本文關(guān)鍵詞：基于視頻的機場跑道異物檢測算法研究

  更多相關(guān)文章： 機場跑道異物 圖像增強 Mean Shift 雙目視覺 極線校正 區(qū)域映射

【摘要】：隨著民航業(yè)的飛速發(fā)展，航空運輸?shù)牟粩鄶U容，機場作為航空運輸?shù)臉屑~平臺，跑道安全問題日益受到重視，其中機場跑道異物FOD(foreign object debris)檢測已經(jīng)成為保障飛機飛行安全急需解決的問題。國外現(xiàn)已開發(fā)出的實用檢測系統(tǒng)主要通過毫米波雷達和視頻監(jiān)控技術(shù)實現(xiàn)對異物的自動化檢測和識別，受限于巨額的開發(fā)維護成本以及技術(shù)的壟斷，很難在國內(nèi)各機場進行普及。 本文以機場巡道車作為移動平臺，基于雙目視覺技術(shù)提出了一種低成本的基于視頻的跑道異物檢測系統(tǒng)方案。根據(jù)FAA發(fā)布的檢測標準，論文闡述了基于視頻的檢測系統(tǒng)的總體設(shè)計以及各功能模塊，并針對現(xiàn)有目標檢測算法應(yīng)用于異物檢測的不足，探討了采用雙目視覺測量技術(shù)的可行性和優(yōu)勢。 在視頻圖像采集過程中，考慮到光學(xué)系統(tǒng)受天氣條件的影響，本文利用改進Mean Shift濾波的Retinex方法實現(xiàn)圖像增強預(yù)處理。首先采用主元分析法將低對比度圖像分解為亮度和色彩兩部分，通過改進現(xiàn)有Mean Shift濾波方法實現(xiàn)光照分量的自適應(yīng)增強，并對色彩通道進行恢復(fù)，最后在全局分析基礎(chǔ)上實現(xiàn)圖像補償。 在系統(tǒng)檢測過程中，利用異物相對于跑道路面存在深度突變的原理來進行測量，首先對固定安裝的雙目攝像機進行標定，然后通過極線約束等方法對左右視圖進行校正，采用數(shù)值分析建立兩幅圖像對應(yīng)映射關(guān)系，根據(jù)左右視圖內(nèi)相應(yīng)像素映射關(guān)系的改變，來實現(xiàn)對視場區(qū)域內(nèi)異物的檢測，解決傳統(tǒng)目標檢測方法無法有效排除路面干擾因素的難題。 論文對上述算法進行了仿真實驗，實驗結(jié)果表明本文基于視頻的機場跑道異物檢測算法面對復(fù)雜路面情況下異物檢測的準確性，，并能對視頻圖像進行有效增強。為機場跑道異物檢測提供了一種新的可行性研究思路。
【關(guān)鍵詞】：機場跑道異物 圖像增強 Mean Shift 雙目視覺 極線校正 區(qū)域映射
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.41;V328
【目錄】：

• 摘要4-5
• ABSTRACT5-6
• 目錄6-8
• 圖標清單8-10
• 第一章 緒論10-16
• 1.1 課題背景及意義10-11
• 1.2 國內(nèi)外機場跑道異物檢測系統(tǒng)研究現(xiàn)狀11-15
• 1.3 論文主要研究內(nèi)容15-16
• 第二章 基于視頻的機場跑道異物檢測系統(tǒng)總體架構(gòu)16-26
• 2.1 目標檢測技術(shù)16-18
• 2.1.1 目標檢測算法概述16-17
• 2.1.2 檢測算法分析比較17-18
• 2.2 系統(tǒng)分析與設(shè)計18-22
• 2.2.1 系統(tǒng)設(shè)計框架19-20
• 2.2.2 系統(tǒng)功能模塊20-22
• 2.3 立體視覺技術(shù)22-25
• 2.4 本章小結(jié)25-26
• 第三章 視頻圖像增強預(yù)處理26-41
• 3.1 圖像增強26-31
• 3.1.1 空間域圖像增強26-29
• 3.1.2 變換域圖像增強29-30
• 3.1.3 Retinex 圖像增強30-31
• 3.2 Mean Shift 算法31-34
• 3.2.1 Mean Shift 簡介31-32
• 3.2.2 Mean Shift 的基本思想32-34
• 3.3 基于改進 Mean Shift 的圖像增強算法34-38
• 3.3.1 改進 Mean Shift 濾波算法34-36
• 3.3.2 色彩恢復(fù)與圖像補償36-38
• 3.4 實驗結(jié)果與分析38-40
• 3.5 本章小結(jié)40-41
• 第四章 基于雙目視覺技術(shù)的異物檢測算法41-66
• 4.1 算法總體思路41
• 4.2 雙目立體視覺模型41-46
• 4.2.1 攝像機成像模型42-43
• 4.2.2 攝像機任意放置下雙目立體視覺模型43-45
• 4.2.3 平行雙目立體視覺模型45-46
• 4.2.4 攝像機畸變模型46
• 4.3 攝像機標定46-51
• 4.4 立體圖像的校正51-56
• 4.4.1 圖像畸變校正51-52
• 4.4.2 極線幾何與極線約束52-54
• 4.4.3 極線校正原理54
• 4.4.4 極線校正方法54-56
• 4.5 區(qū)域映射匹配56-60
• 4.6 檢測算法實驗與分析60-65
• 4.6.1 普通光照環(huán)境61-62
• 4.6.2 強光及低照明環(huán)境62-64
• 4.6.3 復(fù)雜路面情況64-65
• 4.6.4 實時檢測性能65
• 4.7 本章小結(jié)65-66
• 第五章 總結(jié)與展望66-68
• 5.1 全文總結(jié)66
• 5.2 后期工作展望66-68
• 參考文獻68-72
• 致謝72-73
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文73

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王宇;吳煒;張德銀;;基于計算機視覺的機場跑道異物檢測識別系統(tǒng)[J];電視技術(shù);2010年05期

2 邊后琴;譚葉;;立體視覺系統(tǒng)的參數(shù)標定的Matlab實現(xiàn)[J];上海電力學(xué)院學(xué)報;2011年04期

3 葛動元;姚錫凡;李凱南;;雙目立體視覺系統(tǒng)的標定[J];機械設(shè)計與制造;2010年06期

4 潘華,郭戈;立體視覺研究的進展[J];計算機測量與控制;2004年12期

5 于乃功;林佳;阮曉鋼;;一種應(yīng)用于雙目移動機器人目標跟蹤的新型立體匹配算法[J];計算機測量與控制;2012年10期

6 陳曉明;蔣樂天;應(yīng)忍冬;;基于Kinect深度信息的實時三維重建和濾波算法研究[J];計算機應(yīng)用研究;2013年04期

7 吳振杰;毛曉波;;一種改進的幀間差光流場算法[J];計算機工程與應(yīng)用;2013年18期

8 吳靜;王洪;汪學(xué)剛;;機場跑道異物監(jiān)測雷達的雜波圖恒虛警率檢測[J];計算機應(yīng)用;2013年11期

9 趙明程;;要效率還是要安全?——關(guān)于FOD和貨物裝卸的思考[J];空運商務(wù);2010年06期

10 張東波;朱經(jīng)緯;;基于二維圖像三維重建的人臉特征提取技術(shù)研究[J];微型機與應(yīng)用;2011年10期

本文編號：594513