CN113064162A - 应用于机场跑道异物检测雷达***的检测方法、装置 - Google Patents
应用于机场跑道异物检测雷达***的检测方法、装置 Download PDFInfo
- Publication number
- CN113064162A CN113064162A CN202110364726.3A CN202110364726A CN113064162A CN 113064162 A CN113064162 A CN 113064162A CN 202110364726 A CN202110364726 A CN 202110364726A CN 113064162 A CN113064162 A CN 113064162A
- Authority
- CN
- China
- Prior art keywords
- detection
- data
- target area
- real
- target
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000006835 compression Effects 0.000 claims abstract description 16
- 238000007906 compression Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000002146 bilateral effect Effects 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims 2
- 206010070245 Foreign body Diseases 0.000 description 41
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011158 quantitative evaluation Methods 0.000 description 4
- 244000025254 Cannabis sativa Species 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- HFGHRUCCKVYFKL-UHFFFAOYSA-N 4-ethoxy-2-piperazin-1-yl-7-pyridin-4-yl-5h-pyrimido[5,4-b]indole Chemical compound C1=C2NC=3C(OCC)=NC(N4CCNCC4)=NC=3C2=CC=C1C1=CC=NC=C1 HFGHRUCCKVYFKL-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种应用于机场跑道异物检测雷达***的检测方法、装置,方法包括:对不含有异物的目标区域进行连续扫描,得到初始背景数据;对初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像;利用目标区域边缘的非连续性特征和雷达设备在目标区域的布设几何关系,去除二维雷达图像中目标区域最大边缘线之外的其他边缘线;根据目标区域最大边缘线提取二维雷达图像中的目标区域,得到感兴趣区域;实时扫描感兴趣区域得到实时数据;根据初始背景数据建立杂波图,利用杂波图对实时数据进行恒虚警检测,得到异物检测信息。本发明提高了在多目标、远距离环境下的检测概率,保证了机场对于跑道异物检测的实时性和连续性需求。
Description
技术领域
本发明涉及雷达检测技术领域,尤其涉及一种应用于机场跑道异物检测雷达***的检测方法、装置及电子设备。
背景技术
机场跑道外来物(简称FOD:Foreign Object Debris),泛指出现在机场跑道的对飞机和人造成危害的碎屑或物体,如飞行器散落器件、水泥块、小鸟等物体。
民航总局规定每天要对道面进行至少四次封闭性人工巡检来清理FOD异物,但是常规的人工巡检方式存在效率低、可靠性差以及降低通航效率等缺点。
另外,也有通过光学视频探测和雷达探测的方法,光学视频探测通过光学图像识别,对异物的识别会受光学图像分辨率的影响,识别效率不高。使用雷达探测时,容易漏检后向散射较弱的异物目标,而且较强的地杂波以及跑道边缘杂波也容易造成虚警,无法实现端到端自动化、多目标以及远距离情况下的有效检测。如何有效提高跑道异物检测雷达***的远距离探测能力成为应用亟待解决的问题之一。
发明内容
(一)要解决的技术问题
针对于现有的技术问题,本发明提供一种应用于机场跑道异物检测雷达***的检测方法、装置及电子设备,跑道异物检测雷达***处理要解决的端到端自动化处理、多目标环境下的检测和远距离情况下的有效检测难题。本发明提供了一种结合非连续特征来进行跑道感兴趣区域自动提取,时间域杂波图检测方法和结合检测结果与参考真值混淆矩阵的定量指标,可以克服杂波在空间分布上虚警的出现,同时在多目标、远距离探测情况下具有较好的检测能力,以及明确、完备的定量评价指标可以客观全面评估目标探测***的表现情况,用于至少部分解决以上技术问题。
(二)技术方案
本发明提供一种应用于机场跑道异物检测雷达***的检测方法,包括:对不含有异物的目标区域进行连续扫描,得到初始背景数据;对初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像;利用目标区域边缘的非连续性特征和雷达设备在目标区域的布设几何关系,去除二维雷达图像中目标区域最大边缘线之外的其他边缘线;根据目标区域最大边缘线提取二维雷达图像中的目标区域,得到感兴趣区域;实时扫描感兴趣区域得到实时数据;根据初始背景数据建立杂波图,利用杂波图对实时数据进行恒虚警检测,得到异物检测信息。
可选地,利用目标区域边缘的非连续性特征和雷达设备在目标区域的布设几何关系,去除二维雷达图像中目标区域最大边缘线之外的其他边缘线包括:对目标区域边缘的非连续性特征进行双边滤波预处理,计算与雷达设备在目标区域的布设几何关系对应的预处理后的区域边缘梯度大小和梯度方向;根据梯度大小和梯度方向去除二维雷达图像中目标区域最大边缘线之外的其他边缘线。
可选地,根据初始背景数据建立杂波图,利用杂波图对实时数据进行恒虚警检测,得到异物检测信息包括:通过公式:
Al(m,n)=(1-v)Al-1(m,n)+vXl(p,q)
对杂波图数据进行迭代计算;其中,l是迭代计算的次数,Al是杂波图当次更新后的数据,Al-1是杂波图前一次更新的数据,Xl是实时扫描感兴趣区域得到的数据,(m,n)是杂波图中的像素点坐标,(p,q)是实时扫描感兴趣区域得到的雷达图像中像素点的坐标,(m,n)和(p,q)在目标区域中对应同一个点的坐标,v是加权系数,v的取值基于迭代计算的次数l和目标检测的恒虚警概率值;根据对初始背景数据进行配准的方位角度,对实时数据进行配准;比较配准后的实时数据和经过迭代计算的杂波图数据的比值与门限值的大小,标记大于等于门限值的实时数据对应的点为目标点;对目标点进行连通域处理,取连通域质心作为目标异物位置,得到异物检测信息。
可选地,对标记的点进行连通域处理,得到异物检测信息包括:通过4连通域,8连通域,D连通域,Two-Pass,Seed Filling中的任意一种方法对标记的点进行连通域处理,得到异物检测信息。
可选地,应用于机场跑道异物检测雷达***的检测方法还包括:根据异物检测信息和参考真值中的异物数量建立混淆矩阵,由混淆矩阵计算得到检测概率,虚警概率,漏检概率和Kappa系数。
可选地,对初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像包括:以第一次扫描数据的方位角度为主值,通过线性插值,多项式插值或sinc插值中的任意一种算法将后续扫描得到的数据配准到与主值相同的角度;在距离向上对配准后的数据进行脉冲压缩和相对幅度校正,得到二维雷达图像。
可选地,根据初始背景数据建立杂波图,利用杂波图对实时数据进行恒虚警检测,得到异物检测信息还包括:标记小于门限值的实时数据对应的点为非目标点;利用非目标点迭代更新杂波图。
可选地,根据公式对杂波图数据进行至少10次迭代计算;其中,进行至少10次迭代计算对应w的取值范围为小于0.5。
本发明另一方面提供一种异物检测装置,包括:数据获取模块,用于对不含有异物的目标区域进行连续扫描,得到初始背景数据,以及实时扫描感兴趣区域得到实时数据;感兴趣区域获取模块,用于对初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像,以及利用目标区域边缘的非连续性特征和雷达设备在目标区域的布设几何关系,去除二维雷达图像中目标区域最大边缘线之外的其他边缘线,根据目标区域最大边缘线提取二维雷达图像中的目标区域,得到感兴趣区域;异物信息获取模块,用于根据初始背景数据建立杂波图,利用杂波图对实时数据进行时域上的恒虚警检测,得到异物检测信息。
本发明另一方面提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现本发明任意一个实施例的应用于机场跑道异物检测雷达***的检测方法。
(三)有益效果
本发明提供一种应用于机场跑道异物检测雷达***的检测方法,通过利用目标区域边缘的非连续性特征和雷达设备在目标区域的布设几何关系,去除二维雷达图像中目标区域最大边缘线之外的其他边缘线,降低了目标区域边缘特征的复杂度,可以提高***的自动化程度,进而提高检测效率。
基于对目标区域连续扫描得到的初始背景数据,由该初始背景数据建立杂波图,可以从时域上对实时扫描的数据进行恒虚警检测,克服了杂波空间位置上较剧烈变化的影响以及杂波边缘造成虚警的影响,提高了远距离、多目标场景中的检测效率。
通过混淆矩阵的计算,建立了一套定量评价指标,可以完整且明确地评价探测***的单一和整体表现,相较于传统的计算摆放目标检测结果中正确个数所占比例更加全面和客观,为检测***性能的评估提供了参考。
通过应用于机场跑道异物检测雷达***的检测方法,取代了人工巡检清理,可以不影响机场通航效率,保证了机场对跑道异物检测的实时性和连续性的需求。
维持较为稳定的虚警概率的同时,在多目标、远距离目标的检测环境下,提高了检测概率,尤其适用于支架式雷达实时监测跑道区域的自动跑道异物检测场景。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本发明实施例的应用于机场跑道异物检测雷达***的检测方法应用场景图;
图2示意性示出了根据本发明实施例的应用于机场跑道异物检测雷达***的检测方法流程图;
图3示意性示出了根据本发明实施例的二维雷达图像获取方法流程图;
图4示意性示出了根据本发明实施例的实时检测直角坐标系下的雷达二维图像;
图5示意性示出了根据本发明实施例的目标区域边缘处理方法流程图;
图6示意性示出了根据本发明实施例的自动提取的感兴趣跑道区域雷达二维图像;
图7示意性示出了根据本发明实施例的恒虚警检测方法流程图;
图8示意性示出了根据本发明实施例的异物目标标记结果图;
图9示意性示出了根据本发明另一实施例的应用于机场跑道异物检测雷达***的检测方法流程图;
图10示意性示出了根据本发明实施例的异物检测装置的框图;
图11示意性示出了根据本发明实施例的电子设备的框图。
【附图标记说明】
1-机场跑道
2-雷达定位设备
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,在附图或说明书描述中,相似或相同的部分都使用相同的图号。说明书中示例的各个实施例中的技术特征在无冲突的前提下可以进行自由组合形成新的方案,另外每个权利要求可以单独作为一个实施例或者各个权利要求中的技术特征可以进行组合作为新的实施例,且在附图中,实施例的形状或是厚度可扩大,并以简化或是方便标示。再者,附图中未绘示或描述的元件或实现方式,为所属技术领域中普通技术人员所知的形式。另外,虽然本文可提供包含特定值的参数的示范,但应了解,参数无需确切等于相应的值,而是可在可接受的误差容限或设计约束内近似于相应的值。
除非存在技术障碍或矛盾,本发明的上述各种实施方式可以自由组合以形成另外的实施例,这些另外的实施例均在本发明的保护范围中。
虽然结合附图对本发明进行了说明,但是附图中公开的实施例旨在对本发明优选实施方式进行示例性说明,而不能理解为对本发明的一种限制。附图中的尺寸比例仅仅是示意性的,并不能理解为对本发明的限制。
虽然本发明总体构思的一些实施例已被显示和说明,本领域普通技术人员将理解,在不背离本总体发明构思的原则和精神的情况下,可对这些实施例做出改变,本发明的范围以权利要求和它们的等同物限定。
图1示意性示出了根据本发明实施例的应用于机场跑道异物检测雷达***的检测方法应用场景图。需要注意的是,图1所示仅为可以应用本发明实施例的应用场景的示例,以帮助本领域技术人员理解本发明的技术内容,但并不意味着本发明实施例不可以用于其他设备、***、环境或场景。
根据本发明的实施例,如图1所示,本发明实施例的应用于机场跑道异物检测雷达***的检测方法例如可以应用于机场跑道异物检测雷达***的自动检测。在机场跑道1的附近布设例如4个雷达定位设备,可以构建一个如图1中虚线框所示的覆盖机场跑道1的雷达扫描区域。通过对不含有异物的该雷达扫描区域进行连续扫描,可以得到初始背景数据,进而配准和压缩得到二维雷达图像。虚线框中,机场跑道1之外的部分例如可以为草地等非跑道区域,机场跑道1与非跑道区域之间具有杂乱无规则的边界线,通过处理得到最大边缘线可以从二维雷达图像中提取出与机场跑道1最贴近的感兴趣区域,进而可以通过处理实时扫描该感兴趣区域得到的图像数据来监测机场跑道1上的异物信息。
为了实现上述应用场景中异物信息的获取,需要构建雷达扫描区域以获取需要监测的感兴趣区域,一种实施方式如图2所示。
图2示意性示出了根据本发明实施例的应用于机场跑道异物检测雷达***的检测方法流程图。
根据本发明的实施例,如图2所示,应用于机场跑道异物检测雷达***的检测方法例如包括:
S201,对不含有异物的目标区域进行连续扫描,得到初始背景数据。
S202,对初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像。
S203,利用目标区域边缘的非连续性特征和雷达设备在目标区域的布设几何关系,去除二维雷达图像中目标区域最大边缘线之外的其他边缘线。
S204,根据目标区域最大边缘线提取二维雷达图像中的目标区域,得到感兴趣区域。
S205,实时扫描感兴趣区域得到实时数据。
S206,根据初始背景数据建立杂波图,利用杂波图对实时数据进行恒虚警检测,得到异物检测信息。
根据本发明的实施例,例如可以通过FOD雷达对机场跑道场景进行多时相扫描,获得不存在异物的初始背景数据和存在异物的实时探测得到的雷达回波数据,即待检测数据。初始背景数据用于作为样本与实时检测的数据进行对比,因而需要例如通过人工对需要监测的机场跑道进行检查清理,保证用于获取初始背景数据的机场跑道上无异物。对不含有异物的目标区域需要进行连续扫描,即保证时间上的连续性,便于后续利用杂波图对实时数据进行时域上的恒虚警检测。
本实施例之所以选择FOD雷达,是因为FOD雷达为工作在毫米波段的调频连续波体制雷达,***发射功率低、频段高,对机场已用的工作频段影响较小,同时***具备扫描转动能力,可以进行机场跑道场景扫描照射获得雷达回波信号数据。但应用FOD雷达只是一个具体应用的实施例,本发明的检测方法并不限于FOD雷达,所有可以实施本发明检测方法的雷达都可以根据使用环境的不同而做出相应选择。
图3示意性示出了根据本发明实施例的二维雷达图像获取流程图。
根据本发明的实施例,如图3所示,可以通过操作S301~操作S302对初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像。
S301、以第一次扫描数据的方位角度为主值,通过线性插值,多项式插值或sinc插值中的任意一种算法将后续扫描得到的数据配准到与主值相同的角度。
根据本发明的实施例,选择时间上连续的多次扫描的数据作为初始背景数据,由于每次扫描得到的数据可能会有一定的偏差,因而需要对初始背景数据进行配准,例如可以以该多次扫描的数据中的第一次扫描数据的方位角度作为主值,具体地配准例如可以使用插值算法将第一次扫描之后的各次扫描数据配准到与该主值相同的角度下,插值算法例如包括线性插值、多项式插值和sinc插值等等,它们对检测算法影响较小。
S302、在距离向上对配准后的数据进行脉冲压缩和相对幅度校正,得到二维雷达图像。
根据本发明的实施例,在得到配准后的初始背景数据之后,还需要在距离向上对初始背景数据进行脉冲压缩处理,并沿距离向做相对幅度校正,得到对应的角度-距离二维雷达图像。
图4示意性示出了根据本发明实施例的实时检测直角坐标系下的雷达二维图像。
根据本发明的实施例,如图4所示,图中黑色区域(虚线框区域)为机场跑道1,跑道旁边灰白色区域为草地,可以看出,机场跑道1和草地之间的边界参差不齐且比较模糊,此处容易在实时检测中产生虚警,并且机场跑道待检测区域的边缘不清晰,导致每次扫描得到的目标区域也不是确定的,不利于***的自动化检测。
图5示意性示出了根据本发明实施例的目标区域边缘处理方法流程图。
根据本发明的实施例,如图5所示,例如可以通过操作S501~操作S502来利用目标区域边缘的非连续性特征和雷达设备在目标区域的布设几何关系,去除二维雷达图像中目标区域最大边缘线之外的其他边缘线。
S501、对目标区域边缘的非连续性特征进行双边滤波预处理,计算与雷达设备在目标区域的布设几何关系对应的预处理后的区域边缘梯度大小和梯度方向。
根据本发明的实施例,例如可以依据跑道与草地连接部分的非续性特征以及雷达设备布设几何关系,对跑道区域进行自动提取,获得跑道感兴趣区域。如图1所示,机场跑道1与其周围的草地连接部分具有非连续性特征,并且由布设的雷达设备确定的直角坐标系下扫描范围(图1中的虚线框范围)与机场跑道1的几何关系也是确定的。因而,例如可以采用在平滑去噪的同时能够保持边缘能力的双边滤波预处理操作来对目标区域边缘进行预处理,参考公式:
其中,(x,y),(i,j)为二维雷达图像中的像素点坐标,g(i,j)为双边滤波预处理前的像素点的散射强度,f(x,y)为双边滤波预处理后的像素点的散射强度,S是二维雷达图像中的像素点坐标取值范围,w(i,j)为空间域核,例如可以采用高斯函数的表达形式作为模板权值。
根据本发明的实施例,上述基于梯度特征的边缘提取是依据跑道区域散射强度相较于草地有明显的不连续性,体现在梯度值大小的明显变化,x,y表示方位和距离两个方向,角度方向是与其中一个轴的夹角,***安装布设位置确定后,跑道的实际边缘会相对扫描范围有确定的角度方向关系,在笛卡尔坐标系下,依据此可以去除多余的边缘线,只保留跑道最大边缘,后续的检测处理在获得的跑道感兴趣区域上进行,可以提高整体效率。为了从双边滤波预处理后得到的模糊边界更进一步地得到精确边界,例如可以根据雷达图像的像素差值计算梯度大小和梯度方向。梯度大小例如可以表示为:
其中,G为梯度大小,x,y为二维雷达图像中像素点的坐标值,Gx、Gy分别为梯度大小在直角坐标系中的横纵方向的梯度大小分量,梯度方向例如可以表示为:
θ=arc tan(Gy/Gx) (3)
其中,θ为梯度方向,G为梯度大小,x,y为二维雷达图像中点的坐标值,Gx、Gy分别为梯度大小在直角坐标系中的横纵方向的梯度大小分量。
图6示意性示出了根据本发明实施例的自动提取的感兴趣跑道区域雷达二维图像。
根据本发明的实施例,如图6所示,经过双边滤波预处理后,图中黑色区域为机场跑道,白色区域为跑道之外的区域。可以看出,机场跑道与跑道周围的界线非常清晰,且只保留了唯一的最大边缘线,使得每一次实时扫描都可以获取同一个感兴趣区域,提高了***的自动化检测性能和检测效率。
S502、根据梯度大小和梯度方向去除二维雷达图像中目标区域最大边缘线之外的其他边缘线。
根据本发明的实施例,在计算出梯度大小和梯度方向后,由于在直角坐标系下独立跑道的四条外边的梯度方向相对雷达***的布设位置之间存在确定的关系,据此可以在提取结果中去除多余的边缘只留下最大边缘,进而确定跑道感兴趣区域,跑道感兴趣区域确定后,之后配准的数据可以使用相同的感兴趣区域提取范围来进行扫描处理,提高了检测效率。
图7示意性示出了根据本发明实施例的恒虚警检测方法流程图。
根据本发明的实施例,如图7所示,例如可以通过操作S701~操作S704建立杂波图(CM),利用杂波图对实时数据进行时域上的杂波图恒虚警检测(CM CFAR),得到异物检测信息。
S701、根据初始背景数据建立杂波图,对杂波图进行迭代计算,例如通过公式:
Al(m,n)=(1-v)Al-1(m,n)+vXl(p,q) (4)
对实时扫描感兴趣区域得到的数据进行时域上的恒虚警检测。其中,l是迭代计算的次数,也是连续扫描不含有异物的目标区域次数,Al是杂波图当次更新后的数据,Al-1是杂波图前一次更新的数据,Xl是实时自动提取并扫描感兴趣区域得到的数据,(m,n)是杂波图中的像素点坐标,(p,q)是实时扫描感兴趣区域得到的雷达图像中像素点的坐标,(m,n)和(p,q)在机场跑道上对应同一个点的坐标,v是加权系数,v的取值基于连续扫描的次数l和目标检测的恒虚警概率值,恒虚警概率值的取值范围例如为10-7~10-5。
优选地,根据本发明的实施例,迭代计算的次数l例如为10次,对应v的取值范围为小于0.5。
S702、根据对初始背景数据进行配准的方位角度,对实时数据进行配准。
根据本发明的实施例,在多次实时扫描感兴趣区域后,同样需要对得到的实时数据进行方位角度配准,配准方法参考对初始背景数据进行的配准,配准角度例如以获取初始背景数据时的第一次扫描的主值方位角度为准。
S703、比较配准后的实时数据和经过迭代计算的杂波图数据的比值与门限值的大小,标记大于等于门限值的实时数据对应的点为目标点。
根据本发明的实施例,在对实时数据进行配准之后,根据自适应判决门限完成检测,并对检测结果进行二值标记,目标判决比较器例如根据公式:
比较实时数据与经过迭代计算的杂波图数据中对应位置的散射强度的比值与判决门限值的大小。其中,c为待检测实时数据扫描雷达图中某一位置的散射强度,d为杂波图中对应位置的散射强度,e为雷达扫描的次数,T为门限值。当该散射强度比值大于等于门限值T时,标记有异物目标的像素点为H1,标记小于门限值T的无异物目标的像素点为H2。
优选地,门限值T的取值范围例如可以为15.53≤T≤76.12。
图8示意性示出了根据本发明实施例的异物目标标记结果图。
根据本发明的实施例,如图8所示,灰白色区域为机场跑道,白色的点为实时检测出的异物目标像素点,白色点旁的数字为相应白色点的编号。
S704、对目标点进行连通域处理,取连通域质心作为目标异物位置,得到异物检测信息。
根据本发明的实施例,完成对实时检测结果进行的二值标记后,再对有异物目标的区域例如使用4连通域,8连通域或D连通域处理,即对标记H1的像素点,如图8中的白色点,进行连通域处理,来确定同一异物目标的不同连通区域,进行连通域检测处理也可以使用常用的Two-Pass、Seed Filling等方法来实现。确定连通域后,例如以同一异物目标连通域的质心作为目标位置结果,得到异物目标检测结果信息,即异物检测信息。对标记H2的像素点,虽然不含异物,但表明路面上的此处可能产生了某些变化,则可以将其用于对杂波图的更新,以便对机场跑道路面上可能出现的一些微小变化进行及时更新。
根据本发明的实施例,在检测出异物信息后,还可以基于该信息与参考真值,以其表示的异物数量建立混淆矩阵,其中,检测结果存在目标为M、不存在目标为N,参考真值存在目标为E、不存在目标为F。如表1所示,来对检测结果进行全面客观的评价。
表1检测性能定量指标定义
检测性能 | 检测结果(有目标M) | 检测结果(无目标N) |
参考真值(有目标E) | EM | FN |
参考真值(无目标F) | FM | EN |
其中,由表1可以得出,基于本发明的实施例的检测方法的检测概率Pd为:
虚警概率Pfa为:
漏检概率Plo为:
整体表现Kappa系数KC为:
其中,
其中,
N=EM+FM+EN+FN (12)
根据本发明的实施例,可以应用于FOD检测***的定量评价指标例如检测概率,虚警概率,漏检概率,整体表现Kappa系数可以完整且明确地评价检测***的单一和整体检测能力表现,相较于传统的从摆放目标中得到检测结果的正确个数所占比例更加全面和客观,为检测***性能评估提供了参考。
图9示意性示出了根据本发明另一实施例的应用于机场跑道异物检测雷达***的检测方法流程图。
根据本发明的另一实施例,如图9所示,以FOD雷达对机场跑道的实时检测为例,应用于机场跑道异物检测雷达***的检测方法例如包括:
S901、FOD雷达对机场跑道场景多时相扫描,获得时间上连续的初始背景数据和实时探测的待检测检测数据。
S902、依据方位角度对不同周期数据进行配准处理,在距离向进行脉冲压缩得到雷达图像。
S903、依据道面与草地相接部分的非连续特征和雷达布设几何关系,对跑道感兴趣区域进行自动提取。
S904、多周期初始背景数据建立稳定杂波图,待检测数据进行配准,自动提取跑道区域后进行杂波图恒虚警检测,同一目标连通域提取后取质心作为检测结果。
S905、检测结果和参考真值构建混淆矩阵,定量化指标检测概率、虚警概率、漏检概率和Kappa系数来评估检测***。
该另一实施例的检测方法的其他细节可以参考上面实施例部分的描述,在此不再赘述。
需要说明的是,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或者替换,例如,步骤S501,跑道边缘检测算法可以使用基于双边滤波后的梯度检测以及以此为基础的改进方法来代替;步骤S704,连通域检测算法可以使用基本的4连通、8连通提取,Two-Pass、SeedFilling,以及以此为基础变形结合的提取方法来代替;混淆矩阵中,使用不同的字母符号来表达相同含义的矩阵以及概率定义。
综上所述,本发明实施例提出一种应用于机场跑道异物检测雷达***的检测方法。公开了可以应用于机场跑道异物检测雷达***的自动检测方法与定量评价指标,利用具备自动提取跑道感兴趣区域的提取算法提高效率和时间域上的杂波图恒虚警检测算法可以减少杂波边的虚警和具备在多目标、远距离环境下检测,在一定程度上提高了检测概率并且稳定虚警概率,保证了机场对于跑道异物检测的实时性和连续性的需求。同时,公开的定量评价指标完整、明确地表示出检测***的多个定量指标,为机场道面异物检测***性能评估提供了参考。
图10示意性示出了根据本发明实施例的异物检测装置的框图。
根据本发明的实施例,如图10所示,本发明实施例另一方面提供一种异物检测装置1000,例如包括:数据获取模块1010,感兴趣区域获取模块1020,异物信息获取模块1030。该异物检测装置可以执行上面参考方法实施例部分描述的方法,在此不再赘述。
具体地,数据获取模块1010,用于对不含有异物的目标区域进行连续扫描,得到初始背景数据,以及实时扫描感兴趣区域得到实时数据。
感兴趣区域获取模块1020,用于对初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像,以及利用目标区域边缘的非连续性特征和雷达设备在目标区域的布设几何关系,去除二维雷达图像中目标区域最大边缘线之外的其他边缘线,根据目标区域最大边缘线提取二维雷达图像中的目标区域,得到感兴趣区域。
异物信息获取模块1030,用于根据初始背景数据建立杂波图,利用杂波图对实时数据进行时域上的恒虚警检测,得到异物检测信息。
产品实施例部分未尽细节之处与方法实施例部分类似,请参见方法实施例部分,此处不再赘述。
根据本发明的实施例的模块中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本发明实施例的模块中的任意一个或多个可以被拆分成多个模块来实现。根据本发明实施例的模块中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本发明实施例的模块中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,数据获取模块1010、感兴趣区域获取模块1020及异物信息获取模块1030中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块,如数据获取模块1010、感兴趣区域获取模块1020及异物信息获取模块1030中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,数据获取模块1010、感兴趣区域获取模块1020及异物信息获取模块1030中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图11示意性示出了根据本发明实施例的电子设备的框图。图11示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示,电子设备1100包括处理器1110、计算机可读存储介质1120。该电子设备1100可以执行根据本发明实施例的方法。
具体地,处理器1110例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1110还可以包括用于缓存用途的板载存储器。处理器1110可以是用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质1120,例如可以是非易失性的计算机可读存储介质,具体示例包括但不限于:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;等等。
计算机可读存储介质1120可以包括计算机程序1121,该计算机程序1121可以包括代码/计算机可执行指令,其在由处理器1110执行时使得处理器1110执行根据本发明实施例的方法或其任何变形。
计算机程序1121可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序1121中的代码可以包括一个或多个程序模块,例如包括1121A、模块1121B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器1110执行时,使得处理器1110可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例,数据获取模块1010、感兴趣区域获取模块1020及异物信息获取模块1030中的至少一个可以实现为参考图11描述的计算机程序模块,其在被处理器1110执行时,可以实现上面描述的相应操作。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于的特定顺序或层次。
在上述的详细描述中,各种特征一起组合在单个的实施方案中,以简化本公开。不应该将这种公开方法解释为反映了这样的意图,即,所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反,如所附的权利要求书所反映的那样,本发明处于比所公开的单个实施方案的全部特征少的状态。因此,所附的权利要求书特此清楚地被并入详细描述中,其中每项权利要求独自作为本发明单独的优选实施方案。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
Claims (10)
1.一种应用于机场跑道异物检测雷达***的检测方法,其特征在于,包括:
对不含有异物的目标区域进行连续扫描,得到初始背景数据;
对所述初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像;
利用所述目标区域边缘的非连续性特征和雷达设备在所述目标区域的布设几何关系,去除所述二维雷达图像中所述目标区域最大边缘线之外的其他边缘线;
根据所述目标区域最大边缘线提取所述二维雷达图像中的所述目标区域,得到感兴趣区域;
实时扫描所述感兴趣区域得到实时数据;
根据所述初始背景数据建立杂波图,利用所述杂波图对所述实时数据进行恒虚警检测,得到异物检测信息。
2.根据权利要求1所述的应用于机场跑道异物检测雷达***的检测方法,其特征在于,所述利用所述目标区域边缘的非连续性特征和雷达设备在所述目标区域的布设几何关系,去除所述二维雷达图像中所述目标区域最大边缘线之外的其他边缘线包括:
对所述目标区域边缘的非连续性特征进行双边滤波预处理,计算与雷达设备在所述目标区域的布设几何关系对应的预处理后的区域边缘梯度大小和梯度方向;
根据所述梯度大小和所述梯度方向去除所述二维雷达图像中所述目标区域最大边缘线之外的其他边缘线。
3.根据权利要求1所述的应用于机场跑道异物检测雷达***的检测方法,其特征在于,所述根据所述初始背景数据建立杂波图,利用所述杂波图对所述实时数据进行恒虚警检测,得到异物检测信息包括:
通过公式:
Al(m,n)=(1-v)Al-1(m,n)+vXl(p,q)
对杂波图数据进行迭代计算;
其中,l是迭代计算的次数,Al是杂波图当次更新后的数据,Al-1是杂波图前一次更新的数据,Xl是实时扫描所述感兴趣区域得到的数据,(m,n)是杂波图中的像素点坐标,(p,q)是实时扫描所述感兴趣区域得到的雷达图像中像素点的坐标,(m,n)和(p,q)在目标区域中对应同一个点的坐标,v是加权系数,v的取值基于迭代计算的次数l和目标检测的恒虚警概率值;
根据对所述初始背景数据进行配准的方位角度,对所述实时数据进行配准;
比较配准后的所述实时数据和经过迭代计算的所述杂波图数据的比值与门限值的大小,标记大于等于所述门限值的所述实时数据对应的点为目标点;
对所述目标点进行连通域处理,取连通域质心作为目标异物位置,得到所述异物检测信息。
4.根据权利要求3所述的应用于机场跑道异物检测雷达***的检测方法,其特征在于,所述对标记的点进行连通域处理,得到所述异物检测信息包括:
通过4连通域,8连通域,D连通域,Two-Pass,Seed Filling中的任意一种方法对所述标记的点进行连通域处理,得到所述异物检测信息。
5.根据权利要求1所述的应用于机场跑道异物检测雷达***的检测方法,其特征在于,所述应用于机场跑道异物检测雷达***的检测方法还包括:
根据所述异物检测信息和参考真值中的异物数量建立混淆矩阵,由所述混淆矩阵计算得到检测概率,虚警概率,漏检概率和Kappa系数。
6.根据权利要求1所述的应用于机场跑道异物检测雷达***的检测方法,其特征在于,所述对所述初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像包括:
以第一次扫描数据的方位角度为主值,通过线性插值,多项式插值或sinc插值中的任意一种算法将后续扫描得到的数据配准到与所述主值相同的角度;
在距离向上对配准后的数据进行脉冲压缩和相对幅度校正,得到所述二维雷达图像。
7.根据权利要求3所述的应用于机场跑道异物检测雷达***的检测方法,其特征在于,所述根据所述初始背景数据建立杂波图,利用所述杂波图对所述实时数据进行恒虚警检测,得到异物检测信息还包括:
标记小于所述门限值的所述实时数据对应的点为非目标点;
利用所述非目标点迭代更新所述杂波图。
8.根据权利要求3所述的应用于机场跑道异物检测雷达***的检测方法,其特征在于,根据所述公式对所述杂波图数据进行至少10次迭代计算;
其中,所述进行至少10次迭代计算对应所述v的取值范围为小于0.5。
9.一种应用于机场跑道异物检测雷达***的检测装置,其特征在于,包括:
数据获取模块,用于对不含有异物的目标区域进行连续扫描,得到初始背景数据,以及实时扫描感兴趣区域得到实时数据;
感兴趣区域获取模块,用于对所述初始背景数据进行方位角度配准和距离向脉冲压缩,得到二维雷达图像,以及利用所述目标区域边缘的非连续性特征和雷达设备在所述目标区域的布设几何关系,去除所述二维雷达图像中所述目标区域最大边缘线之外的其他边缘线,根据所述目标区域最大边缘线提取所述二维雷达图像中的所述目标区域,得到所述感兴趣区域;
异物信息获取模块,用于根据所述初始背景数据建立杂波图,利用所述杂波图对所述实时数据进行时域上的恒虚警检测,得到异物检测信息。
10.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至8中任一项所述的应用于机场跑道异物检测雷达***的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110364726.3A CN113064162B (zh) | 2021-04-02 | 2021-04-02 | 应用于机场跑道异物检测雷达***的检测方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110364726.3A CN113064162B (zh) | 2021-04-02 | 2021-04-02 | 应用于机场跑道异物检测雷达***的检测方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113064162A true CN113064162A (zh) | 2021-07-02 |
CN113064162B CN113064162B (zh) | 2023-03-14 |
Family
ID=76565960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110364726.3A Active CN113064162B (zh) | 2021-04-02 | 2021-04-02 | 应用于机场跑道异物检测雷达***的检测方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113064162B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415142A (zh) * | 2022-01-28 | 2022-04-29 | 北京海兰信数据科技股份有限公司 | 一种基于导航雷达的雨杂波识别方法及*** |
CN114578348A (zh) * | 2022-05-05 | 2022-06-03 | 深圳安德空间技术有限公司 | 一种基于深度学习的探地雷达自主式智能扫查及导航方法 |
CN116400379A (zh) * | 2023-06-08 | 2023-07-07 | 合肥国家实验室 | 单光子激光雷达三维成像***和三维成像方法 |
CN116704446A (zh) * | 2023-08-04 | 2023-09-05 | 武汉工程大学 | 机场跑道路面异物实时检测方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247045A (zh) * | 2013-04-18 | 2013-08-14 | 上海交通大学 | 一种从多视图中得到人造场景主方向及图像边缘的方法 |
CN107238821A (zh) * | 2017-05-31 | 2017-10-10 | 中国电子科技集团公司第二十九研究所 | 一种基于特征谱特征的机场跑道异物检测方法及装置 |
CN109471098A (zh) * | 2018-09-27 | 2019-03-15 | 中科宇达(北京)科技有限公司 | 利用fod雷达相位相干性信息的机场跑道异物检测方法 |
CN112215137A (zh) * | 2020-10-10 | 2021-01-12 | 中国电子科技集团公司第十四研究所 | 基于区域约束的低虚警目标检测方法 |
-
2021
- 2021-04-02 CN CN202110364726.3A patent/CN113064162B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103247045A (zh) * | 2013-04-18 | 2013-08-14 | 上海交通大学 | 一种从多视图中得到人造场景主方向及图像边缘的方法 |
CN107238821A (zh) * | 2017-05-31 | 2017-10-10 | 中国电子科技集团公司第二十九研究所 | 一种基于特征谱特征的机场跑道异物检测方法及装置 |
CN109471098A (zh) * | 2018-09-27 | 2019-03-15 | 中科宇达(北京)科技有限公司 | 利用fod雷达相位相干性信息的机场跑道异物检测方法 |
CN112215137A (zh) * | 2020-10-10 | 2021-01-12 | 中国电子科技集团公司第十四研究所 | 基于区域约束的低虚警目标检测方法 |
Non-Patent Citations (1)
Title |
---|
吴静等: "非高斯背景下跑道异物监测雷达的杂波图CFAR技术", 《现代雷达》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415142A (zh) * | 2022-01-28 | 2022-04-29 | 北京海兰信数据科技股份有限公司 | 一种基于导航雷达的雨杂波识别方法及*** |
CN114578348A (zh) * | 2022-05-05 | 2022-06-03 | 深圳安德空间技术有限公司 | 一种基于深度学习的探地雷达自主式智能扫查及导航方法 |
CN116400379A (zh) * | 2023-06-08 | 2023-07-07 | 合肥国家实验室 | 单光子激光雷达三维成像***和三维成像方法 |
CN116400379B (zh) * | 2023-06-08 | 2023-09-12 | 合肥国家实验室 | 单光子激光雷达三维成像***和三维成像方法 |
CN116704446A (zh) * | 2023-08-04 | 2023-09-05 | 武汉工程大学 | 机场跑道路面异物实时检测方法及*** |
CN116704446B (zh) * | 2023-08-04 | 2023-10-24 | 武汉工程大学 | 机场跑道路面异物实时检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113064162B (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113064162B (zh) | 应用于机场跑道异物检测雷达***的检测方法、装置 | |
CN109583293B (zh) | 星载sar图像中的飞机目标检测与鉴别方法 | |
CN107154040B (zh) | 一种隧道衬砌表面图像裂缝检测方法 | |
WO2021143778A1 (zh) | 一种基于激光雷达的定位方法 | |
CN106910177B (zh) | 一种局域图像指标最优化的多角度sar图像融合方法 | |
Sohn et al. | Extraction of buildings from high resolution satellite data | |
Zhao et al. | Building detection from urban SAR image using building characteristics and contextual information | |
Sun et al. | Large-scale building height retrieval from single SAR imagery based on bounding box regression networks | |
CN105096315B (zh) | 基于Gamma分布的异质超像素SAR图像分割方法 | |
Wang et al. | Recognition of roads and bridges in SAR images | |
Silva et al. | Computer-based identification and tracking of Antarctic icebergs in SAR images | |
Geiss et al. | Inpainting radar missing data regions with deep learning | |
CN113570632B (zh) | 基于高时相星载sar序贯图像的运动小目标检测方法 | |
Liang et al. | Research on airport runway FOD detection algorithm based on texture segmentation | |
Li et al. | Building detection in sar images based on bi-dimensional empirical mode decomposition algorithm | |
CN109063564B (zh) | 一种目标变化检测方法 | |
CN107729903A (zh) | 基于区域概率统计和显著性分析的sar图像目标检测方法 | |
CN115407282B (zh) | 一种短基线下基于干涉相位的sar有源欺骗干扰检测方法 | |
Yi-Bo et al. | A survey on feature extraction of SAR images | |
CN106897985B (zh) | 一种基于可见度分类的多角度sar图像融合方法 | |
Kurekin et al. | Use of Sentinel-l and Sentinel-2 for monitoring illegal fishing off Ghana | |
CN113343819B (zh) | 一种高效的无人机载sar图像目标分割方法 | |
Cao et al. | Detecting the number of buildings in a single high-resolution SAR image | |
Wu | Two-parameter CFAR ship detection algorithm based on Rayleigh distribution in SAR images | |
CN115131555A (zh) | 基于超像素分割的叠掩阴影检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |