本發(fā)明涉及機(jī)坪保障，特別涉及基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法。

背景技術(shù)：

1、機(jī)場保障節(jié)點(diǎn)系統(tǒng)是現(xiàn)代機(jī)場運(yùn)營中至關(guān)重要的一部分，它涵蓋了一系列技術(shù)和設(shè)施，旨在確保機(jī)場各項(xiàng)運(yùn)營活動的高效性、安全性和可靠性。在傳統(tǒng)機(jī)場運(yùn)行管理中，保障節(jié)點(diǎn)信息的采集通常依賴于人工觀察和手動填報(bào)，這種方式存在一些問題。僅憑借人工觀察和手動填報(bào)，會面臨以下問題：增加了人員的工作負(fù)擔(dān)，可能會影響工作質(zhì)量；數(shù)據(jù)的實(shí)時性較差，可能導(dǎo)致信息不及時；手動填報(bào)容易出現(xiàn)漏報(bào)、誤報(bào)等問題，使得數(shù)據(jù)的準(zhǔn)確性和參考性受到影響。而機(jī)場保障節(jié)點(diǎn)系統(tǒng)就可以解決上述問題，通過多個子系統(tǒng)和設(shè)備的集成進(jìn)行實(shí)時的檢測和反饋協(xié)同，保障機(jī)場的秩序。

2、目前，圖像處理技術(shù)在航班保障中起著十分重要的作用。通過智能感知技術(shù)，利用傳感器網(wǎng)絡(luò)和監(jiān)控?cái)z像頭等設(shè)備，實(shí)時監(jiān)測機(jī)場各個區(qū)域的情況。將收集到圖像數(shù)據(jù)通過圖像識別技術(shù)能夠檢測到飛機(jī)、車輛、行李和人員的位置和運(yùn)動，以及檢測環(huán)境因素如天氣、溫度和能見度等信息。建立可靠的通信和網(wǎng)絡(luò)基礎(chǔ)設(shè)施，保障各個設(shè)備之間的信息交換和互聯(lián)。這包括局域網(wǎng)、無線網(wǎng)絡(luò)、衛(wèi)星通信等技術(shù)，確保系統(tǒng)在復(fù)雜的環(huán)境中穩(wěn)定運(yùn)行。與航空管制部門和航空公司的系統(tǒng)進(jìn)行集成，確保航班安全和正常運(yùn)行。

3、現(xiàn)有基于圖像識別的保障節(jié)點(diǎn)自動錄入需要基于視頻識別出保障車輛的類型，并且能夠在整個視頻過程中對車輛進(jìn)行跟蹤，但這種技術(shù)在保障車輛被遮擋或雨霧光照情況下可能出現(xiàn)嚴(yán)重誤差，導(dǎo)致整個系統(tǒng)的識別效果大大降低。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法并不直接識別保障車輛，而是先識別出飛機(jī)的位姿，基于飛機(jī)位姿預(yù)測出保障車輛與飛機(jī)的相對位置，只要有車輛進(jìn)入到識別區(qū)域，則可以認(rèn)為是對應(yīng)保障車輛的出現(xiàn)，由于本方法只需要基于圖像識別技術(shù)識別出飛機(jī)上幾個關(guān)鍵的部位，如機(jī)頭和機(jī)尾，這兩個關(guān)鍵部位的可辨識度很高，在雨霧或者夜間也能夠很好地被識別出來，而且?guī)缀醪淮嬖诒徽趽醯膯栴}，其解決了現(xiàn)有的基于圖像識別的保障節(jié)點(diǎn)自動錄入方法在圖像識別效果不佳的情況下無法進(jìn)行保障節(jié)點(diǎn)檢測的問題。

2、為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，包括：

3、s1、根據(jù)保障車輛和飛機(jī)之間的相對位置關(guān)系，制作標(biāo)注保障車輛和飛機(jī)相對位置數(shù)據(jù)的數(shù)據(jù)集；

4、s2、利用深度學(xué)習(xí)對數(shù)據(jù)集進(jìn)行訓(xùn)練得到預(yù)測模型；

5、s3、使用改進(jìn)yolov7模型對機(jī)場實(shí)時傳入的圖像數(shù)據(jù)進(jìn)行檢測，得到飛機(jī)的關(guān)鍵點(diǎn)位置數(shù)據(jù)；

6、s4、將關(guān)鍵點(diǎn)位置數(shù)據(jù)輸入預(yù)測模型，完成機(jī)場保障節(jié)點(diǎn)自動識別。

7、進(jìn)一步地：所述s1包括：

8、s11、對飛機(jī)的3d圖像進(jìn)行不同拍攝角度以及拍攝距離的隨機(jī)變換，并進(jìn)行數(shù)據(jù)關(guān)鍵點(diǎn)標(biāo)注，得到飛機(jī)位姿圖像數(shù)據(jù)；

9、s12、根據(jù)飛機(jī)位姿圖像數(shù)據(jù)和對應(yīng)的保障車輛位置，獲取相對位置特征，并將相對位置特征作為標(biāo)注保障車輛和飛機(jī)相對位置數(shù)據(jù)的數(shù)據(jù)集。

10、進(jìn)一步地：所述s12中，相對位置特征包括機(jī)頭x坐標(biāo)、機(jī)頭y坐標(biāo)、機(jī)尾x坐標(biāo)、機(jī)尾y坐標(biāo)、飛機(jī)朝向、保障車輛檢測框左上角坐標(biāo)和保障車輛檢測框右下角坐標(biāo)。

11、進(jìn)一步地：所述s2中，預(yù)測模型包括依次連接的輸入層、第一隱藏層、第二隱藏層和輸出層；

12、所述第一隱藏層包括64個神經(jīng)元，所述第二隱藏層包括32個神經(jīng)元。

13、進(jìn)一步地：所述s3中，改進(jìn)yolov7模型對機(jī)場實(shí)時傳入的圖像數(shù)據(jù)的處理方法包括：

14、s31、將機(jī)場實(shí)時傳入的圖像數(shù)據(jù)輸入改進(jìn)yolov7模型，通過改進(jìn)yolov7模型的主干網(wǎng)絡(luò)和頸部網(wǎng)絡(luò)，提取三種不同尺寸的特征圖；

15、s32、使用解耦頭分別對三種不同尺寸的特征圖進(jìn)行預(yù)測，得到用于分類的cls特征、用于定位的reg特征和用于置信度任務(wù)的obj特征；

16、s33、將用于分類的cls特征、用于定位的reg特征和用于置信度任務(wù)的obj特征經(jīng)過堆疊操作組合為最終特征圖，并將最終特征圖作為飛機(jī)的關(guān)鍵點(diǎn)位置數(shù)據(jù)。

17、進(jìn)一步地：所述s32中，解耦頭包括分類分支和回歸分支；

18、所述分類分支包括依次連接的兩層3×3?卷積層和一層1×1卷積層；

19、所述分類分支輸出用于分類的cls特征；

20、所述回歸分支包括依次連接兩層3×3?卷積層和平行的一層1×1卷積層；

21、所述回歸分支輸出用于定位的reg特征和用于置信度任務(wù)的obj特征。

22、進(jìn)一步地：所述s4包括：

23、s41、將關(guān)鍵點(diǎn)位置數(shù)據(jù)輸入預(yù)測模型，通過預(yù)測模型輸出保障車輛的檢測框；

24、s42、跟蹤保障車輛的檢測框中保障車輛段運(yùn)動軌跡，根據(jù)保障車輛段運(yùn)動軌跡，得到機(jī)場保障的開始時間節(jié)點(diǎn)和結(jié)束時間節(jié)點(diǎn)，完成機(jī)場保障節(jié)點(diǎn)自動識別。

25、本發(fā)明的有益效果為：

26、本發(fā)明提供的相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法并不直接識別保障車輛，而是先識別出飛機(jī)的位姿，基于飛機(jī)位姿預(yù)測出保障車輛與飛機(jī)的相對位置，只要有車輛進(jìn)入到識別區(qū)域，則可以認(rèn)為是對應(yīng)保障車輛的出現(xiàn)；

27、由于本方法只需要基于圖像識別技術(shù)識別出飛機(jī)上幾個關(guān)鍵的部位，如機(jī)頭個機(jī)尾，這兩個關(guān)鍵部位的可辨識度很高，在雨霧或者夜間也能夠很好地被識別出來，而且?guī)缀醪淮嬖诒徽趽醯膯栴}，其解決了現(xiàn)有的基于圖像識別的保障節(jié)點(diǎn)自動錄入方法在圖像識別效果不佳的情況下無法進(jìn)行保障節(jié)點(diǎn)檢測的問題。

技術(shù)特征：

1.基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，其特征在于，所述s1包括：

3.根據(jù)權(quán)利要求1所述的基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，其特征在于，所述s12中，相對位置特征包括機(jī)頭x坐標(biāo)、機(jī)頭y坐標(biāo)、機(jī)尾x坐標(biāo)、機(jī)尾y坐標(biāo)、飛機(jī)朝向、保障車輛檢測框左上角坐標(biāo)和保障車輛檢測框右下角坐標(biāo)。

4.根據(jù)權(quán)利要求1所述的基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，其特征在于，所述s2中，預(yù)測模型包括依次連接的輸入層、第一隱藏層、第二隱藏層和輸出層；

5.根據(jù)權(quán)利要求1所述的基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，其特征在于，所述s3中，改進(jìn)yolov7模型對機(jī)場實(shí)時傳入的圖像數(shù)據(jù)的處理方法包括：

6.根據(jù)權(quán)利要求5所述的基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，其特征在于，所述s32中，解耦頭包括分類分支和回歸分支；

7.根據(jù)權(quán)利要求1所述的基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，其特征在于，所述s4包括：

技術(shù)總結(jié)
本發(fā)明公開了基于相對位置學(xué)習(xí)的機(jī)場保障節(jié)點(diǎn)自動識別方法，涉及機(jī)坪保障技術(shù)領(lǐng)域，包括：S1、根據(jù)保障車輛和飛機(jī)之間的相對位置關(guān)系，制作標(biāo)注保障車輛和飛機(jī)相對位置數(shù)據(jù)的數(shù)據(jù)集；S2、利用深度學(xué)習(xí)對數(shù)據(jù)集進(jìn)行訓(xùn)練得到預(yù)測模型；S3、使用改進(jìn)YOLOV7模型對機(jī)場實(shí)時傳入的圖像數(shù)據(jù)進(jìn)行檢測，得到飛機(jī)的關(guān)鍵點(diǎn)位置數(shù)據(jù)；S4、將關(guān)鍵點(diǎn)位置數(shù)據(jù)輸入預(yù)測模型，完成機(jī)場保障節(jié)點(diǎn)自動識別，本發(fā)明彌補(bǔ)了完全依靠圖像檢測進(jìn)行保障節(jié)點(diǎn)識別方法的不足，提高保障節(jié)點(diǎn)檢測效率。

技術(shù)研發(fā)人員：黨婉麗,羅謙,鄭懷宇,耿龍,曹利波,王朝,牛杰,王江,裴翔宇,但軍,劉晨,張啟俊
受保護(hù)的技術(shù)使用者：民航成都電子技術(shù)有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/21