一种基于激光点云的航空器推出避撞方法及系统与流程

1.本发明涉及民航机场运行安全控制领域，特别是涉及一种基于激光点云的航空器推出避撞方法及系统。


背景技术：

2.在机场，航空器不能自行从停机位推出，需要由牵引车将其推出。停机位之间空间较小，加上航空器机型尺寸较大，使得推出过程中航空器通道狭窄，且牵引车视线被航空器遮挡，看不到推出航空器附近的情况。因此在机坪上增加了专门的观察人员和指挥人员判断航空器推出过程中是否会发生碰撞。
3.上述依赖人工判断的方式主要存在以下问题：1)当前大部分机场特别是繁忙机场航班起降量较大，必须在全天候各种气象条件下正常运行，因此需要推出航空器的情况比较多，对人工的需求量大；2)人工判断是否会发生碰撞的方式，受观察人员和指挥人员能力经验等因素制约，导致碰撞事故时有发生；同时机坪区域上大量的活动的航空器、车辆，也给在机坪上工作的观察人员和指挥人员在带来了安全隐患。


技术实现要素：

4.本发明目的在于，提供一种基于激光点云的航空器推出避撞方法及系统，以基于激光点云实现对航空器是否会发生碰撞的自动预判，解决现有依赖人工判断航空器推出过程中是否会发生碰撞的方法存在的安全性问题。
5.根据本发明的第一方面，提供了一种基于激光点云的航空器推出避撞方法，包括以下步骤：
6.s100，获取当前时刻目标区域的激光点云a。
7.s200，对a进行过滤处理，得到a中非地面激光点云a’。
8.s300，根据a’中任意两非地面激光点之间的距离对a’进行聚类，得到{a
’1，a
’2，
…
，a’q
}，a’q
为聚类得到的第q个类别，q的取值范围为1到q，q为聚类得到的类别数量。
9.s400，遍历{a
’1，a
’2，
…
，a’q
}，如果{a
’1，a
’2，
…
，a’q
}中存在运动航空器对应的类别，则获取{c1，c2，
…
，c
p
}，并进入s500；c1为目标区域中的第1个运动航空器，c2为目标区域中的第2个运动航空器，c
p
为目标区域中的第p个运动航空器，p为目标区域中运动航空器的数量。
10.s500，如果当前时刻{c1，c2，
…
，c
p
}中存在运动航空器cq的运动方向与机鼻朝向不同，则进入s600。
11.s600，根据当前时刻和历史时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标、机鼻朝向和机型尺寸信息预测下一时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标和机鼻朝向。
12.s700，根据{c1，c2，
…
，c
p
}的机型尺寸信息、下一时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标和机鼻朝向获取下一时刻{c1，c2，
…
，c
p
}的三维包围框。
13.s800，如果下一时刻cq的三维包围框和下一时刻{c1，c2，
…
，c
p
}中除cq以外的其他
运动航空器的三维包围框的距离小于设定距离阈值，或者下一时刻cq的三维包围框和{a
’1，a
’2，
…
，a’q
}中除{c1，c2，
…
，c
p
}对应的类别以外的其他类别中点的距离小于设定距离阈值，则进行预警。
14.本发明与现有技术相比具有明显的有益效果，借由上述技术方案，本发明提供的基于激光点云的航空器推出避撞方法及系统可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有以下有益效果：
15.本发明基于目标区域的激光点云识别了目标区域中正在推出的航空器，并对目标区域中正在推出和自主运动的航空器的下一时刻的机鼻的最前端位置和机鼻朝向进行了预测，基于预测的下一时刻的机鼻的最前端位置和机鼻朝向构建了下一时刻正在推出和自主运动的航空器的三维包围框，并在推出航空器三维包围框与自主运动航空器三维包围框的距离小于设定距离阈值或者推出航空器三维包围框和非运动航空器类别中激光点的距离小于设定距离阈值时进行预警。本发明实现了对航空器是否会发生碰撞的自动预判，本发明无需在推出航空器时在机坪添加观察人员和指挥人员来防止碰撞，进而避免给上述人员带来安全隐患，提高推出航空器过程的安全性。
附图说明
16.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明实施例提供的基于激光点云的航空器推出避撞方法的流程图；
18.图2为本发明实施例提供的基于激光点云的航空器推出避撞系统的结构示意图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.根据本发明的第一方面，提供了一种基于激光点云的航空器推出避撞方法，如图1所示，包括以下步骤：
21.s100，获取当前时刻目标区域的激光点云a。
22.根据本发明，a＝{(x1,y1,z1)，(x2,y2,z2)，
…
，(xn,yn,zn)}，(xn,yn,zn)为a中第n个激光点的坐标，xn、yn和zn分别为a中第n个激光点的x轴坐标、y轴坐标和z轴坐标，n的取值范围为1到n，n为a中激光点的数量。
23.可以理解的是，可以在机场中增设激光雷达来获取目标区域的激光点云。本领域技术人员知悉，现有技术中任何利用激光雷达获取激光点云的方法均落入本发明的保护范围。
24.s200，对a进行过滤处理，得到a中非地面激光点云a’。
25.根据本发明，a’＝{(x
’1,y
’1,z
’1)，(x
’2,y
’2,z
’2)，
…
，(x’m
,y’m
,z’m
)}，(x’m
,y’m
,
z’m
)为a’中第m个非地面激光点的坐标，x’m
、y’m
和z’m
分别为a’中第m个非地面激光点的x轴坐标、y轴坐标和z轴坐标，m的取值范围为1到m，m为a’中非地面激光点的数量。
26.可选的，利用随机采样一致性算法(ransac)作为鲁棒估计方法，分割出a中的平面模型并进行滤除，得到a中的非地面激光点云a’。本领域技术人员知悉，现有技术中任何过滤地面激光点云的方法均落入本发明的保护范围。
27.s300，根据a’中任意两非地面激光点之间的距离对a’进行聚类，得到{a
’1，a
’2，
…
，a’q
}，a’q
为聚类得到的第q个类别，q的取值范围为1到q，q为聚类得到的类别数量。
28.可选的，利用欧式聚类算法对a’进行聚类。欧式聚类的过程为现有技术，此处不再赘述。本领域技术人员知悉，现有技术中任何聚类算法均落入本发明的保护范围。
29.应当理解的是，{a
’1，a
’2，
…
，a’q
}中不同类别代表的是不同物体，如航空器、车辆、或人员等。
30.s400，遍历{a
’1，a
’2，
…
，a’q
}，如果{a
’1，a
’2，
…
，a’q
}中存在运动航空器对应的类别，则获取{c1，c2，
…
，c
p
}，并进入s500；c1为目标区域中的第1个运动航空器，c2为目标区域中的第2个运动航空器，c
p
为目标区域中的第p个运动航空器，p为目标区域中运动航空器的数量。
31.应当理解的是，如果遍历{a
’1，a
’2，
…
，a’q
}完成后，{a
’1，a
’2，
…
，a’q
}中不存在运动航空器对应的类别，那么不再继续执行以下步骤。
32.可选的，通过将a
’1与预先构建的模型进行匹配的方式判断a
’1是否为航空器对应的类别。作为一个具体实施方式，可预先构建航空器的点云模型m的shot特征描述子，计算a
’1的shot特征描述子，初步估计a
’1与述m之间特征描述的对应点对，利用霍夫投票的方法在a
’1中查找模型m对应的实例i。如果找不到实例则认为a
’1不是航空器对应的类别，如果能找到实例则认为a
’1是航空器对应的类别，并可得到实例i相对模型m的变换矩阵，并利用模型m中机鼻最前点的初始位置和机鼻朝向，计算得到实例i中机鼻最前点的初始位置和机鼻朝向。判断{a
’2，
…
，a’q
}中任一类别是否为航空器对应的类别的方法可参照判断a
’1是否为航空器对应的类别的方法。
33.可选的，如果a
’1为航空器对应的类别，那么判定a
’1对应的航空器c
’1是否在运动的方法包括：
34.s410，获取c
’1的机鼻的最前端的当前时刻坐标(x
t
,y
t
)和之前n次的历史坐标(x
t-1
,y
t-1
)、(x
t-2
,y
t-2
)、
…
、(x
t-n
,y
t-n
)，其中，x
t
、x
t-1
、x
t-2
和x
t-n
分别为当前时刻t、第一个历史时刻t-1、第二个历史时刻t-2和第n个历史时刻t-n的c
’1的机鼻的最前端的x轴坐标，y
t
、y
t-1
、y
t-2
和y
t-n
分别为当前时刻t、第一个历史时刻t-1、第二个历史时刻t-2和第n个历史时刻t-n的c
’1的机鼻的最前端的y轴坐标。
35.需要说明的是，航迹数据库里保存的往往并不是各航空器的完整的历史激光点云数据(数据量太大)，而是保存的是各航空器的历史时刻的机鼻最前端的坐标、机鼻方向和运动速度信息。因此，本发明根据当前时刻和上一时刻机鼻的最前端的坐标来判断航空器是否在运动。由于航空器在地面上运动时机鼻高度不变，即对应的z轴坐标不变，因此本发明此处只考虑x轴和y轴坐标。
36.s420，如果对于n＝0,1,
…
,n-1，均满足
则判定c
’1未运动；否则，判定c
’1在运动；x
t-0
＝x
t
，y
t-0
＝y
t
，δ为预设距离阈值。
37.根据本发明，如果{a
’2，
…
，a’q
}中某一类别为航空器对应的类别，那么判定该类别对应的航空器是否在运动的方法可参照上述判断c
’1是否在运动的方法。本领域技术人员知悉，现有技术中任何识别激光点云中特定物体的方法和判断物体是否在运动的方法均落入本发明的保护范围。
38.s500，如果当前时刻{c1，c2，
…
，c
p
}中存在运动航空器cq的运动方向与机鼻朝向不同，则进入s600。
39.根据本发明，如果某航空器的运动方向与机鼻朝向不同，该航空器为正在推出的航空器；如果某航空器的运动方向与机鼻朝向相同，该航空器为自主运动航空器。本发明的目的在于解决航空器推出过程中的碰撞问题，因此，本发明在判定当前时刻{c1，c2，
…
，c
p
}中存在运动航空器cq后才进行接下来的轨迹预测和碰撞前预警的步骤。
40.可选的，机鼻朝向的获取方法包括：在上述判断某类别是否为航空器对应的类别时，当识别到模型m实例i时，将得到一个实例i相对模型m的旋转平移矩阵。基于模型m中已知的机鼻朝向，便可计算得到实例i中的机鼻朝向。本领域技术人员知悉，现有技术中任何基于航空器的点云确定机鼻朝向的方法均落入本发明的保护范围。
41.s600，根据当前时刻和历史时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标、机鼻朝向和机型尺寸信息预测下一时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标和机鼻朝向。
42.本领域技术人员知悉，现有技术中任何对推出过程中航空器进行轨迹预测的方法均落入本发明的保护范围。作为现有的一种实施例，上述根据当前时刻和历史时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标、机鼻朝向和机型尺寸信息预测下一时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标和机鼻朝向，包括：
43.对于{c1，c2，
…
，c
p
}中除cq以外的任一运动航空器，及对于任一自主运动的航空器：从航迹数据库中获取其前n次的机鼻的最前端的历史坐标，根据所述历史坐标、当前时刻的机鼻的最前端的坐标和机鼻朝向，使用卡尔曼滤波算法，预测下一时刻的机鼻的最前端的坐标和机鼻朝向。
44.对于cq，即对于正在推出的航空器，预测下一时刻cq的机鼻的最前端的坐标和机鼻朝向的方法包括以下步骤：
45.s610，根据当前时刻cq的机鼻的最前端的坐标、机鼻朝向以及机型尺寸信息获取当前时刻的前轮中心点位置p
ng
(t)，保存到航迹数据库中；根据从航迹数据库获取的cq的前n次的前轮中心点位置{p
ng
(t-1)，p
ng
(t-2)，
…
，p
ng
(t-n)}，预测下一时刻前轮中心点位置p
ng
(t+1)和前轮中心点的运动方向hdg
ng
(t+1)；获取当前时刻cq的前轮中心点的运动方向hdg
ng
(t)。
46.应当理解的是，机鼻朝向确定以后，cq的前轮中心点及主轮中心点与机鼻的最前端之间的相对位置关系是由机型尺寸信息确定的，因此，可以根据当前时刻cq的机鼻的最前端的坐标获取当前时刻cq的前轮中心点的坐标。根据航迹数据库中保存的前轮中心点的历史位置可使用卡尔曼滤波算法，计算出当前时刻的运动方向并预测下一时刻的位置和运动方向。
47.s620，根据p
ng
(t)、p
ng
(t+1)、hdg
ng
(t)和hdg
ng
(t+1)获取前轮所做圆周运动的半径r
ng
；根据机型尺寸信息获取前轮与主轮中心点p
mg
之间的距离l
wb
；根据r
ng
和l
wb
获取p
mg
的运动半径r
crit
，并结合hdg
ng
(t+1)-hdg
ng
(t)选择匹配的轨迹模型。
48.本领域技术人员知悉，推出航空器的过程中，航空器一般为曲线后退运动，相邻两帧激光点云之间的时间间隔较小，同时后推过程的速度也较慢，应用运动力学模型可以对航空器的运动轨迹进行预测。具体的，对于前轮每段距离较小的运动，可将其视为前轮中心点的圆周运动的一部分，从而根据其两个时刻的位置和运动方向，计算前轮所做圆周运动的半径；可根据相应值计算选择现有三种轨迹模型中的一种。
49.s630，获取hdg
ng
(t)和当前时刻机鼻朝向间的夹角γ
t
，根据匹配的轨迹模型获取当前时刻前轮中心点的初始角度和最终角度并预测hdg
ng
(t+1)和下一时刻机鼻朝向间的夹角γ
t+1
；根据hdg
ng
(t+1)和γ
t+1
预测下一时刻机鼻朝向。
50.需要说明的是，s610-s630中相关参数的获取和预测过程为现有技术，此处不再赘述。
51.s700，根据{c1，c2，
…
，c
p
}的机型尺寸信息、下一时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标和机鼻朝向获取下一时刻{c1，c2，
…
，c
p
}的三维包围框。
52.根据本发明，{c1，c2，
…
，c
p
}的尺寸信息为{c1，c2，
…
，c
p
}的长、宽和高，cq的尺寸信息可从预先构建的机型信息数据库中获得，{c1，c2，
…
，c
p
}中除cq以外的尺寸信息可根据对应点云中各坐标轴的最大值与最小值的差值及机鼻方向计算得到。
53.根据本发明，如果预测得到的下一时刻的cq的机鼻的最前端的x轴坐标为x0，预测得到的下一时刻的cq的机鼻的最前端的y轴坐标为y0，地面高度为z0，下一时刻的cq的机鼻朝向与x轴夹角为θ，航空器的长为l，宽为w，高为h，则下一时刻cq的三维包围框的八个顶点的坐标分别为：的坐标分别为：的坐标分别为：的坐标分别为：和
54.s800，如果下一时刻cq的三维包围框和下一时刻{c1，c2，
…
，c
p
}中除cq以外的其他运动航空器的三维包围框的距离小于设定距离阈值，或者下一时刻cq的三维包围框和{a
’1，a
’2，
…
，a’q
}中除{c1，c2，
…
，c
p
}对应的类别以外的其他类别中激光点的距离小于设定距离阈值，则进行预警。
55.应当理解的是，通过判断下一时刻{c1，c2，
…
，c
p
}中除cq以外的其他运动航空器的三维包围框的顶点是否在下一时刻cq的三维包围框，判断下一时刻cq的三维包围框和下一时刻{c1，c2，
…
，c
p
}中除cq以外的其他运动航空器的三维包围框是否相交，如果相交，判定小于预设距离阈值，反之，判定不小于预设距离阈值；通过计算{a
’1，a
’2，
…
，a’q
}中除{c1，c2，
…
，c
p
}对应的类别以外的其他类别中激光点到下一时刻cq的三维包围框各面距离的最小值，判断该最小值是否小于设定距离阈值。
56.可选的，通过播放告警声音和显示潜在碰撞位置的方式进行预警。
57.本发明实现了对航空器是否会发生碰撞的自动预判，本发明无需在推出航空器时在机坪添加观察人员和指挥人员来防止碰撞，进而避免给上述人员带来安全隐患，提高推出航空器过程的安全性。
58.根据本发明的第二方面，提供了一种基于激光点云的航空器推出避撞系统，如图2所示，包括激光点云处理模块、航空器轨迹预测模块、潜在冲突检测模块和告警显示模块，所述点云数据处理模块的输出连接航空器轨迹预测模块和潜在冲突检测模块的输入，所述航空器轨迹预测模块的输出也连接潜在冲突检测模块的输入，所述潜在冲突检测模块的输出连接告警显示模块的输入，其中：
59.所述激光点云处理模块用于：获取当前时刻目标区域的激光点云a；对a进行过滤处理，得到a中非地面激光点云a’；根据任意两非地面激光点之间的距离对a’进行聚类，得到{a
’1，a
’2，
…
，a’q
}，a’q
为聚类得到的第q个类别，q的取值范围为1到q，q为聚类得到的类别数量；遍历{a
’1，a
’2，
…
，a’q
}，如果{a
’1，a
’2，
…
，a’q
}中存在运动航空器对应的类别，则获取{c1，c2，
…
，c
p
}，并判断当前时刻{c1，c2，
…
，c
p
}中是否存在运动方向与机鼻朝向不同的运动航空器cq；c1为目标区域中的第1个运动航空器，c2为目标区域中的第2个运动航空器，c
p
为目标区域中的第p个运动航空器，p为目标区域中运动航空器的数量。
60.所述航空器轨迹预测模块用于：根据当前时刻和历史时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标、机鼻朝向和机型尺寸信息预测下一时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标和机鼻朝向。
61.所述潜在冲突检测模块用于：根据{c1，c2，
…
，c
p
}的机型尺寸信息、下一时刻{c1，c2，
…
，c
p
}的机鼻的最前端的坐标和机鼻朝向获取下一时刻{c1，c2，
…
，c
p
}的三维包围框；如果下一时刻cq的三维包围框和下一时刻{c1，c2，
…
，c
p
}中除cq以外的其他运动航空器的三维包围框的距离小于设定距离阈值，或者下一时刻cq的三维包围框和{a
’1，a
’2，
…
，a’q
}中除{c1，c2，
…
，c
p
}对应的类别以外的其他类别中点的距离小于设定距离阈值，则判定检测到潜在冲突。
62.所述告警显示模块用于：在检测到潜在冲突时进行预警。
63.优选的，所述告警显示模块还用于：显示激光点云a以及在报警时对潜在冲突相关的航空器进行突出显示。
64.虽然已经通过示例对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明的范围由所附权利要求来限定。