一种FOD检测模型训练方法、系统、装置与存储介质制造方法及图纸

本申请公开了一种FOD检测模型训练方法、系统、装置和存储介质，其中方法包括以下步骤：获取雷达连续帧的第一图像以及摄像头的第二图像；提取所述第一图像的感兴趣区域的中心点以及提取第二图像的雷达点迹；根据所述感兴趣区域的中心点以及所述雷达点迹，得到特征序列图像数据集；根据所述特征序列图像数据集，对所述FOD检测模型进行训练。本方法可以可以改善检测稳定性以及提高检测准确度。本申请可广泛应用于异物检测技术领域内。泛应用于异物检测技术领域内。泛应用于异物检测技术领域内。

【技术实现步骤摘要】
一种FOD检测模型训练方法、系统、装置与存储介质


[0001]本申请涉及异物检测
，尤其是一种FOD检测模型训练方法、系统、装置与存储介质。

技术介绍

[0002]现代科学技术的发展，深度学习已经成为了计算机视觉领域的一大强有力的工具，尤其在图像领域，基于卷积神经网络的深度学习方法已经攻占了绝大多数问题的高点。自飞机问世以来，飞机起降与飞行安全就一直困扰着世界各国航空公司与空军。传统的深度学习FOD检测方法或是基于单一的图像或是基于雷达，然而从单一的方法来看稳定性和准确率有待提升，而且传统方法无法应对特殊事件发生，如摄像头端的曝光失效，大雾天气等现象，导致检测准确度不高。因此，亟需一种新的FOD检测模型训练方法。
[0003]FOD＝Foreign Object Detection异物检测。

技术实现思路

[0004]本申请的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0005]为此，本申请实施例的一个目的在于提供一种FOD检测模型训练方法、系统、装置与存储介质，该方法可以提高检测准确度。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种FOD检测模型训练方法，其特征在于，包括以下步骤：获取雷达连续帧的第一图像以及摄像头的第二图像；提取所述第一图像的感兴趣区域的中心点以及提取第二图像的雷达点迹；根据所述感兴趣区域的中心点以及所述雷达点迹，得到特征序列图像数据集；根据所述特征序列图像数据集，对所述FOD检测模型进行训练。2.根据权利要求1所述一种FOD检测模型训练方法，其特征在于，所述根据所述感兴趣区域的中心点以及所述雷达点迹，得到特征序列图像数据集这一步骤，具体包括：将所述雷达点迹进行坐标变换，得到图像坐标系下的目标雷达点迹；将所述感兴趣区域中心点与所述目标雷达点迹进行聚类算法拟合，得到特征序列图像数据集。3.根据权利要求1所述一种FOD检测模型训练方法，其特征在于，所述提取第二图像的雷达点迹这一步骤，具体包括：获取第二图像的目标物体的原始3D雷达数据立方体；对所述原始3D雷达数据立方体沿快时间轴的快速傅里叶变换，得到目标物体的球面坐标；对所述球面坐标进行坐标变换，得到第二图像数据在笛卡尔坐标系下的雷达点迹。4.根据权利要求2所述一种FOD检测模型训练方法，其特征在于，所述将所述雷达点迹进行坐标变换，得到图像坐标系下的目标雷达点迹这一步骤，具体包括：根据预设的坐标转换公式，对所述雷达点迹进行坐标变换，得到图像坐标系下的目标雷达点迹；所述坐标转换公式为：其中，(X
s
，Y
s
，Z
s
)为雷达的坐标，(U
c
，V
c
)为图像坐标，H
i
为摄像头的外参、H
e
为摄像头的内参。5.根据权利要求1所述一种FOD检测模型训练方法，其特征在于，所述提取所述第一图像的感兴趣区域的中心点这一步骤，具体包括：通过YOLO模型获取第一图像，提取所述第一图像内的矩形标选...

【专利技术属性】
技术研发人员：尤学强，丘淼林，唐惠琼，郑建超，张小刚，王刚，汪鱼洋，蒋飞，何寒冰，
申请(专利权)人：珠海中科慧智科技有限公司，
类型：发明
国别省市：