劉 坤,肖子涵

(西安航空學(xué)院 電子工程學(xué)院, 西安 710077)

0 引言

機場跑道是指飛機場內(nèi)航空飛行器(以下簡稱為飛行器)用來起飛或降落的條形區(qū)域,是機場基礎(chǔ)設(shè)施的核心區(qū)域之一。準(zhǔn)確識別機場跑道對于保障航空運輸安全和提高運行效率具有重要意義。相較于有人駕駛飛機所采用的交互式引導(dǎo)而言,通過主動識別跑道,完成自主著陸是當(dāng)前飛行器控制技術(shù)研究的熱點問題。

目前,采用視覺圖像開展跑道檢測識別,主要以模版匹配法[1-3]和特征檢測法[4-5]為代表。其中,模版匹配法通過將采集到的圖像與預(yù)先建立的模板庫進(jìn)行相干匹配,檢測識別出跑道特征。該方法具有檢測速度快的優(yōu)勢,但由于模板庫的建立費用高且困難,導(dǎo)致實際應(yīng)用中準(zhǔn)確率較低。特征檢測法利用圖像的局部特征,如顏色、形狀、邊緣等,進(jìn)行目標(biāo)檢測和識別。在跑道識別中,需要預(yù)先了解機場跑道的特征和已知樣本的特征,并進(jìn)行訓(xùn)練和學(xué)習(xí)才能實現(xiàn)準(zhǔn)確檢測和識別。上述方法能夠識別出跑道信息,但未從飛行器著陸的需求角度提取跑道與機體間的相對關(guān)系。

本文以單目攝像頭為輸入端,依據(jù)飛行器著陸任務(wù)對跑道特征的需求,以單目攝像頭為輸入,采用圖像處理的方法,提取并感知跑道相對飛行器的位置關(guān)系,進(jìn)而為飛行器著陸提供必要的引導(dǎo)信息。

1 機場跑道特征分析

機場跑道一般為長條形,由特殊材料(如瀝青和混凝土)鋪設(shè),寬度和長度應(yīng)滿足不同機型的起降需求。正確識別跑道,對飛行器起降安全至關(guān)重要。機場跑道標(biāo)識通常由跑道邊線、跑道入口標(biāo)志、跑道中線、跑道號碼、接地區(qū)域標(biāo)志和瞄準(zhǔn)點標(biāo)志組成。目前,有關(guān)跑道識別的研究主要集中于跑道邊緣特征、標(biāo)志特征的識別。從飛行器著陸過程實際來看,還應(yīng)關(guān)注機體與跑道間的相對位置關(guān)系。

飛行器著陸由進(jìn)場、軌跡捕獲、下滑、拉平以及地面滑行等五個階段構(gòu)成。當(dāng)高度和速度滿足合適條件后,對機場跑道的捕獲成為著陸的必要條件。確定跑道與機體之間的相對位置關(guān)系,建立下滑軌跡,并沿該軌跡飛行,高度不斷降低,直至接觸地面,發(fā)動機反推,剎車減速滑行。在無交互引導(dǎo)的情況下,對跑道與機體相對關(guān)系的感知尤為重要。

機體與跑道中線之間存在多種相對關(guān)系。三維空間可能出現(xiàn)飛行器與跑道高程差超出、處于以及小于安全著陸范圍等多種情況;二維投影空間可能出現(xiàn)機體與跑道中線間存在平行、垂直以及相交等多種情況。圖1所示為不同機場的跑道圖像,可以看到航拍跑道與機體之間存在多種位置關(guān)系。

圖1 跑道圖像

機場跑道與飛行器機體相對位置關(guān)系的檢測和機場跑道識別是為引導(dǎo)飛行器著陸。

2 基于單目視覺的機場跑道識別算法

2.1 視覺引導(dǎo)著陸原理

著陸階段,對飛行器的高度、航向均有一定的要求。飛行器高度應(yīng)與跑道處于一定高程差范圍內(nèi),飛行器的航向延長線應(yīng)與機場跑道中線相重疊。實際中,兩者之間往往存在一定的角度,需要飛行器調(diào)整自身航向,以滿足著陸要求。

因飛行器飛行姿態(tài)與軌跡的動態(tài)變化,在視場內(nèi)呈現(xiàn)出的跑道圖像也處于不斷變化中。如下圖2中,橙色線(垂直線)為單目攝像頭呈現(xiàn)的中線,該線與機體航向延長線重合,圖中黑線為跑道邊緣示意線,虛線為跑道中心線。

圖2 飛機跑道在單目視覺下的理論圖像示意圖

由圖2可以看到,機體與跑道之間存在多種相對位置關(guān)系。在著陸時,若機體航向與跑道中線不重疊,由于飛行器著陸速度大,飛行器無法及時調(diào)整航向,容易導(dǎo)致飛行器沖出跑道,引發(fā)安全事故。為此,需要計算出兩者之間的相對位置關(guān)系,在空中時,及時調(diào)整飛行器姿態(tài),達(dá)到安全著陸要求。

2.2 跑道識別算法

為獲取跑道相關(guān)特征,以目標(biāo)識別方法處理跑道圖像。相較于雙目攝像頭而言,雖然單目攝像頭僅能獲取二維圖像,但在場景深度較大的環(huán)境下,應(yīng)用范圍更廣,且成本較低。

通過單目攝像頭,獲得機場跑道靜態(tài)圖像。先對圖像進(jìn)行預(yù)處理,包括灰度、二值、濾波、膨脹腐蝕以及邊緣檢測等,再采用直線檢測法,結(jié)合機體航向,給出跑道中線與機體航向間的角度關(guān)系,算法流程如圖3所示。

圖3 算法流程圖

3 跑道識別的實現(xiàn)

3.1 圖像預(yù)處理

在對獲取到的機場跑道圖像進(jìn)行分析時,通過圖像的預(yù)處理[6],能夠提升圖像的質(zhì)量,增強圖像細(xì)節(jié),便于后續(xù)識別,從而更精細(xì)地構(gòu)建識別算法,更加精確地獲得更多跑道的有用信息。依據(jù)2.2節(jié)所述算法流程,對圖像進(jìn)行灰度化、濾波、二值化、膨脹腐蝕、邊緣檢測等預(yù)處理[7-8]。

3.1.1 圖像灰度化

為提高圖像處理效率、突出圖像目標(biāo),首先對彩色圖像進(jìn)行灰度化處理。對于RGB圖像而言,當(dāng)三個分量數(shù)值相等時,圖像為灰度圖像,灰度范圍為0～255。當(dāng)灰度為255時,表示最亮;當(dāng)灰度為0時,表示最暗。

常見的灰度化處理方法主要有三種:(1)最大值法,取R、G、B,三個分量中數(shù)最大的分量的數(shù)值;(2)均值法,取R、G、B三個分量中數(shù)值的均值;(3)加權(quán)平均法,根據(jù)人眼對于R、G、B三種顏色的敏感度,按照一定的權(quán)值進(jìn)行加權(quán)平均得到。為保持圖像均衡,此處采用加權(quán)平均的方法進(jìn)行圖像灰度化處理。

3.1.2 圖像濾波

在灰度化處理后,考慮到實際圖像在產(chǎn)生和傳輸過程中的信號不可避免地會與一些噪聲混合。因此,需要對灰度化后的圖像進(jìn)行降噪處理,消除或降低噪聲對圖像的影響,提高邊緣檢測的精度,有利于后續(xù)導(dǎo)航作業(yè)。

常見的濾波去噪方法,主要有平滑濾波、中值濾波、高斯濾波。

3.1.3 邊緣檢測

邊緣是圖像中像素灰度值發(fā)生突然變化的區(qū)域,這些邊緣通常對應(yīng)于物體的輪廓或邊界,是圖像中物體的基礎(chǔ)特征之一。邊緣可以是亮度上的變化、顏色變化或物體邊界等。在圖像分析和計算機視覺應(yīng)用中,邊緣通常是非常重要的信息,可以提供有關(guān)圖像中對象和場景的許多細(xì)節(jié)信息。邊緣檢測是圖象處理邊緣中的一項重要技術(shù)。

在邊緣檢測領(lǐng)域,微分算子被廣泛應(yīng)用于各種情況,包括一階微分算子,如Roberts、Sobel、Prewitt等,以及二階微分算子,如Laplacian、Canny等,它們在解決復(fù)雜問題時發(fā)揮著重要作用。

在灰度、濾波、二值化等處理后,對比了前述五種邊緣算子的邊緣檢測效果,結(jié)果如圖4所示。

圖4 不同邊緣檢測效果圖

根據(jù)邊緣檢測效果可知,Roberts算子具有較高的運算速度,因此在邊緣檢測領(lǐng)域中仍廣泛使用。但在實際的應(yīng)用中,相對于其它的邊緣提取算子,該算子對噪聲非常敏感,更適用于既需要突出邊緣又不會受到太多噪聲干擾的圖像分割中。

Sobel算子本身有濾波功能,在計算過程中,采用了卷積運算,簡單高效,效果優(yōu)于Roberts算子,能更有效地提取出邊緣信息,從而提高精度。

Prewitt算子是一種常用的邊緣檢測算子,具有靈敏度高、分辨率較高、對噪聲抑制效果好等特點,可以用于實時邊緣檢測應(yīng)用中。在實踐中,可以根據(jù)不同的應(yīng)用需求選擇不同方向的卷積核來進(jìn)行邊緣檢測。

Laplacian算子靈敏度較高,對圖像中的高頻部分非常敏感,可以很好地檢測到邊緣。還可以提高圖像的對比度和清晰度,用于圖像的增強。不過Laplacian算子對噪聲非常敏感,所以在對含有噪聲的圖像進(jìn)行邊緣檢測時,可能會出現(xiàn)誤檢測和漏檢測。

Canny算子采用了兩個閾值來區(qū)分強邊緣和弱邊緣。它首先計算圖像中每個像素點的梯度和方向,然后根據(jù)這些梯度和方向信息來確定像素點是否位于邊緣。通過仿真可以看到,相比于其它邊緣檢測算法, Canny算子能夠更準(zhǔn)確地檢測出真正的邊緣,同時排除一些假陽性檢測。因此,文章后續(xù)研究中將采用Canny算子進(jìn)行邊緣檢測。

3.2 跑道參數(shù)提取

在對機場跑道圖像預(yù)處理的基礎(chǔ)上,獲取跑道與機體相對位置關(guān)系是跑道識別的目的。以跑道中線為提取要素,建立中線與機體航向的夾角關(guān)系。

3.2.1 跑道直線特征提取

Hough直線檢測是一種圖像處理算法,用于從圖像中檢測出直線。Hough直線檢測將圖像空間中的直線檢測問題轉(zhuǎn)換為參數(shù)空間中的點檢測問題,利用點與線的對偶性,即圖像空間中的直線與參數(shù)空間中的點一一對應(yīng),通過在參數(shù)空間中尋找峰值來完成直線檢測任務(wù)。二維平面中,可采用兩點式建立直線方程,設(shè)平面內(nèi)可得兩點坐標(biāo)為P1(x1,y1)與P2(x2,y2),則直線表征如下

(1)

為避免直角坐標(biāo)系內(nèi)求解方程出現(xiàn)無窮問題,將直線方程轉(zhuǎn)換至極坐標(biāo)系,采用表征,故而式(1)又可描述如下

xcosθ+ysinθ=r

(2)

式(2)中:極坐標(biāo)方向為圖像橫軸;θ為直線上的點與極軸夾角;r為直線上的點到定點距離。利用式(2)可建立圖像中任意直線所對應(yīng)的參數(shù)(r,θ)關(guān)系。

結(jié)合圖2,以圖像中的橙色線(圖中垂直線)為機體航向。在機體坐標(biāo)系內(nèi),則跑道方向與機體航向之間滿足下式

(3)

式(3)中:σ為機體航向與跑道中線的夾角;ω為航向角。當(dāng)σ=0°時,機體與跑道對準(zhǔn),在高度差滿足時,可進(jìn)行著陸。

3.2.2 效果對比圖

利用MATLAB仿真平臺,采用前述算法,對機場跑道進(jìn)行特征提取和檢測,結(jié)果如圖5所示。

圖5 跑道識別算法檢測結(jié)果

圖5(a)所示為航拍機場跑道原圖,圖5(b)、(c)、(d)、(e)、(f)、(g)和(h)分別為相應(yīng)的灰度化圖、二值化圖、膨脹腐蝕圖、Canny邊緣檢測圖、Hough直線檢測圖、跑道中線還原圖及角度計算結(jié)果。圖5(f)和(g)中綠色線(斜線)所示為跑道邊緣,紅色垂線為圖像中線,在攝像頭固定后,可視其為機體航向。圖5(g)對跑道中線進(jìn)行了還原,即圖中藍(lán)色線(粗斜線)。圖5(h)中,將檢測所得跑道邊線與航向進(jìn)行處理,得到兩者之間的夾角。

根據(jù)圖5實例分析可知,文中所提算法可以比較準(zhǔn)確檢測出飛機主跑道邊界的直線特征,并能進(jìn)行特征參數(shù)的提取,實現(xiàn)跑道中線的檢測,完成跑道識別的工作。

4 總結(jié)與展望

基于單目視覺的機場跑道識別是一種利用攝像機獲取機場跑道場景,通過計算機視覺技術(shù)實現(xiàn)機場跑道位置估計和識別的方法。本文提出了一種通過檢測跑道邊線特征來對機場跑道識別的算法,在跑道識別之前,通過對跑道圖像的灰度化,濾波處理,跑道圖像二值化,膨脹腐蝕以及邊緣檢測這五個圖像預(yù)處理步驟來提高跑道圖像識別的精確性,在進(jìn)行完跑道圖像預(yù)處理后,對跑道圖像進(jìn)行Hough變換提取跑道直線特征,最后再通過提取出的直線特征參數(shù)來計算跑道中線與航向線的角度差,最后在處理過后的圖像中還原出跑道中線,從而完成跑道識別。

本文算法是依靠單目視覺計算來對圖像進(jìn)行獲取的,單目視覺只能獲取2D圖像信息,無法直接獲取3D物體的深度信息。即使使用一些計算方法,如三角測量,也難以達(dá)到較高的精度。在本文中對跑道中線的計算取的是近似值,所得結(jié)果不夠精確。因此,引入其它感知技術(shù),如雷達(dá)、激光雷達(dá)等信息源,將其與攝像頭圖像信息相結(jié)合,可以使機場跑道識別更加準(zhǔn)確可靠。此外,獲取的圖像容易受到環(huán)境光照、天氣等因素會影響圖像質(zhì)量,在實際中需要加入能夠應(yīng)對雨、雪、霧等天氣條件的識別算法后續(xù)還需深入研究,以提高機場跑道識別的穩(wěn)定性和準(zhǔn)確性。