基於雷達探測與圖像識別的飛機跑道異物智能檢測 | CV | 解讀技術

點擊藍色字體,關註:九三智能控

基於雷達探測與圖像識別的飛機跑道異物智能檢測機場跑道異物FOD(Foreign Object Debris),是泛指可能損傷航空器或系統某種外來的物質、碎屑或物。現有的FOD探測系統主要採用雷達探測技術與視頻圖像識別技術。目前世界上較為典型的有英國開發的Tarsier 系統、以色列開發的FODetect系統、新加坡開發的iFerret系統和美國開發的FOD Finder系統。

FOD的種類許多,典型的有:金屬器件(螺帽、螺釘、墊圈、釘子、保險絲等)、機械工具、飛行物品(私人物品、鋼筆、鉛筆、紐扣等)、橡膠碎片、塑料製品、混凝土瀝青碎塊(石頭、沙子、冰渣等)、紙製品、動植物等。帶來的危害非常嚴重,許多案例都證明,機場道面上的外來物可以很容易被吸入到發動機,導致發動機失效,碎片也會堆積在機械裝置中,影響起落架、機翼等設備的正常運行,不僅會損壞飛機和奪去寶貴的生命,而且還伴隨著巨大的經濟損失。目前,國內大多數機場跑道監察工作主要靠道面巡查人員進行人工完成,在道面巡查時將關閉跑道,這使得航班通行能力不僅效率低、可靠性差,而且佔用了寶貴的跑道使用時間。

機場跑道異物檢測系統是根據機場跑道長度與寬度,選擇具體受檢道面關鍵位置,在跑道一側分區域安裝前端探測系統設備,在所需高度的塔架上,將雷達與多感測器一體化監控前端及相應伺服裝置共同安裝於跑道側面固定架(或跑道燈)上,前端多感測器探測系統將異物位置信息傳送給監控系統顯示端,監控系統根據位置調整雲台和角度、焦距和光圈等,對異物進行跟蹤監測拍照,並進行智能分析處理後,將相關信息發送給主控系統供主控系統分析處理,並將檢測到的異物信息上傳到指揮中心,同時發出報警提示。

FAA發布的「機場FOD探測設備」諮詢通告(AC No: 150/5220-24)中,提供了FOD探測設備的相關信息。該通告包含了機場異物探測系統和設備的最低性能規範。通告明確指出FOD探測系統必須具備如下功能:監控AOA區域;探測和定位AOA區域中單個或多個FOD;探測出FOD後能為用戶提供警報;與機場和飛機通信、空管和監控系統協同工作並不會產生干擾;不干擾正常的機場和飛機運行;記錄探測到的FOD數據,方便系統的校準和維護,以及FOD事件的分析。同時FAA還詳細規範了FOD探測系統的各項指標,包括系統至少能探測到的FOD尺寸、探測頻率、FOD出現後系統響應時間、探測區域、氣候影響、報警、探測數據輸出和記錄、壽命、環境條件、供電、土建要求、安裝和驗收、質保、檢查和測試、用戶手冊、設備培訓和維護等方面的情況。

現有的FOD探測系統主要採用雷達探測技術與視頻圖像識別技術。目前世界上較為典型的有英國開發的Tarsier 系統、以色列開發的FODetect系統、新加坡開發的iFerret系統和美國開發的FOD Finder系統。Tarsier 系統、FODetect系統、FOD Finder 系統採用毫米波雷達探測為主、視頻圖像識別技術為輔的手段來探測FOD;iFerret系統只採用視頻圖像識別技術進行FOD的探測。基於雷達技術的系統對顏色沒有反應,而基於視頻圖像識別技術的系統能對顏色和光照對比度產生反應。

2008年,FAA的研究人員對以上4個系統分別在4個機場進行了性能測試,對每種技術的探測能力進行評估。這4種探測系統為機場提供了一個很寬的性能和價格選擇範圍,不限制機場應用何種FOD探測技術,機場可以根據飛機的數量及種類、監控區域的數量種類及位置、探測的精度、機場的氣候條件等因素來綜合確定探測系統的具體性能指標。

以雷達探測為主、雲台攝像機視頻監控為輔

在跑道兩端以及中部安裝毫米波雷達,每部雷達的探測距離約為1000m,實現對整條跑道實時連續掃描的任務(特別是對金屬FOD的探測效果很好),對整條跑道的探測響應時間依據雷達對道面的掃描時間而定。在發現有FOD異物後,在跑道一側安裝的雲台監控攝像機轉動到該異物區域,並拉近異物圖像(光學放大),從而方便管理員進行確認。在雷達未發現FOD的時期,雲台監控攝像機可按照預設的掃描計劃調整雲台的位置以及光學焦段,連續攝取跑道的各個角度的視頻畫面,作為異物監測和跑道入侵監控的手段。

在跑道兩端以及中部安裝毫米波雷達,每部雷達的探測距離約為1000m,實現對整條跑道實時連續掃描的任務(特別是對金屬FOD的探測效果很好),對整條跑道的探測響應時間依據雷達對道面的掃描時間而定。在發現有FOD異物後,在跑道一側安裝的雲台監控攝像機轉動到該異物區域,並拉近異物圖像(光學放大),從而方便管理員進行確認。在雷達未發現FOD的時期,雲台監控攝像機可按照預設的掃描計劃調整雲台的位置以及光學焦段,連續攝取跑道的各個角度的視頻畫面,作為異物監測和跑道入侵監控的手段。

檢測系統的工作流程:

? 雷達不間斷對跑道掃描,發現FOD時觸發報警;

? 監控室對發現目標的的位置顯示高亮;

? 監控室操作光學設備雲台使其對準目標,使用目視確認FOD現場畫面;

? 藉助全球定位系統獲得FOD目標的精確定位;

? 判斷FOD目標的危害性,告知清除車輛,迅速清除FOD。

? 監控室的「工具箱」自動記錄時間、氣候、FOD特性、FOD位置等信息。

工作流程示意圖:

參考資料

cevlink.com/solutions/a

微信群&商業合作

  • 加入微信群:不定期分享資料,拓展行業人脈請在公眾號留言:「微信號+名字+研究領域/專業/學校/公司」,我們將很快與您聯繫。
  • 投稿(無稿費)請發郵件至:158354995@qq.com

  • 商業合作請註明事宜哦

weixin.qq.com/r/AC91bd- (二維碼自動識別)


推薦閱讀:

CVPR2018 | 直接建模視覺智能體?讓「小狗」動起來~
【人工智慧學習總結3】圖像的相似度衡量指標、二值化方法評估指標(二)
[計算機視覺論文速遞] 2018-04-03
3D卷積神經網路Note01

TAG:跑道 | 計算機視覺 | 機器學習 |