应的二维线性值；
[0027]对由基准图像与待匹配图像之间所有匹配点对计算得到对应的二维线性值进行统计，并结合统计刻度计算得到不同统计刻度范围中对应二维线性值的数量S
i
；
[0028]其中，Min(Grad
i
)为二维线性最小值，Max(Grad
i
)为二维线性最大值，k为统计刻度总数，i为第i个统计刻度；
[0029]根据S
i
<Max(S
i
)*n剔除位于统计刻度范围内的二维线性值，根据剔除的二维线性值剔除对应的匹配点对，其中n为剔除因子。
[0030]进一步限定，所述统计刻度Scale
i
的计算为：
[0031][0032]其中，Min(Grad)为二维线性最小值，Max(Grad)为二维线性最大值，k为统计刻度
总数，i为第i个统计刻度。
[0033]进一步限定，所述步骤S5具体包括以下步骤：
[0034]根据步骤S4得到的匹配点对建立仿射变换矩阵模型，根据仿射变换矩阵模型将待匹配图像转换为与基准图像视场统一的待识别图像；
[0035]通过图像亮度均值计算对基准图像与待识别图像进行图像融合并对异物进行显示；
[0036]通过canny边缘检测算子对异物进行识别并标示，完成异物识别。
[0037]进一步限定，所述图像亮度均值MoI计算为：
[0038][0039]其中，和均为待识别图像的灰度，为基准图像的灰度。
[0040]本专利技术的有益效果在于：
[0041]利用本专利技术所提供的基于三角形重心特征点匹配的机场跑道异物识别方法，利用SIFT特征点匹配算法实现较高匹配精度的特征点计算，再结合三角形特征点所形成的三角形区域中的像素值，判断基准图像与待匹配图像之间对应匹配点的精准度是否满足要求，从而实现对满足精度要求的匹配点保留并对不满足要求的匹配点进行剔除，使得图像特征点匹配更加精准，同时匹配速度更快，增加了对机场跑道拍摄图像中异物识别的速度与精确性。
附图说明
[0042]图1为本专利技术实施例1的方法步骤图；
[0043]图2为本专利技术实施例1拍本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于三角形重心特征点匹配的机场跑道异物识别方法，其特征在于，包括以下步骤：S1、从不同角度对机场跑道相同位置进行拍照，得到机场跑道相同位置的多个角度图像；S2、选择步骤S1得到的一张图像作为基准图像，选择步骤S1得到的其余图像作为待匹配图像；S3、使用SIFT算法对基准图像和待匹配图像进行特征点匹配，得到对应的匹配点对；S4、基于三角形重心原理对匹配点对中的错误匹配点对进行剔除；S5、根据剔除后的匹配点对将基准图像与待匹配图像进行图像融合完成异物识别。2.根据权利要求1所述的基于三角形重心特征点匹配的机场跑道异物识别方法，其特征在于，所述步骤S4包括剔除一对多错误匹配点对，所述剔除一对多错误匹配点对的步骤具体为：在基准图像中选择任一特征点B作为基准特征点，利用欧式距离计算得到与特征点B欧氏距离最短的相近特征点A和相近特征点C，通过相近特征点A、基准特征点B和相近特征点C得到基准三角形；根据相近特征点A、基准特征点B和相近特征点C在对匹配图像中找到与之对应的特征点a、特征点b和特征点c，通过特征点a、特征点b和特征点c得到待检测三角形；通过向量表示法分别确定基准三角形中包含的灰度值和待检测三角形中包含的灰度值；根据基准三角形中的灰度值得到基准三角形的重心H，根据待检测三角形中的灰度值得到待检测三角形的重心h；根据基准特征点B与重心H之间相对位置和特征点b与重心h之间相对位置的匹配误差剔除一对多的错误匹配点对。3.根据权利要求2所述的基于三角形重心特征点匹配的机场跑道异物识别方法，其特征在于，所述重心H与重心h的计算方法为：征在于，所述重心H与重心h的计算方法为：其中，
△
ABC为基准三角形，
△
abc为待检测三角形，(x
Ai
，y
Ai
)为基准三角形区域内任一像素点坐标，P
Ai
为对应像素点坐标处像素的灰度值，X
c
为基准三角形重心H形的横坐标，Y
c
为基准三角形重心H的纵坐标；(x
aj
，y
aj
)为待检测三角形区域内任一像素点坐标，P
aj
【专利技术属性】
技术研发人员：杨恒占，蔡勋，
申请(专利权)人：杨恒占，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。