阅读说明：本技术 一种基于激光点云的飞机泊位引导方法 (Airplane berth guiding method based on laser point cloud ) 是由 顾昕 严璐 刘科岢 刘磊 于 2019-09-12 设计创作，主要内容包括：本发明公开了一种基于激光点云的飞机泊位引导方法,步骤如下：多线程激光雷达获取停机位场景原始数据；将激光雷达数据解析转换为点云格式数据；对点云数据进行相关点云预处理得到检测区域数据；在检测区域使用点云目标检测算法捕获目标飞机；对目标飞机使用点云目标跟踪算法跟踪目标运动状态；对目标飞机使用点云特征提取算法获得飞机关键特征；将提取的飞机关键特征参数与数据库中特征数据进行匹配识别出目标的机型。本发明通过设计的算法,能适应实际的机场泊位应用场景,可快速、准确、稳定地实现飞机泊位引导功能。(The invention discloses an aircraft berth guiding method based on laser point cloud, which comprises the following steps: obtaining original data of a parking space scene by a multi-thread laser radar; analyzing and converting the laser radar data into point cloud format data; carrying out related point cloud preprocessing on the point cloud data to obtain detection area data; capturing a target airplane in a detection area by using a point cloud target detection algorithm; tracking the motion state of a target by using a point cloud target tracking algorithm for the target airplane; obtaining airplane key features by using a point cloud feature extraction algorithm on a target airplane; and matching the extracted key characteristic parameters of the airplane with the characteristic data in the database to identify the model of the target. The invention can adapt to the actual airport berth application scene through the designed algorithm, and can quickly, accurately and stably realize the airplane berth guiding function.)

一种基于激光点云的飞机泊位引导方法

技术领域

本发明属于激光雷达物体检测识别及测量技术领域，具体指代一种针对泊位中目标飞机检测和跟踪的基于激光点云的飞机泊位引导方法。

背景技术

飞机泊位引导系统是一种能自动引导滑行飞机迅速到达机坪停机位置并准确停泊的一套人机对话指挥系统，该系统通过激光或视频传感器监测接近泊位的飞机位姿与速度信息，并通过停泊位前方的显示装置显示飞机位姿与速度等信息，可有效引导不同机型的航空器到不同停止线上与登机桥准确对接。同时，其与机场数据集成平台相连，可实时提供入坞飞机的方位角引导、机型参数、航班信息、滑行速度、机位信号等内容，有效提高了机场的装备水平、运营效率、管理水平和服务质量。

目前，实现泊位引导技术大多采用以下几种方案：

基于线圈感应来引导，通过在机坪埋设感应线圈来感知飞机位置，此方案精度不高，且易受外界电磁干扰；

基于视频摄像来引导，通过视频图像检测飞机，跟踪飞机运动方位，从而实现飞机引导，此方案在定位精度及光照不好等情况下的识别精度还有待提高；

基于双振镜的三维激光扫描来引导，通过驱动步进电机控制水平与垂直方向的振镜来实现对入位飞机的3D扫描，从而捕获识别飞机并进行引导，此方案精度较高但环境适应性还待增强。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于激光点云的飞机泊位引导方法，以解决现有技术中泊位引导技术识别精度不够高、环境适应性不够强的问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于激光点云的飞机泊位引导方法，包括步骤如下：

1）获取停机位场景原始数据；

2）将上述获取的原始数据转换为点云格式数据；

3）对上述点云格式数据进行点云预处理得到检测区域点云数据；

4）在检测区域使用点云目标检测算法捕获目标飞机；

5）对目标飞机使用点云目标跟踪算法跟踪目标运动状态；

6）对目标飞机使用点云特征提取算法获得飞机关键特征；

7）将提取的飞机关键特征与数据库中特征数据进行匹配识别出目标的机型。

进一步地，所述步骤3）具体包括：

31）使用直通滤波算法处理点云格式数据过滤出停机位检测区域；

32）使用平面分割算法滤除检测区域地面点云格式数据。

进一步地，所述步骤4）具体包括：

41）使用聚类算法处理滤除地面后的检测区域点云数据得到各类点云对象；

42）提取聚类出的各类点云对象的特征，依据设定的飞机机头特征筛选出目标飞机的机头区域；

43）搜索出机头区域的机鼻点，结合目标机型机身长度的先验信息直通滤波捕获到目标飞机。

进一步地，所述步骤5）具体包括：根据前一帧目标飞机的机头区域中心坐标基于KdTree搜索机头位置输出跟踪到当前帧飞机机头区域信息。

进一步地，所述步骤6）具体包括：

61）利用飞机翼展固有的几何特征搜索飞机点云数据相关极值点计算出翼展长度；

62）结合机头区域对引擎位置的约束使用点云分割算法检测出目标飞机的左右引擎信息。

本发明的有益效果：

（1）本发明增强了飞机泊位引导应用场景的环境适应性，设计使用多线程激光雷达作为泊位引导前端感知，保证系统在多样环境状况下（温度变化、阳光照射、黑暗中或雨雪天气）都能获取到相对清晰的场景数据。

（2）本发明提升了飞机泊位引导飞机检测的鲁棒性，使用聚类检测结合Kd-Tree搜索辅助跟踪，保证目标飞机始终被稳定准确的检测到。

（3）本发明增强了飞机泊位引导的应用性，多线程激光雷达获取了更多的数据信息结合稳定的点云检测算法，可以实现机位障碍物检测等功能，提升了泊位引导的的安全性、扩展性。

附图说明

图1为本发明方法的流程图；

图2a为本发明中点云预处理前的泊位场景效果图；

图2b为本发明中点云预处理后的泊位场景效果图；

图3为本发明中目标飞机检测特征结果示意图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

参照图1所示，本发明的一种基于激光点云的飞机泊位引导方法，包括步骤如下：

步骤S1、多线程激光雷达获取停机位场景原始数据，根据激光雷达架设高度调整激光雷达俯仰角度，保证目标飞机处于激光扫描密集区域以获得清晰的激光数据；

步骤S2、将激光雷达获取的原始数据解析转换为点云格式数据，使用libpcap结合特定校准文件解析多线程激光雷达的UDP数据包，获取到所有激光测距线程对应的空间位置，即得到实时的激光雷达测距点云数据；

步骤S3、对上述点云格式数据进行相关点云预处理得到检测区域数据，使用点云预处理算法限定检测区域、精简数据、减少干扰、提高后续检测处理速度。预处理效果如图2a，图2b所示，预处理过程包括：

S31、使用直通滤波算法处理点云格式数据过滤出停机位检测区域，根据机位大小、机位布局等设定区域坐标点，据此限定裁剪出检测区域点云数据；

S32、使用平面分割算法滤除检测区域地面点云数据，基于RANSAC对检测区域点云数据进行平面拟合，滤除平面数据，分割保留平面以上的点云对象数据。

步骤3 所使用的直通滤波算法为点云处理领域常用算法，算法的实现是基于PCL库，该库为开源软件库，遵从BSD协议，具体技术原理就不赘述，具体到本发明的实现是根据泊位场景的机位大小、机位布局等实际状况手动设定检测区域坐标点，据此滤出精简的检测区域点云数据。

S4、在检测区域使用点云目标检测算法捕获目标飞机，包括：

S41、使用聚类算法处理滤除地面后的检测区域点云数据得到各类点云对象，基于欧式距离，设定合适的距离阈值、聚类所需最大、最小点数等参数通过欧式聚类分割算法从杂乱的的点云中聚类出各类对象；

S42、提取聚类出的各类点云对象的几何特征，与设定的飞机机头几何特征比较筛选出目标飞机的机头区域；

S43、根据机鼻符合机头区域上距离激光雷达最近的几何特性，排序搜索出机鼻区域，计算出机鼻区域的形心即作稳定的机鼻点，基于机鼻点坐标结合目标机型机身长度的先验信息直通滤波捕获到目标飞机。

上述使用的欧式聚类算法是点云处理领域的常用算法，具体到本发明的实现是根据激光雷达的架设高度、俯仰角度等分析实际的场景数据、多次实验得到相关稳定的算法参数。

S5、对目标飞机使用点云目标跟踪算法跟踪目标运动状态，根据前一帧目标飞机的机头区域中心坐标基于KdTree搜索机头位置输出跟踪到当前帧飞机机头区域信息，搜索半径的值依据目标机型机头区域宽度结合检测到的飞机实时速度自适应设定，包括：

若前一帧有跟踪到目标飞机或者跟丢持续时间小于2s则启动步骤S5跟踪飞机运动转态；若前一帧未检测跟踪到目标飞机且丢失目标持续时间超过2s则启动步骤S4重新聚类检测目标飞机。

S6、对目标飞机使用点云特征提取算法获得飞机关键特征，特征提取结果如图3所示，提取过程包括：

S61、利用飞机翼展固有的几何特征搜索飞机点云数据相关极值点计算出翼展长度；

S62、结合机头区域对引擎位置的约束使用点云分割算法检测出目标飞机的左右引擎信息，即左右引擎中心间距，根据目标机型固有的外形几何特征结合检测跟踪到的机头位置过滤出左右引擎检测空间，基于RANSAC对限定空间内点云数据进行空间圆拟合，分割出左右空间圆模型并提取出圆心空间坐标即可计算出目标飞机的引擎间距。

S7、将提取的关键特征与数据库中特征数据进行匹配识别出目标的机型；具体为：计算提取到的引擎间距、翼展参数与数据库中的各机型对应特征参数的相似度，输出相似度最高的机型即为识别出的机型。

数据库是综合各类机型的所有标准参数及激光雷达可检测到的机型参数，比较分析出区分性好、稳定性强的特征，汇总整理出的特征数据库。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。