【技术实现步骤摘要】
本专利技术涉及机场飞行区道面工程，尤其是涉及一种基于车载检测设备的机场道面病害识别方法及系统。
技术介绍
1、民航监管部门要求机场每天开展跑道车辆巡检不少于4次，每月人工徒步病害检查不少于1次。随着民航运输业快速发展，繁忙机场飞机起降架次逐渐增长，跑道适航检查可用时间日渐压缩，对跑道安全保障技术提出更高的要求，使得传统人工视觉巡检的能力和效率面临挑战。
2、传统的人工巡检，不仅存在工作效率低、数据准确性和重现性差等问题，而且采用纸质台账方式进行数据记录，导致后续病害信息跟踪、维修定位和跑道健康态势评价难以高效实施，跑道道面设施维护难度和运行安全压力日益增加。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于车载检测设备的机场道面病害识别方法及系统，通过应用三维线结构光技术的车载设备完成道面图像信息采集，应用人工智能深度学习算法完成图像信息的识别分析，实现跑道道面病害高速采集、实时处理、在线传输和跑道状况评价。
2、此外，本专利技术有力推动新一代道面检测技术在机场跑道中的应用，保障机场飞行区道面运行安全。
3、本专利技术的目的可以通过以下技术方案来实现：
4、本专利技术第一方面提供一种基于车载检测设备的机场道面病害识别方法，包括以下步骤：
5、s1、使用车载检测设备获取道面三维图像信息：
6、s1-1：通过车载线激光发生器将单线细激光线投射到道面表面，通过车载三维相机以设置好的a
7、s1-2、通过车载三维相机对线激光逐行采样，连续获得道面深度图像，并进一步处理得到灰度图像；
8、s1-3、对相机进行标定，完成图像数据融合，获得道面三维图像信息；
9、s2、对道面三维图像信息进行预处理，获得高质量道面图像；
10、s3、通过深度学习算法对s2中得到的高质量道面图像完成检测和分析，实现道面损坏的识别与评估。
11、进一步地，所述车载检测设备包括检测车主体、设于检测车主体上第一位置的车载线激光发生器、设于检测车主体上第二位置的车载三维相机。
12、进一步地，s1-2中，获取灰度图像的方法为：通过对深度图像进行线性映射、非线性映射、阈值化中的一种，转化为灰度图像。
13、进一步地，s1-3中，对相机进行标定的方法为张正友标定法、tsai标定法、线性标定法、矩阵标定法中的一种。
14、进一步地，s1-3中，图像数据融合的方法为：
15、数据预处理：对灰度图像和深度图像进行预处理，包括去噪、增强和校正等操作。这些操作可以提高图像质量和准确性，为后续的融合过程做准备。
16、深度图像转换：将深度图像转换为真实世界的距离值。这可以通过相机的内部参数和外部参数，以及深度传感器的特性进行转换。转换后的深度图像将与灰度图像具有相同的尺寸和坐标系。
17、灰度图像和深度图像对齐：将灰度图像和深度图像进行对齐，使它们在空间中具有一致的位置和姿态；可以通过特征匹配、相机标定和几何变换等方法来实现。
18、数据融合：将对齐后的灰度图像和深度图像进行融合，以获得三维图像信息。常见的融合方法包括加权平均、最小二乘法等。在融合过程中，可以根据应用需求和图像特点进行参数调整和优化，以获得最佳的融合效果。
19、三维重建：根据融合后的图像信息，进行三维重建，以获得道面的三维模型，并存储为raw格式文件。这可以通过立体视觉、结构光或其他三维重建方法来实现。
20、进行匀光、去噪和抗震等预处理，获得高质量道面图像。
21、进一步地，s2中，具体过程包括：
22、s2-1、将raw格式的道面三维图像信息进行解析，获得道面二维图像、三维图像以及道面高程数据文件；
23、s2-2、对道面图像进行均光、同步、去噪处理，减弱或消除由机械结构或者外部环境带来的影响，从而获得清晰平滑的道面二维图像及三维图像。
24、进一步地，s3中，具体过程包括：
25、s3-1、搭建道面病害数据库，用于对机场道面破损自动检测模型以及道面损坏量化分析模型的训练学习；
26、s3-2、道面损坏的快速识别和分类：基于目标检测卷积网络结模型，以人工标记的破损边界图像集为输入，训练得到机场道面破损自动检测模型，对机场道面破损的边界框进行预测，并对边界框内的破损类型进行判别；
27、s3-3、道面损坏的量化评价：通过对道面破损图像进行像素级分析，获取道面破损尺寸及数量信息，并根据规范完成量化评价。
28、本专利技术第二方面提供一种基于车载检测设备的机场道面病害识别系统，用于实现如上述的机场道面病害识别方法，所述场道面病害识别系统包括：
29、车载检测装置，用于获取道面图像信息：
30、工控机，与所述车载检测装置通信连接，对道面三维图像信息进行预处理，获得高质量道面图像；
31、识别与评估终端，与所述工控机通信连接，通过深度学习算法对工控机得到的高质量道面图像完成检测和分析，实现道面损坏的识别与评估。
32、进一步地，所述车载检测装置包括检测车主体、设于检测车主体上第一位置的车载线激光发生器、设于检测车主体上第二位置的车载三维相机；
33、通过车载线激光发生器将单线细激光线投射到道面表面，通过车载三维相机以设置好的aoi区域对变形的激光线进行捕获；
34、通过车载三维相机对线激光逐行采样，连续获得道面深度图像，并进一步通过工控机处理得到灰度图像，工控机将深度图像与灰度图像进行图像数据融合获得道面三维图像信息；
35、所述工控机对道面三维图像信息进行预处理，获得高质量道面图像；
36、进一步地，所述识别与评估终端为高性能主机。
37、高性能主机为配备有多块rtx 4090的主机。
38、与现有技术相比，本专利技术具有以下技术优势：
39、本专利技术所提供的机场道面车载图像识别技术，采用基于三维线结构光技术的车载设备采集机场道面图像信息，并通过三维机器视觉以及人工智能深度学习算法完成道面病害的识别评价，避免了传统方法检测效率低、数据可重现性差等问题，而可高效率、高精度的获取道面三维图像信息，从而快速完成自动分析，提取出道面病害数据信息，实现机场飞行区道面高效检测评价。
40、本专利技术中所采用的道面病害识别分析模型准确方便，具有如下特点：导入车载设备采集并预处理后的道面图像数据文件，依据相关规范，采用基于目标检测卷积网络结模型完成对道面破损的分类识别后，对道面破损图像进行像素级分割，采用基于深度卷积网络的轮廓检测方法获得道面破损的尺寸信息，完成量化评价。本技术的应用落地能够有效提高机场飞行区道面病害巡检调查效率，为机场道面科学养护与管理提供本文档来自技高网...
【技术保护点】
1.一种基于车载检测设备的机场道面病害识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于车载检测设备的机场道面病害识别方法，其特征在于，所述车载检测设备包括检测车主体、设于检测车主体上第一位置的车载线激光发生器、设于检测车主体上第二位置的车载三维相机。
3.根据权利要求1所述的基于车载检测设备的机场道面病害识别方法，其特征在于，S1-2中，获取灰度图像的方法为：通过对深度图像进行线性映射、非线性映射、阈值化中的一种，转化为灰度图像。
4.根据权利要求1所述的基于车载检测设备的机场道面病害识别方法，其特征在于，S1-3中，对相机进行标定的方法为张正友标定法、Tsai标定法、线性标定法、矩阵标定法中的一种。
5.根据权利要求1所述的基于车载检测设备的机场道面病害识别方法，其特征在于，S1-3中，图像数据融合的方法为：
6.根据权利要求5所述的基于车载检测设备的机场道面病害识别方法，其特征在于，S2中，具体过程包括：
7.根据权利要求5所述的基于车载检测设备的机场道面病害识别方法，其特征在于，S3中
8.一种基于车载检测设备的机场道面病害识别系统，其特征在于，用于实现如权利要求1至7中任意一项所述的机场道面病害识别方法，所述场道面病害识别系统包括：
9.根据权利要求8所述的基于车载检测设备的机场道面病害识别系统，其特征在于，所述车载检测装置包括检测车主体、设于检测车主体上第一位置的车载线激光发生器、设于检测车主体上第二位置的车载三维相机；
10.根据权利要求8所述的基于车载检测设备的机场道面病害识别系统，其特征在于，所述识别与评估终端为高性能主机。
...【技术特征摘要】
1.一种基于车载检测设备的机场道面病害识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于车载检测设备的机场道面病害识别方法，其特征在于，所述车载检测设备包括检测车主体、设于检测车主体上第一位置的车载线激光发生器、设于检测车主体上第二位置的车载三维相机。
3.根据权利要求1所述的基于车载检测设备的机场道面病害识别方法，其特征在于，s1-2中，获取灰度图像的方法为：通过对深度图像进行线性映射、非线性映射、阈值化中的一种，转化为灰度图像。
4.根据权利要求1所述的基于车载检测设备的机场道面病害识别方法，其特征在于，s1-3中，对相机进行标定的方法为张正友标定法、tsai标定法、线性标定法、矩阵标定法中的一种。
5.根据权利要求1所述的基于车载检测设备的机场道面病害识别方法，其特征在于，...
【专利技术属性】
技术研发人员：杨戈，杜浩，
申请(专利权)人：上海同科交通科技有限公司，
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。