機場跑道檢測機器人視覺系統(tǒng)的設計與研究.pdf

1、隨著航空業(yè)的發(fā)展，機場跑道作為飛機起飛降落的重要平臺，其安全問題越來越受到重視。機場跑道異物FOD(Foreign Object Debris)和裂紋是對飛機起飛降落安全威脅最大的因素。因此，機場定期檢測跑道異物和裂紋，是確保飛機飛行安全的重要環(huán)節(jié)。國外自動檢測跑道異物的設備研究開始時間較早，現已經研究出不同類型的實時檢測系統(tǒng)，并廣泛應用于機場。國內相關研究起步較晚，類似功能的自動化系統(tǒng)在機場的應用報道較少。因此，自動檢測機場跑道異物和

2、裂紋的設備成為國內機場的迫切需求。
　　本文基于移動機器人平臺，設計了一種用于機場跑道異物和裂紋檢測的機器人視覺系統(tǒng)。在白天、晴天的天氣條件下，此機器人視覺系統(tǒng)采用光學攝像頭采集跑道圖像，利用圖像處理算法檢測機場跑道異物和裂紋目標，并對檢測到的異物和裂紋目標進行目標識別。設計了視覺系統(tǒng)的硬件平臺，實現了視覺系統(tǒng)的圖像處理算法。硬件平臺采用DSP+FPGA的圖像處理架構，充分發(fā)揮兩種處理器的優(yōu)勢，滿足圖像處理實時性要求。對整個算法流

3、程，進行了MATLAB仿真研究，驗證了各個算法的有效性和可執(zhí)行性。針對含有標線的跑道圖像的目標檢測，傳統(tǒng)的目標檢測算法會誤把標線檢測為目標，導致檢測目標失敗問題，將傳統(tǒng)的目標檢測算法進行改進，得到兩種改進算法：基于填充的背景差分法和改進的邊緣檢測算法。通過仿真驗證了改進算法的準檢率，結果表明：對于機場跑道異物和裂紋檢測，兩種改進算法的準檢率比較于傳統(tǒng)的目標檢測算法的準檢率都有所提高。針對于機場跑道異物和裂紋目標的識別問題，采用基于特征的

4、目標識別方法。設計了BP神經網絡目標分類器，并進行了目標識別分類仿真研究。通過與SVM目標分類器進行對比，表明BP神經網絡目標分類器具有較高的識別率，說明了BP神經網絡分類器在分類機場跑道異物和裂紋目標具有一定優(yōu)勢。最后，對整個算法進行了硬件實現，完成算法硬件調試。并對視覺系統(tǒng)進行目標識別實驗驗證，結果表明：在實驗給定的實驗條件下，本文設計的視覺系統(tǒng)可以有效的檢測和識別機場跑道異物和裂紋目標。本研究為機場跑道的異物和裂紋檢測提供了一種較