【技术实现步骤摘要】
本专利技术属于民用航空，特别涉及一种用于捕获地面飞机的三维目标检测方法。
技术介绍
1、在飞机从滑行道滑行至停机坪位置的过程中，飞机泊位引导系统会向飞行员提供飞机与停机位置距离、滑行速度和偏离中心线信息，以实现精确停靠，同时还将实时停靠时间、位置和离港时间等信息传输至中心数据库，以进行统计分析和集中处理。错误的飞机引导有可能会造成飞机相撞等严重事故，该系统取代了人工引导，可避免人为错误，确保安全可靠的飞机泊位停靠，是机场信息化建设中的重要组成部分。
2、其中飞机的检测是飞机泊位引导系统中的重要任务。现有的飞机泊位引导系统检测方式可分为三类：基于埋地线圈检测的飞机泊位引导系统、基于视觉检测的飞机泊位引导系统和基于激光雷达检测的飞机泊位引导系统。其中，基于激光雷达检测的飞机泊位引导系统具备数据采集速度快、抗干扰能力强、低空探测性能好、采集的数据精度高等优点，相比于基于埋地线圈检测的飞机泊位引导系统，维护更容易，相比于基于视觉检测的飞机泊位引导系统，开发投入更小，天气变化对其影响不大。因此，研究基于激光雷达检测的飞机泊位引导系统可以有效推进机场的自动化建设，对于建设智慧化机场有重要意义。
3、基于激光雷达检测的飞机泊位引导系统主要采用三维目标检测的方法检测目标。三维目标检测是指在三维场景中完成识别特定目标并估计其位置与方向的任务。这项任务主要分为两个阶段：定位和识别。在定位阶段，飞机泊位引导系统生成一系列与实际环境相符的三维边界框，然后在这些边界框内进行目标识别。目前三维目标检测的方法已逐渐成熟，但仍存在着各种
4、中国专利申请公开号cn110579771a中公开了一种基于激光点云的飞机泊位引导方法中检测飞机的方法：该方法使用聚类算法处理滤除地面后的检测区域点云数据得到各类点云对象，基于欧式距离，设定合适的距离阈值、聚类所需最大、最小点数等参数通过欧式聚类分割算法从杂乱的点云中聚类出各类对象；提取聚类出的各类点云对象的几何特征，与设定的飞机机头几何特征比较筛选出目标飞机的机头区域；根据机鼻符合机头区域上距离激光雷达最近的几何特性，排序搜索出机鼻区域，计算出机鼻区域的形心即作为稳定的机鼻点，基于机鼻点坐标结合目标机型、机身长度的先验信息直通滤波捕获到目标飞机。但该方法存在下列缺点：
5、1、不适于处理机场泊位处复杂的大规模高维数据，若对高维数据进行聚类处理，欧式距离的计算成本和维度灾难问题可能会导致计算复杂度非常高，导致出现检测错误或运行时间长的问题。
6、2、欧式聚类对噪声和异常值非常敏感，因为它的聚类结果受到离群值的影响。单个离群值可以极大地影响簇的形状和大小，导致不稳定的聚类结果。尤其激光雷达具有近密远疏的特性，距离激光雷达较远的点会很稀疏，因此欧式聚类很难将较远的点聚为一类。
7、中国专利申请公开号cn115908751a中公开了一种基于三维点云的飞行器捕获与识别方法中检测的方法：该方法设置欧式聚类初始邻域半径系数，一阶聚类分析泊位检测区域内预处理后的点云数据，提取点云簇目标的3d检测框，迭代增大邻域半径系数，直至区域内点云簇目标的3d检测框体积不再增长停止增大邻域半径系数，以保证3d检测框内包含有区域内所有点云目标；对激光雷达覆盖区域根据与激光雷达距离远近进行划分，设置不同大小的二阶聚类邻域半径系数，区域越近对应的邻域半径系数越小，在运动的3d检测框空间内基于行进到各分块区域内预设的邻域半径系数欧式聚类出各分散的点云簇，同时遍历计算各点云簇间的中心间距，合并小间隔的邻近点云簇，形成稳定的各类目标点云簇；对二阶聚类得到的各类目标点云簇在各相应邻域内持续跟踪建立帧间运动关联，采用帧间运动关联跟踪方法分析计算出各类目标点云簇的运动速度及运动方向，剔除其中运动速度及运动方向差异大的飞行器外的目标，缩小3d检测框空间，以保证3d检测框内的所有点云簇为具备一致运动状态的飞行器从属；对经二阶聚类运动分析反馈处理缩小修正得到的3d检测框空间，在飞行器行进方向按预设步长距离进行划分，对各子区域基于卡壳法提取出当前部分的外接长方体，合并各子区域对应的3d检测包络框，形成飞行器整体点云目标结构完整轮廓包络空间区域。但该方法存在下列缺点：
8、以速度作为单一尺度特征描述子，难以达到较高的检测精度，例如较远处的牵引车若行驶方向相同、速度相似，也可能被检测为目标飞机。
技术实现思路
1、为了解决上述问题，本专利技术的目的在于提供一种用于捕获地面飞机的三维目标检测方法。
2、为了达到上述目的，本专利技术提供的用于捕获地面飞机的三维目标检测方法包括按顺序进行的下列步骤：
3、步骤1：对飞机泊位处的不同实际场景进行三维激光扫描，得到含有飞机的待测场景点云，然后对待测场景点云按顺序进行直通滤波、体素化采样、地面点滤除、分层聚类、筛除背景点云在内的预处理，得到滤除噪声和背景的待测目标点云；
4、步骤2：构建点云体素融合的三维目标检测模型，包括体素化特征提取网络分支和点云特征提取网络分支，其中体素化特征提取网络分支包括残差稀疏卷积单元的中间网络和eca注意力机制模块；
5、步骤3：将步骤1获得的待测目标点云输入步骤2获得的体素化特征提取网络分支进行体素化采样，获得四个尺度的体素特征和鸟瞰图特征；
6、步骤4：将步骤1获得的待测目标点云输入步骤2获得的点云特征提取网络分支，获得点云特征；
7、步骤5：将步骤3获得的四个尺度的体素特征、鸟瞰图特征与步骤4获得的点云特征拼接融合后送入rpn网络，最后输出地面飞机的位置和类型。
8、在步骤1中，所述实际场景为具有不同距离、不同滑行角度及不同类型的飞机、全天24小时、各种天气情况下的场景；
9、所述预处理的具体方法如下：
10、步骤1.1：获取含有飞机的待测场景点云后，首先根据待测目标的可能区域，手动设定感兴趣区域，判断待测场景点云中的所有点是否落在设定的感兴趣区域内，如果判断结果为是，保留该点，否则，删除该点，获得感兴趣区域的点云；
11、步骤1.2：将步骤1.1获得的感兴趣区域的点云进行体素化采样，获得降采样点云；
12、具体方法如下：
13、步骤1.2.1：创建体素：选择一个适当的体素边长，用于将感兴趣区域的三维空间均匀划分成多个小的栅格状体素；
14、步骤1.2.2：填充体素：将感兴趣区域的点云中每个点根据其空间位置映射到对应的体素中；
15、步骤1.2.3：体素内的处理：在每个体素内选择一个包括重心点在内的具有代表性的点来代替该体素内的所有点；
16、步骤1.2.4：生成降采样后的点云：遍历所有体素，将每个体素的代表性点添加到原体素的空间位置，构成降采样点云；
17、步骤1.3：利用随机采样一致性ransac方法，从步骤1.2中获得的降采样点云数据中找出点数最多的平面，将其识别本文档来自技高网...
【技术保护点】
1.一种用于捕获地面飞机的三维目标检测方法，其特征在于：所述用于捕获地面飞机的三维目标检测方法包括按顺序进行的下列步骤：
2.根据权利要求1所述的用于捕获地面飞机的三维目标检测方法，其特征在于：在步骤1中，所述实际场景为具有不同距离、不同滑行角度及不同类型的飞机、全天24小时、各种天气情况下的场景；
3.根据权利要求1所述的用于捕获地面飞机的三维目标检测方法，其特征在于：在步骤3中，所述将步骤1获得的待测目标点云输入步骤2获得的体素化特征提取网络分支进行体素化采样，获得四个尺度的体素特征和鸟瞰图特征的具体方法如下：
4.根据权利要求1所述的用于捕获地面飞机的三维目标检测方法，其特征在于：在步骤4中，所述将步骤1获得的待测目标点云输入步骤2获得的点云特征提取网络分支，获得点云特征的具体方法如下：
5.根据权利要求1所述的用于捕获地面飞机的三维目标检测方法，其特征在于：在步骤5中，所述将步骤3获得的四个尺度的体素特征、鸟瞰图特征与步骤4获得的点云特征拼接融合后送入RPN网络，最后输出地面飞机的位置和类型的具体方法是：
【技术特征摘要】
1.一种用于捕获地面飞机的三维目标检测方法，其特征在于：所述用于捕获地面飞机的三维目标检测方法包括按顺序进行的下列步骤：
2.根据权利要求1所述的用于捕获地面飞机的三维目标检测方法，其特征在于：在步骤1中，所述实际场景为具有不同距离、不同滑行角度及不同类型的飞机、全天24小时、各种天气情况下的场景；
3.根据权利要求1所述的用于捕获地面飞机的三维目标检测方法，其特征在于：在步骤3中，所述将步骤1获得的待测目标点云输入步骤2获得的体素化特征提取网络分支进行体素化...
【专利技术属性】
技术研发人员：罗其俊，卜得峻，张红颖，相承志，李文硕，
申请(专利权)人：中国民航大学，
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。