一种使用结构光的移动式道面检测装置及方法
【技术领域】
[0001] 本发明涉及主动三维检测和图像识别领域，尤其是涉及一种使用结构光的移动式 道面检测装置及方法。
【背景技术】
[0002] 机场跑道的道面情况对航班起降安全有直接影响。跑道必须保持平整、洁净，而跑 道破损和入侵异物对起降航班的安全构成了严重威胁。跑道破损指由老化、外力等多种原 因造成的跑道风化、开裂、破碎、石块脱落等问题。入侵异物指可能损伤航空器的某种外来 的物质、碎肩或物体，如金属零件、防水塑料布、碎石块、报纸、瓶子、行李牌等。
[0003] 为保障航班起降安全，对跑道道面状况应保持检测，及时发现道面破损和入侵异 物问题。然而在大型机场实际运行中，难以频繁关闭跑道进行检查。而长时间不对跑道进 行检查，增加了跑道入侵异物引发事故的风险。从保障飞行器安全运行的角度出发，大型机 场需要自动化检测设备，保持对跑道道面状况的频繁检测。
[0004] 现有道面检测技术大致可以分成雷达、激光、图像检测三类。本发明与激光检测的 相似点在于均使用了激光设备，但差别是很明显的。激光检测中，激光作为测量手段，生成 点云三维图像，从而进行检测。而本发明使用激光仅作为结构光的投射光源，所需的能量 低、安全性好，且设备复杂度低、成本低。本发明与图像检测更为相似，均从相机拍摄的2D 图像中进行检测。然而，普通的图像检测使用的光源仅为照明光源，无特殊结构图案，依靠 道面上外观的变化进行判断；本发明使用的光源无需照亮整个被拍摄区域，而是在被拍摄 区域上投射已知结构光，通过识别道面投射结构光的形变，计算道面平整度，判断是否存在 入侵物，从而实现道面检测。横向比较道面检测技术，本发明提出的装置成本远低于雷达和 激光，又解决了图像检测中光源需求和检测算法准确率等技术瓶颈的限制，大幅提高了检 测能力与机场适用性。
【发明内容】
[0005] 本发明所要解决的技术问题：针对现有技术存在的问题，提供一种使用结构光对 检测进行辅助，依靠二维图像识别技术，对三维空间中的物体进行检测和识别的装置及方 法，本发明通过汽车搭载检测单元及控制处理单元，在检测过程中，结构光产生器向道面待 检测区域投射已知的结构光图案；同时相机拍摄结构光覆盖的道面，控制处理单元通过提 取投射到道面检测区域的结构光图案，计算结构光图案的非线性与不连续性从而判定出道 面是否存在平整度或入侵物问题，从而实现整个检测区域的准确检测。
[0006] 本发明采用的技术方案如下：
[0007] -种使用结构光的移动式道面检测装置，其特征在于包括：
[0008] 汽车搭载至少一组检测单元以及一个控制处理单元，每组探测单元包含一个投射 结构光图案的结构光产生器和至少一个相机；所述结构光图案为相交于一点的多条直线， 将结构光图案中直线交点投射向地平线上无穷远处，使得投射在道面待检测区域的图案为 平行线；所述结构光图案的投射区域能覆盖本组所有相机的视野；
[0009] 检测单元用于对道面待检测区域进行移动式检测，当检测单元中的相机连续以F 帧每秒的频率进行拍照，汽车沿道路方向以不超过V米/秒的速度匀速行驶，通过一次或多 次从待检测道路的一端驶向另一端，完成道面待检测区的全覆盖检测；其中所述检测单元 包含一个产生结构光图案的结构光产生器和至少一个相机；V与F满足V=HXF;其中H为 在道面监测区域纵向上，所有相机拍照区域长度的最小值；
[0010] 检测单元工作时，控制处理单元控制结构光产生器和相机进行工作；然后控制处 理单元接收相机实时拍摄的图像，根据模板参数对相机实时拍摄的道面待监测区域的像素 坐标进行处理，判断道面待检测区域是否有入侵物和或判断道面的平整度是否达到要求， 对发现的异常状况进行报警；其中所述模板参数是检测单元校正时，即在道面监测区域检 测过程中结构光图案投射到正常道面监测区域上，形成多条平行线，各个相机中对所述多 条平行线成像后多次统计计算的直线参数。
[0011] 进一步的，所述模板参数形成过程包括：
[0012] 步骤11 :汽车以不超过V米/秒的速度匀速行驶不少于500米，相机采集正常道 面监测区域上的图像；然后删除包含道面问题或入侵异物的彩色图像，控制处理单元保存 在正常道面区域拍摄的全部图像；
[0013] 步骤12 :控制处理单元对一个相机拍摄的每一张图像进行处理，具体过程是：首 先将彩色图像转变成灰度图，然后将灰度图用阈值Tl变成0-1图，即灰度图像中像素值高 于或等于阈值Tl的像素设值为1，像素值低于阈值Tl的像素设值为0 ;T1取值在结构光图 案成像亮度最低强度值的50%到95%之间；
[0014] 步骤13 :模板图像的计算，具体过程是：对所有图像的0-1图做像素级逻辑或操 作，生成模板图像，即只有在任意一张0-1图图像中的a行b列像素值为1，模板图像的a行 b列的像素值为1，如果在所有0-1图图像中a行b列像素值均为0,模板图像的a行b列 的像素值为〇 ;其中模板图像中的"1"代表系统工作中该像素可能被结构光照射，即亮条纹 处；代表该像素不应该被结构光照射，即暗条纹处。
[0015] 步骤14 :模板图像中直线参数的计算，具体过程是：令模板图像中所有像素值为1 的N1个像素坐标集合为e=丨(X1,.V1),(I2J2),...，(& ）丨，对集合C中的所有点使用Hough变 换进行直线检测，得到N2条直线的极坐标体系下参数…，即模板图 像中直线极坐标体系下参数；其中r为结构光图案成像后直线到原点的距离，0为结构光 图案成像后直线的旋转角度，N2为结构光图案投射到道面监测区域，同时相机监视区域的 直线数量；所述原点指的是图像坐标系原点；
[0016] 步骤15 :将集合C中的点（Xi,y;)按照公式Di .j=IX{os0 ^yiSin0.「rjI分别计 算到达队条直线的距离；然后按照Di,，将集合C中的点（Xl，yi)划分入距离最近的直线j对 应的子集Cj;对集合C中的所有点重复以上操作，最终将集合C分成N2个子集GivC23…C馬， 第j个子集包含第j条直线上的全部的点；子集C,的接受阈值T,为集合C,中的点到直线j 的最大距离巧=mfx(D;. ;其中，1彡i彡N1,1彡j彡N2,（Xl，yi)GCj表示第j条直线上 的点；
[0017] 步骤16 :对每一部相机重复步骤12到步骤15的操作，对每一部相机生成一张模 板图像，得到模板图像中每条直线队的参数表达式彻，电:(?為:),..4?,?)}和接受阈值Tj，即得到模板参数丨('W卜汰)，…力AJ丨与Tjd彡j彡N2)。
[0018] 进一步的，所述检测单元工作时，控制处理单元控制结构光产生器和相机进行工 作；然后控制处理单元接收相机实时拍摄的图像，对道面待检测区域的图像进行处理，将拍 摄图像中提取的结构光像素坐标与模板参数作对比，判断道面待检测区域是否有入侵物和 或判断道面的平整度是否达到要求，对发现的异常状况进行报警具体步骤包括：
[0019] 步骤21 :将彩色图像转变成灰度图，并将强度值高于判定阈值Tl的乂个像素的坐 标收入集合^8 =丨(七，3;1)，(七，>'4-，(4/,，_^/,)};1'1取值在结构光图案成像亮度最低强度值的 50%到95%之间；
[0020] 步骤22 :根据权利要求2,得到图案参数的结构光图案直线参数表达式 如，6〇，(/_:4)?.…A:)!'以及对应直线的接受阈值Tj，丨<jSN2;其中r结构光图案成像 后直线到原点的距离，0为结构光图案成像后直线的旋转角度，队为结构光图案投射入相 机视野的直线数量；所述原点指的是图像坐标系原点；
[0021] 步骤23 :根据步21，若集合B中点（xk，yk)到任意直线的距离均大于该直线接受阈 值1的2倍，即IXkcos0 ^ykSin0 ^rjIUTj,则忽略该点；否则，根据步骤22中得到图案参 数中的结构光图案直线参数表达式_丨<^私(〃24)，....(/\:，气）丨，将集合8中点"7 15)按距 离最小原则划分入对应直线的子集，共分成队个子集…，其中，第j个子集包 含第j条直线上的全部的点；1彡k彡M1, 1彡j彡N2;(备注：B与Bj不同，B为所有亮点 坐标，Bj为属于第j条直线的亮点坐标，亮点指高于Tl的像素）；
[0022] 步骤24 :根据步骤23，将集合B中的点（xk，yk)按照序列值Vjk =-xksin9 _j+ykcos0 的大小排序，然后从头到尾依次计算排序中相邻两个点的序列值相 差的绝对值|vMl+1)-Vkl|，如果 vk(i+l)_vki>T2,则道面平整度有问题或者道面上存在入侵 物，发出报警，并提供将存在入侵物或者平整度有问题的道面区域坐标，其中T2为2倍到10 倍T];
[0023] 步骤25 :对所有拍摄的图像重复步骤21到步骤24,完成所有彩色图像中入侵物检 测和判断道面的平整度是否达到要求，对发现的异常状况进行报警，并提供所有存在入侵 物或者平整度有问题的道面区域坐标。
[0024] 进一步的，所述当所述检测单元只有一组时，所述检测单元放置于汽车头部、尾部 或者一侧；当所述检测单元为多组时，检测单元同时放置在汽车头部和汽车侧面，或者汽车 尾部和汽车侧面。
[0025] 进一步的，所述相机和结构光产生器与其检测区域内任意一点连线的夹角应大于 5度。
[0026] 一种使用结构光的移动式道面检测方法包括：
[0027] 步骤1 :汽车搭载至少一组检测单元