机场场面移动车辆车载视觉监视系统关键技术研究

With fast increase of China's air transport capacity, existing technology of airport surface surveillance can't satisfy the requirements of civil aviation development. Therefore, against to the drawback of existing surveillance systems, this project uses the latest research results of relative theory to build the basic framework of surface surveillance system based on vehicle mounted vision, which includes a millimeter wave radar and an optical camera. This project can be divided into three parts. The first task is the research of image fusion algorithm based on compressive sensing. The purpose of this algorithm is to improve the robustness of image when the environment and light condition change. The important task is the research of relative moving objects detection based on robust principle component analysis. The purpose of this algorithm is to make sure the safety of vehicle moving on the surface. The last task is the research of background image matching and position algorithm based on compressive sensing. The purpose of this algorithm is to increase the position information redundancy of existing surface surveillance system. In sum, this project can promote the development of compressive sensing and robust principle component analysis in theory and improve the reliability of airport surface surveillance in application.

随着我国航空运输量的快速增长，现有的机场场面监视技术已不能完全满足民航发展需要。为此，本项目针对现有场面监视系统的不足，通过在场面移动车辆上安装由光学摄像机与毫米波雷达构成的视觉系统，结合相关学科最新理论研究成果，构建基于车载视觉的场面监视系统基本框架。首先研究旨在提高视觉图像的对环境变化鲁棒性的基于压缩感知理论的毫米波与光学图像融合算法；重点研究旨在确保车辆场面活动安全性的基于鲁棒主分量分析的相对运动目标检测算法；最后解决旨在提高场面监视系统定位信息余度的基于压缩感知的车载背景图像匹配定位问题。本项目的研究在理论将进一步促进压缩感知理论和鲁棒主分量分析方法的发展，在应用上将进一步提高机场场面监视可靠性。

随着我国航空运输量的快速增长，现有的机场场面监视技术已不能完全满足民航发展需要。为此，本项目针对现有场面监视系统的不足，通过在场面移动车辆上安装由光学摄像机、热红外摄像机、激光雷达等构成的视觉系统，构建基于车载视觉的场面监视系统基本框架。以此平台为基础，本项目展开了如下研究：.首先，根据压缩采样系数与图像稀疏表示系数具有相关性，且稀疏表示系数能准确表示图像局部凸信息的特点，本项目利用压缩感知理论提出了一种多源图像融合算法框架，在此框架下，本项目通过研究和设计不同的过完备字典构建方法、稀疏向量计算方法和融合规则，共研究和分析了12种基于压缩感知的图像融合方法，并以实验为基础利用主、客观评价方式加以分析与比较。.其次，本项目提出了一种基于区域RGB颜色向量统计特征的单幅图像去雾方法，该算法可根据单幅彩色RGB图像自动完成图像去雾并增强图像能见度。与基于暗通道的方法相比，本项目提出的方法无需操作两个最小化过滤器，进而降低计算复杂度，同时由于改进了图像复原方法使得本项目方法得到的清晰图像显得更加自然。.再次，本项目重点研究了基于多源信息的目标检测方法。在该部分研究的具体过程中，分别针对运动背景与静止背景研究不同的目标检测方法，具体包括：第一、研究了序列图像中基于RPCA的运动目标检测方法；第二、研究了车载视觉系统中基于激光雷达数据引导的障碍检测与识别；第三、研究了基于频域显著性和非监督特征学习的目标检测方法；相关实验验证了本项目提出的相关目标检测方法的可行性和有效性。.最后，本项目利用车载背景图像中的场面标志牌，结合激光雷达与GPS定位信息研究了定位信息融合方法。在标志牌识别研究中，重点研究了根据滑行道标记牌的特征对标记牌候选区域预定位和准确定位的方法，通过模拟移动车辆在机场滑行道行驶场景，采集了多组自然条件下不同的图像验证了算法的有效性。在定位信息融合中，调用机场地理信息数据库提取该标记牌的坐标信息，根据激光测距仪测得的当前车辆与标记牌的相对位置信息，结合GPS定位信息进行信息融合，测试结果表明融合后的车辆定位精度比单独使用传统GPS定位结果更精准。

内容获取失败，请点击重试