CN103488801B - 一种基于地理信息空间库的机场目标检测方法 - Google Patents

一种基于地理信息空间库的机场目标检测方法 Download PDF

Info

Publication number
CN103488801B
CN103488801B CN201310485693.3A CN201310485693A CN103488801B CN 103488801 B CN103488801 B CN 103488801B CN 201310485693 A CN201310485693 A CN 201310485693A CN 103488801 B CN103488801 B CN 103488801B
Authority
CN
China
Prior art keywords
airport
remote sensing
characteristic curve
aerial vehicle
unmanned aerial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201310485693.3A
Other languages
English (en)
Other versions
CN103488801A (zh
Inventor
付长军
文义红
于君娜
杨凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 54 Research Institute
Original Assignee
CETC 54 Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CETC 54 Research Institute filed Critical CETC 54 Research Institute
Priority to CN201310485693.3A priority Critical patent/CN103488801B/zh
Publication of CN103488801A publication Critical patent/CN103488801A/zh
Application granted granted Critical
Publication of CN103488801B publication Critical patent/CN103488801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于地理信息空间库的机场目标检测方法，涉及无人机计算机视觉中目标检测技术领域。该发明针对无人机遥感影像中机场目标的检测问题，通过线上和线下两个处理过程，充分利用遥感卫星和地理信息提供的先验信息，实现了机场目标快速准确地检测与定位。在线下，根据卫星遥感影像及地理信息提取机场目标的方向、特征线、特征线距离等属性信息；在线上，对实时获取的遥感图像根据地理信息空间中当前疑似机场的方向，参考无人机遥感影像处理***中图像校正的精度，提取无人机遥感影像中的线特征，最后通过综合评判无人机遥感影像上特征线与地理信息空间中疑似机场目标特征线的匹配程度，从而实时检测和定位出遥感图像中的机场目标。

Description

一种基于地理信息空间库的机场目标检测方法
技术领域
本发明涉及无人机计算机视觉中目标检测技术领域。确切地说，本发明涉及一种结合地理信息空间提供的先验知识，由无人机遥感影像中部分机场区域实现机场目标检测的方法。
背景技术
以无人机为平台，通过机载目标识别传感器和基于无线电作战目标识别(RBCI)***，采用协同与非协同识别相结合的技术体制，能够实现战场参战单元的目标探测与识别，目标探测与识别是支持武器***超视距作战、辅助精确打击的一个重要手段，是信息化作战的前提，同时也是无人机对抗的前提。
随着硬件性能的提升和图像处理算法的发展，国内外对无人机视觉***的研究已成为无人机领域的热点。国内研究人员主要是研究标志物的检测并运用在无人机自动着陆和导航方面，研究采用的是目标特征匹配或者统计模式识别方法。比如几何、颜色特征匹配。Hu不变矩，Haar特征分类器等。而国外的研究侧重于对战场目标的侦察与跟踪定位，本文主要工作也是研究这种侦察目标的定位问题。在这类问题中，由于目标没有统一的模板特征，所以较难使用上述对标志物检测的方法来跟踪定位目标，尤其是对于机场这类大型的目标，在无人机飞行过程中往往只能观测到机场的一部分，传统基于线检测的算法会失效，为此我们采用了一种基于地理空间信息库的目标检测定位技术。
发明内容
鉴于背景技术中的不足之处，本发明的主要目的在于通过充分利用目前日益丰富的卫星遥感资源和地理信息资源，能够在高准确率低误检率的要求下实现快速地检测出无人机遥感影像中的部分机场，降低遥感影像质量的影响。为此而提供一种基于地理信息空间的机场目标检测方法，以解决现有技术中部分机场目标检出率低、误检率高、实时性差、易受遥感影像质量影响的问题。
为达到上述目的，本发明提供一种基于地理信息空间库的机场目标检测方法，其特征在于：该方法分为线上和线下两个处理过程；在线下，根据卫星遥感影像和地理信息，构建机场目标的地理信息空间；在线上，结合地理信息空间中机场目标的特征信息，实现无人机遥感影像中机场目标的检测与定位，该方法的实现步骤如下：
步骤S1：结合机场目标的卫星遥感影像和地理位置，建立地理信息空间库；
步骤S2：根据无人机的位置信息和无人机遥感影像的校正精度从地理信息空间库中提取出与无人机位置相对应的机场属性信息，利用地理信息空间库中疑似机场的方向信息，通过线积分的方法提取出无人机遥感影像上的特征线信息；
步骤S3：将无人机遥感影像上的特征线信息与地理信息空间库中疑似机场特征线的属性信息进行综合评判，确定无人机遥感影像上的特征线的位置是否为与无人机位置相对应的机场所在位置；
步骤S4：根据地理信息空间库中机场目标的属性信息和特征线的位置信息生成初始的部分机场轮廓，从而实现无人机遥感影像中机场目标的实时检测。
其中，步骤S1中建立地理信息空间库的方法是，首先利用人机交互的方式选择特征线方向，然后利用线积分的方法提取机场目标包含的特征线，最后利用特征线属性信息与地理信息构建地理信息空间库。
其中，步骤S2中通过线积分的方法提取出无人机遥感影像上的特征线的具体步骤是：
步骤21：根据无人机遥感影像的地理坐标在地理信息空间库中搜寻疑似机场目标；
步骤22：利用一阶微分算子计算无人机遥感影像垂直梯度和水平方向梯度；
步骤23：通过判断无人机遥感影像的梯度是否在垂直于机场方向上达到最大来判断无人机遥感影像上的特征线疑似点；
步骤24：通过线积分的方法，统计机场方向上的特征线的疑似点个数来提取无人机遥感影像上的特征线。
其中，步骤S3中确定无人机遥感影像上的特征线的位置是否为与无人机位置相对应的机场所在位置的方法是：通过综合比对无人机遥感影像中特征线与地理信息空间中机场目标的特征线属性信息来判定。
其中，步骤S4中所述生成初始的部分机场轮廓的方法是：综合利用地理信息空间中机场目标的属性以及遥感影像中提取的特征线来勾画出机场的确切位置。
本发明的有益效果：
本发明区别于其他现有技术，本发明提出了一种利用卫星遥感资源和地理信息资源来对无人机遥感影像中机场目标进行检测的技术，通过充分利用遥感卫星和地理信息***提供的先验知识来解决部分机场特征点少难以检测的问题。与以往方法相比，本发明提出的方法在准确度上进一步提高了无人机遥感影像中机场目标的检出率，同时降低了算法的误检率和计算复杂度底，并且更不易受遥感影像品质的影响。
附图说明
图1是本发明实施例的工作流程图。
具体实施方式
本发明实施例的工作流程如图1所示，下面结合附图1本发明技术方案中所涉及的各个细节问题作进一步描述。应指出的是，所描述的实施例仅旨在便于对本发明的理解而不起任何限定作用。
一种基于地理信息空间库的机场目标检测方法，其特征在于：该方法分为线上和线下两个处理过程；在线下，根据卫星遥感影像和地理信息，构建机场目标的地理信息空间；在线上，结合地理信息空间中机场目标的特征信息，实现无人机遥感影像中机场目标的检测与定位，该方法的实现步骤如下：
步骤S1：结合机场目标的卫星遥感影像和地理位置，建立地理信息空间库；
步骤S1中建立地理信息空间库的方法是，首先利用人机交互的方式选择特征线方向，然后利用线积分的方法提取机场目标包含的特征线，最后利用特征线属性信息与地理信息构建地理信息空间库。
步骤S1具体实施方式如下：、
步骤11：利用边缘检测算子，如Laplacian算子、Sobel算子、Roberts算子、Prewitt算子等计算卫星遥感影像在水平和垂直两个方向上的梯度信息。特别地，此处我们采用一阶差分方法来对梯度进行计算，垂直梯度记为水平方向的梯度
步骤12：利用人机交互的方式，选择机场方向作为特征线方向θ；
步骤13：根据步骤12中给出的特征线方向θ，判断所有像素点在θ±90°上的投影值是否最大，若最大则标记为1，否则为零；
步骤14：沿步骤12给出的方向θ，利用积分方法从不同像素点出发统计步骤13中标记为1的像素点个数，当统计数量超过阈值，则标记当前搜索线段为特征线段；
步骤15：根据步骤14得到的特征线，统计并记录特征线的分布情况，包括特征线的方向、距离关系、特征线条数等；
步骤16：结合机场的地理坐标和步骤15中记录的特征线分布情况，构建地理信息空间库。
步骤S2：根据无人机的位置信息和无人机遥感影像的校正精度从地理信息空间库中提取出与无人机位置相对应的机场属性信息，利用地理信息空间库中疑似机场的方向信息，通过线积分的方法提取出无人机遥感影像上的特征线信息；
其中，步骤S2中通过线积分的方法提取出无人机遥感影像上的特征线的具体步骤是：
步骤21：根据无人机遥感影像的地理坐标在地理信息空间库中搜寻疑似机场目标；
步骤22：利用一阶微分算子计算无人机遥感影像垂直梯度和水平方向梯度；
步骤23：通过判断无人机遥感影像的梯度是否在垂直于机场方向上达到最大来判断无人机遥感影像上的特征线疑似点；
步骤24：通过线积分的方法，统计机场方向上的特征线的疑似点个数来提取无人机遥感影像上的特征线。
步骤S3：将无人机遥感影像上的特征线信息与地理信息空间库中疑似机场特征线的属性信息进行综合评判，确定无人机遥感影像上的特征线的位置是否为与无人机位置相对应的机场所在位置；
其中，步骤S3中确定无人机遥感影像上的特征线的位置是否为与无人机位置相对应的机场所在位置的方法是：通过综合比对无人机遥感影像中特征线与地理信息空间中机场目标的特征线属性信息来判定。
步骤S3主要包含以下具体步骤：
步骤31：统计步骤24中提取的每条特征线附近特征线条数(特别低，此处我们统计距离特征线10个像素点内所有特征线的条数)，并与地理信息空间库中可能的特征线条数进行对比；
步骤32：计算步骤24中提取到的特征线的最大长度，并按照无人机遥感影像的分辨率，折算成特征线的距离，如果距离大于100米，则认为地理信息空间库中的疑似机场确实存在；
步骤33：提取步骤24中提取到的特征线簇的中心线，计算特征线距离，并与地理信息空间库中特征线的距离进行比对，如果特征线的相隔距离相近，则认为存在机场；
步骤34：综合步骤31、32和33给出的机场检测结果，判断当前无人机遥感影像中是否存在疑似机场。
步骤S4：根据地理信息空间库中机场目标的属性信息和特征线的位置信息生成初始的部分机场轮廓，从而实现无人机遥感影像中机场目标的实时检测。
其中，步骤S4中所述生成初始的部分机场轮廓的方法是：综合利用地理信息空间中机场目标的属性以及遥感影像中提取的特征线来勾画出机场的确切位置。
步骤S4包含以下具体步骤：
步骤41：选取步骤31提取的所有特征线中最外端特征线的定点，依次相连勾画出的凸多变形作为初步的机场目标；
步骤42：根据特征线上像素的平均灰度值及方差，将初步提取的机场区域沿机场方向扩展，直到像素的灰度值与特征线上的像素差异较大或到达图像边缘为止(特别地，该阈值我们选择为3倍于特征线上像素灰度值的方差)；
步骤43：输出步骤42中扩展后的机场区域。
综上所述，本发明提出了一种无人机遥感影像中部分机场目标的检测方法，本方法将卫星遥感影像和地理信息作为先验知识，利用线积分的策略提取特征线，采用特征线匹配的策略实现对部分机场目标进行检测与定位，能够在噪声污染比较大的情况实现机场目标快速准地检测与定位。
尽管本发明之最佳实施方式说明了本发明，然而可以理解的是，在不背离权利要求书所规定值发明实质的前提下，可以对本发明做某些修改。

Claims (4)

1.一种基于地理信息空间库的机场目标检测方法，其特征在于：该方法分为线上和线下两个处理过程；在线下，根据卫星遥感影像和地理信息，构建机场目标的地理信息空间；在线上，结合地理信息空间中机场目标的特征信息，实现无人机遥感影像中机场目标的检测与定位，该方法的实现步骤如下：
步骤S1：结合机场目标的卫星遥感影像和地理位置，建立地理信息空间库；其中，建立地理信息空间库的方法是，首先利用人机交互的方式选择特征线方向，然后利用线积分的方法提取机场目标包含的特征线，最后利用特征线属性信息与地理信息构建地理信息空间库；
步骤S2：根据无人机的位置信息和无人机遥感影像的校正精度从地理信息空间库中提取出与无人机位置相对应的机场属性信息，利用地理信息空间库中疑似机场的方向信息，通过线积分的方法提取出无人机遥感影像上的特征线信息；
步骤S3：将无人机遥感影像上的特征线信息与地理信息空间库中疑似机场特征线的属性信息进行综合评判，确定无人机遥感影像上的特征线的位置是否为与无人机位置相对应的机场所在位置；
步骤S4：根据地理信息空间库中机场目标的属性信息和特征线的位置信息生成初始的部分机场轮廓，从而实现无人机遥感影像中机场目标的实时检测。
2.根据权利要求1所述的一种基于地理信息空间库的机场目标检测方法，其特征在于:步骤S2中通过线积分的方法提取出无人机遥感影像上的特征线的具体步骤是：
步骤21：根据无人机遥感影像的地理坐标在地理信息空间库中搜寻疑似机场目标；
步骤22：利用一阶微分算子计算无人机遥感影像垂直梯度和水平方向梯度；
步骤23：通过判断无人机遥感影像的梯度是否在垂直于机场方向上达到最大来判断无人机遥感影像上的特征线疑似点；
步骤24：通过线积分的方法，统计机场方向上的特征线的疑似点个数来提取无人机遥感影像上的特征线。
3.根据权利要求1所述的一种基于地理信息空间库的机场目标检测方法，其特征在于：步骤S3中确定无人机遥感影像上的特征线的位置是否为与无人机位置相对应的机场所在位置的方法是：通过综合比对无人机遥感影像中特征线与地理信息空间中机场目标的特征线属性信息来判定。
4.根据权利要求1所述的一种基于地理信息空间库的机场目标检测方法，其特征在于，步骤S4中所述生成初始的部分机场轮廓的方法是：综合利用地理信息空间中机场目标的属性以及遥感影像中提取的特征线来勾画出机场的确切位置。
CN201310485693.3A 2013-10-17 2013-10-17 一种基于地理信息空间库的机场目标检测方法 Active CN103488801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310485693.3A CN103488801B (zh) 2013-10-17 2013-10-17 一种基于地理信息空间库的机场目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310485693.3A CN103488801B (zh) 2013-10-17 2013-10-17 一种基于地理信息空间库的机场目标检测方法

Publications (2)

Publication Number Publication Date
CN103488801A CN103488801A (zh) 2014-01-01
CN103488801B true CN103488801B (zh) 2016-09-28

Family

ID=49829027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310485693.3A Active CN103488801B (zh) 2013-10-17 2013-10-17 一种基于地理信息空间库的机场目标检测方法

Country Status (1)

Country Link
CN (1) CN103488801B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392234B (zh) * 2014-11-27 2017-11-07 中国人民解放军国防科学技术大学 一种基于图像fft符号信息的无人机自主着陆目标检测方法
CN104978580B (zh) * 2015-06-15 2018-05-04 国网山东省电力公司电力科学研究院 一种用于无人机巡检输电线路的绝缘子识别方法
CN106951567B (zh) * 2017-04-07 2020-07-17 安徽建筑大学 一种基于遥感技术的徽州传统聚落的水系空间分析方法
CN113589328B (zh) * 2021-08-09 2024-01-12 深圳市电咖测控科技有限公司 一种基于多gnss接收***的高精度gnss定位装置
CN114998740B (zh) * 2022-06-13 2023-07-21 中国电子科技集团公司第五十四研究所 一种基于线段分布的机场线性特征提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101153908A (zh) * 2006-09-26 2008-04-02 中国疾病预防控制中心寄生虫病预防控制所 一种获取空间地理环境信息的***和方法
CN102034103A (zh) * 2010-12-03 2011-04-27 中国科学院软件研究所 一种遥感影像的线性要素提取方法
CN103152574A (zh) * 2013-03-15 2013-06-12 清华大学 基于特征配准的速率受限的遥感图像传输***

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101153908A (zh) * 2006-09-26 2008-04-02 中国疾病预防控制中心寄生虫病预防控制所 一种获取空间地理环境信息的***和方法
CN102034103A (zh) * 2010-12-03 2011-04-27 中国科学院软件研究所 一种遥感影像的线性要素提取方法
CN103152574A (zh) * 2013-03-15 2013-06-12 清华大学 基于特征配准的速率受限的遥感图像传输***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种直线特征遥感影像与GIS矢量数据匹配方法;左经纬等;《测绘科学技术学报》;20101031;第27卷(第5期);352-356 *
利用多光谱遥感图像融合的机场识别方法;隋东坡等;《计算机测量与控制》;20050131(第1期);72-75 *
地理信息库支持下的SAR影像信息提取;王超等;《遥感技术与应用》;20050228;第20卷(第1期);111-115 *

Also Published As

Publication number Publication date
CN103488801A (zh) 2014-01-01

Similar Documents

Publication Publication Date Title
CN104197928B (zh) 多摄像机协同的无人机检测、定位及跟踪方法
CN104536009B (zh) 一种激光红外复合的地面建筑物识别及导航方法
CN110595476B (zh) 一种基于gps和图像视觉融合的无人机降落导航方法及装置
CN106291278B (zh) 一种基于多视觉***的开关柜局部放电自动检测方法
CN103488801B (zh) 一种基于地理信息空间库的机场目标检测方法
CN106295512B (zh) 基于标识的多纠正线室内视觉数据库构建方法以及室内定位方法
CN102073846B (zh) 基于航拍图像的交通信息获取方法
KR101261409B1 (ko) 영상 내 노면표시 인식시스템
US20190197908A1 (en) Methods and systems for improving the precision of autonomous landings by drone aircraft on landing targets
CN103605978A (zh) 基于三维实景数据的城市违章建筑识别***及方法
CN105307115A (zh) 一种基于行动机器人的分布式视觉定位***及方法
CN111079589B (zh) 基于深度摄像和身高阈值像素标定的自动身高检测方法
CN107677274A (zh) 基于双目视觉的无人机自主着陆导航信息实时解算方法
CN104504675B (zh) 一种主动视觉定位方法
CN107886541B (zh) 基于反向投影法的单目运动目标位姿实时测量方法
CN104517095A (zh) 一种基于深度图像的人头分割方法
CN103455815A (zh) 一种复杂场景下的自适应车牌字符分割方法
CN105307116A (zh) 一种基于移动机器人的分布式视觉定位***及方法
CN108416798A (zh) 一种基于光流的车辆距离估计方法
CN105302132A (zh) 一种基于行走机器人的分布式视觉定位***及方法
CN108225273A (zh) 一种基于传感器先验知识的实时跑道检测方法
CN103456027B (zh) 一种机场空间关系约束下的时敏目标检测定位方法
US20130093880A1 (en) Height Measurement Apparatus And Method
CN106709432B (zh) 基于双目立体视觉的人头检测计数方法
CN104567879A (zh) 一种组合视场导航敏感器地心方向提取方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant