劉曉琳 李卓

摘? 要： 針對(duì)機(jī)場(chǎng)跑道膠痕識(shí)別過程中出現(xiàn)的殘留狀態(tài)不易檢測(cè)的問題，設(shè)計(jì)了一套具有機(jī)器視覺功能的膠痕自動(dòng)識(shí)別系統(tǒng)的硬件平臺(tái)和軟件平臺(tái)。根據(jù)機(jī)場(chǎng)跑道識(shí)別區(qū)的區(qū)域特征和顏色特征，提出基于RGB顏色空間的圖像識(shí)別算法，不僅為膠痕的殘留狀態(tài)提供了識(shí)別方法，而且克服了機(jī)場(chǎng)跑道環(huán)境的條件限制。實(shí)物測(cè)試結(jié)果表明：該系統(tǒng)對(duì)于機(jī)場(chǎng)跑道的重度膠痕區(qū)域、輕度膠痕區(qū)域、無膠痕區(qū)域和異物具有較好的識(shí)別能力，完全能夠達(dá)到膠痕識(shí)別性能指標(biāo)的要求，具有較高的工程實(shí)踐價(jià)值。

關(guān)鍵詞： 機(jī)場(chǎng)跑道; 膠痕識(shí)別; RGB顏色空間; 機(jī)器視覺; 特征提取; 圖像識(shí)別

中圖分類號(hào)： TN830.1?34; TP391.4? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）14?0004?04

Airport runway rubber?mark automatic identification system based on RGB color space

LIU Xiaolin， LI Zhuo

（College of Electric Information and Automation， Civil Aviation University of China， Tianjin 300300， China）

Abstract： In allusion to the problem that the residual state arising in the identification process of rubber?mark on the airport runway is hard to detect， the hardware platform and software platform of the rubber?mark automatic identification system with the machine vision function are designed. An image recognition algorithm based on RGB color space is proposed according to the regional features and color features in an identification area on the airport runway. It not only provides an identification method for the residual state， but also overcomes the conditional restrictions of the airport runway environment. The physical testing results show that the system has excellent recognition ability for the heavy rubber?mark area， light rubber?mark area， area without any rubber?mark and foreign matters on the airport runway， fully meets the requirements of the rubber?mark recognition performance index， and has higher engineering practical value.

Keywords： airport runway; rubber mark; RGB color space; machine vision; feature extraction; image identification

0? 引? 言

隨著民航運(yùn)輸業(yè)的快速發(fā)展，機(jī)場(chǎng)跑道上飛機(jī)起降變得日益密集，使得跑道著陸區(qū)路面上附著的黑色膠痕逐漸增厚。這些黑色膠痕會(huì)降低飛機(jī)輪胎與跑道之間的摩擦系數(shù)，從而嚴(yán)重影響飛機(jī)起降安全[1]。為此，國(guó)內(nèi)外部分大型機(jī)場(chǎng)使用高壓清洗機(jī)、地面銑刨機(jī)、移動(dòng)式拋丸機(jī)等[2]特種設(shè)備進(jìn)行機(jī)場(chǎng)跑道除膠。這類設(shè)備需要工作人員先用肉眼找到跑道上的膠痕，再利用高壓水沖洗、機(jī)械刷打磨、化學(xué)藥劑清洗等方法對(duì)膠痕進(jìn)行清除[3]。由于上述除膠方法受到人力因素限制，不僅影響了機(jī)場(chǎng)跑道除膠的工作效率，而且與當(dāng)前特種設(shè)備無人化、智能化等高新技術(shù)[4?5]的發(fā)展方向不符，因此有必要利用當(dāng)前的先進(jìn)技術(shù)，尋找一種自動(dòng)化程度高、工作效率高的膠痕識(shí)別方法。

本文根據(jù)機(jī)場(chǎng)跑道識(shí)別區(qū)圖像的顏色特征，采用基于RGB顏色空間的膠痕識(shí)別算法，利用單片機(jī)和攝像頭等硬件設(shè)備設(shè)計(jì)了一套具有機(jī)器視覺功能的膠痕自動(dòng)識(shí)別系統(tǒng)，并通過實(shí)驗(yàn)研究驗(yàn)證自動(dòng)識(shí)別算法的可行性和有效性。

1? 機(jī)場(chǎng)跑道膠痕自動(dòng)識(shí)別系統(tǒng)方案設(shè)計(jì)

1.1? 系統(tǒng)硬件設(shè)計(jì)

機(jī)場(chǎng)跑道膠痕自動(dòng)識(shí)別系統(tǒng)的硬件結(jié)構(gòu)分為上位機(jī)和下位機(jī)兩部分，如圖1所示。上位機(jī)是一臺(tái)自帶無線網(wǎng)卡的PC機(jī)。下位機(jī)由單片機(jī)、OV7670攝像頭、WiFi模塊、蜂鳴器、LCD顯示屏等組成。在主函數(shù)的運(yùn)行管理下，自動(dòng)識(shí)別系統(tǒng)完成對(duì)系統(tǒng)硬件電路的控制，通過下位機(jī)與上位機(jī)的通信，完成跑道膠痕圖像信息的獲取，圖像數(shù)據(jù)的處理、傳輸及識(shí)別等工作。

其中，單片機(jī)是自動(dòng)識(shí)別系統(tǒng)的控制核心;圖像采集模塊用于采集跑道膠痕圖像;LCD顯示屏用于實(shí)時(shí)顯示圖像識(shí)別結(jié)果;蜂鳴器用于語音提示當(dāng)前所采集膠痕的識(shí)別結(jié)果。自動(dòng)識(shí)別系統(tǒng)中上位機(jī)與下位機(jī)通過WiFi模塊和無線網(wǎng)卡之間的IEEE 802.11n協(xié)議進(jìn)行通信。

1.2? 系統(tǒng)軟件設(shè)計(jì)

機(jī)場(chǎng)跑道膠痕自動(dòng)識(shí)別系統(tǒng)的軟件流程如圖2所示，其工作過程描述如下。

首先，自動(dòng)識(shí)別系統(tǒng)上位機(jī)和下位機(jī)進(jìn)行初始化設(shè)置。然后，上位機(jī)通過無線通信向下位機(jī)發(fā)送啟動(dòng)指令，之后下位機(jī)調(diào)用圖像采集子函數(shù)和異物判別子函數(shù)運(yùn)行。下位機(jī)根據(jù)攝像頭采集到的圖像，判斷圖像中是否存在顏色鮮明的異物。若被檢測(cè)區(qū)域存在除膠痕以外的顏色鮮明的異物時(shí)，則將圖像發(fā)送回上位機(jī)，進(jìn)行圖像恢復(fù)，并由工作人員選擇是否使用除膠車進(jìn)行處理;若被檢測(cè)區(qū)域不存在除膠痕以外的異物時(shí)，則下位機(jī)進(jìn)行膠痕識(shí)別。最后，下位機(jī)根據(jù)膠痕識(shí)別結(jié)果進(jìn)行判斷，若被檢測(cè)區(qū)域存在重度膠痕，則啟動(dòng)除膠程序;若被檢測(cè)區(qū)域存在輕度膠痕，則不需要進(jìn)行除膠。

2? 機(jī)場(chǎng)跑道膠痕自動(dòng)識(shí)別算法研究

2.1? 機(jī)場(chǎng)跑道識(shí)別區(qū)的區(qū)域特征分析

機(jī)場(chǎng)跑道自動(dòng)識(shí)別系統(tǒng)利用攝像頭采集機(jī)場(chǎng)跑道膠痕圖像，其工作過程示意圖如圖3所示。

攝像頭根據(jù)小孔成像原理進(jìn)行圖像檢測(cè)，所檢測(cè)到的范圍與攝像頭的角度、焦距等參數(shù)相關(guān)。在圖3中顯示了系統(tǒng)中攝像頭所檢測(cè)到的范圍，圖中虛線1和虛線2之間是機(jī)場(chǎng)跑道的有效識(shí)別區(qū)域即機(jī)場(chǎng)跑道的區(qū)域。圖中裝置3是攝像頭，四邊形ABCD區(qū)域是攝像頭所檢測(cè)到的視覺范圍。由于攝像頭檢測(cè)到的范圍是梯形區(qū)域，因此除了機(jī)場(chǎng)跑道的范圍之外，還會(huì)有一部分冗余信息，為了減少計(jì)算量和存儲(chǔ)量，并且提高計(jì)算效率，在計(jì)算機(jī)處理過程中將圖3中ACE和BDF區(qū)域所代表的冗余部分信息剪切掉。

2.2? 機(jī)場(chǎng)跑道識(shí)別區(qū)的顏色特征分析

目前，各大機(jī)場(chǎng)跑道普遍使用混凝土材質(zhì)，跑道表面除了與飛機(jī)輪胎相摩擦留下的膠痕以外，還有人工標(biāo)記的白色標(biāo)志線[6]，該標(biāo)志通常用來注明跑道名稱、中心線和入口位置等。

本文采用RGB顏色空間，也稱為RGB立方體模型，則可以將機(jī)場(chǎng)跑道上所存在的顏色表示出來[7?8]，RGB顏色空間如圖4所示。

根據(jù)圖4所示顏色空間可以發(fā)現(xiàn)，RGB立方體模型中原點(diǎn)O（0，0，0）的顏色是純黑色，頂點(diǎn)N（255，255，255）的顏色是純白色，從原點(diǎn)O到頂點(diǎn)N的連線即為標(biāo)準(zhǔn)灰度線[9]，它的顏色從黑色到白色漸變?；叶瓤臻g可以近似定義為以這條標(biāo)準(zhǔn)灰度線為軸線，選取某一距離p為半徑作一圓柱體中的顏色空間。由于標(biāo)準(zhǔn)灰度線是由黑色到白色漸變，所以灰度空間原點(diǎn)O附近可以看作黑色區(qū)域，頂點(diǎn)N附近可以看作白色區(qū)域，中間部分則可以看作灰色區(qū)域。

機(jī)場(chǎng)跑道上的標(biāo)志線是純白色，原則上對(duì)應(yīng)灰度空間中頂點(diǎn)N的位置。然而，在實(shí)際拍攝過程中需要考慮光線、拍攝角度、環(huán)境等各種因素，使得攝像頭采集到的標(biāo)志線的RGB值并不是純白色（255，255，255）。所以，在確定標(biāo)志線位置時(shí)需要選取一定范圍的RGB值，將色彩范圍擴(kuò)展到純白色和灰白色之間的白色區(qū)域，從而增強(qiáng)算法的泛化能力。

同理可得，機(jī)場(chǎng)跑道的膠痕是純黑色，對(duì)應(yīng)灰度空間中的黑色區(qū)域，而無膠痕區(qū)域?qū)?yīng)灰度空間中的灰色區(qū)域，異物則在灰色空間之外。

2.3? 基于RGB顏色空間的圖像識(shí)別算法設(shè)計(jì)

本文根據(jù)機(jī)場(chǎng)跑道路面上鮮明的顏色特征，采用抗噪性能好、識(shí)別速度快、識(shí)別精度高的RGB顏色空間識(shí)別方法[10?11]進(jìn)行黑色膠痕的識(shí)別。

RGB立方體模型中的任意一點(diǎn)M到體對(duì)角線ON的距離r為：

[r=133R2+G2+B2+R+G+B2] （1）

根據(jù)RGB顏色空間模型中的顏色分布，可知機(jī)場(chǎng)跑道上物體的顏色以灰黑白三色為主，顏色較為單薄。當(dāng)RGB立方體空間中任意一點(diǎn)M在圓柱體內(nèi)部，即灰度空間內(nèi)時(shí)，可以近似將其視為機(jī)場(chǎng)跑道上的正常物體;反之，視為異物。

當(dāng)像素點(diǎn)的RGB顏色空間在以p為半徑的圓柱內(nèi)時(shí)，該像素點(diǎn)代表跑道上的正常顏色，即可能表示黑色膠痕、白色標(biāo)志線或者灰白色混凝土。因此，為了避免將黑色膠痕和其他物體相混淆，引入一個(gè)閾值K，取K為R，G，B的算術(shù)平均值，即：

[K=meanR，G，B] （2）

在實(shí)際識(shí)別系統(tǒng)中，攝像頭采集的機(jī)場(chǎng)跑道膠痕圖像是RGB565格式，該格式下圖像數(shù)據(jù)與RGB顏色空間中的數(shù)據(jù)之間存在如下轉(zhuǎn)換關(guān)系，即：

[RGB=800040008·R′G′B′] （3）

式中，[R′，G′，B′]為攝像頭采集的實(shí)際數(shù)據(jù)，且[R′，G′，B′]的取值范圍分別為0～36，0～63，0～36。實(shí)際采集的數(shù)據(jù)必須經(jīng)過矩陣轉(zhuǎn)換才能映射到RGB立方體模型中，因此本文所使用的實(shí)際采集數(shù)據(jù)在RGB立方體模型中是不連續(xù)的。

考慮到機(jī)場(chǎng)跑道白色標(biāo)志線和灰色地面的顏色變化范圍比較單一，則可以根據(jù)像素點(diǎn)在RGB顏色空間中距離OM對(duì)角線的距離來劃分閾值[12]。

由式（1）～式（3）易得，機(jī)場(chǎng)跑道膠痕自動(dòng)識(shí)別算法可以表示為：

[r>p?跑道異物r≤p?0≤K

式中p，p1和p2均是閾值。閾值p將RGB顏色空間中的圓柱體灰度空間以外的區(qū)域劃分為異物;閾值p1和p2將RGB顏色空間中的灰度空間劃分為重度膠痕區(qū)域、輕度膠痕區(qū)域和無膠痕區(qū)域三部分。

3? 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析

為了驗(yàn)證基于RGB顏色空間的圖像識(shí)別算法的可行性和有效性，本文設(shè)計(jì)了一套機(jī)場(chǎng)跑道膠痕自動(dòng)識(shí)別系統(tǒng)進(jìn)行實(shí)物測(cè)試。為了方便對(duì)比實(shí)驗(yàn)結(jié)果，設(shè)置機(jī)場(chǎng)跑道的重度膠痕區(qū)域?yàn)镽GB顏色空間中的白點(diǎn)（255，255，255）、輕度膠痕區(qū)域?yàn)榛尹c(diǎn)（125，125，125）、無膠痕區(qū)域?yàn)楹邳c(diǎn)（0，0，0），以及異物為紅點(diǎn)（255，0，0）。

3.1? 不同參數(shù)設(shè)置下的實(shí)驗(yàn)結(jié)果

在0～255之間分別設(shè)置閾值p，p1，p2，進(jìn)行三組機(jī)場(chǎng)跑道膠痕識(shí)別實(shí)驗(yàn)，結(jié)果如圖5所示。

由圖5分析可知，設(shè)置p1和p2取值為定值，當(dāng)p的取值越大，機(jī)場(chǎng)跑道上的異物越不容易被識(shí)別。設(shè)置p1和p取值固定，當(dāng)p2的取值越小，黑色膠痕越容易被識(shí)別為輕度膠痕;設(shè)置p2和p取值固定，當(dāng)p1的取值越大，黑色膠痕越容易被識(shí)別為重度膠痕。因此，為了提高識(shí)別精度，設(shè)置系統(tǒng)參數(shù)分別為p=36，p1=120，p2=135。

3.2? 不同圖像識(shí)別算法的實(shí)驗(yàn)結(jié)果

在初始圖像中加入紅顏色符號(hào)“*”之后，分別采用傳統(tǒng)的圖像識(shí)別算法和基于RGB顏色空間的自動(dòng)識(shí)別算法對(duì)形成的新圖像進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖6所示。

由圖6分析可知，傳統(tǒng)識(shí)別算法將除膠設(shè)備無法觸及的區(qū)域也進(jìn)行了圖像識(shí)別，不僅出現(xiàn)了冗余信息，而且將紅色符號(hào)“*”誤判為膠痕;基于RGB顏色空間的自動(dòng)識(shí)別算法對(duì)待識(shí)別區(qū)域進(jìn)行了有效裁剪，從而減少了計(jì)算時(shí)間和存儲(chǔ)時(shí)間，并且將紅色符號(hào)“*”準(zhǔn)確地判斷為異物。實(shí)驗(yàn)結(jié)果表明，基于RGB顏色空間的圖像識(shí)別算法提高了系統(tǒng)的識(shí)別精度及響應(yīng)速度，改善了機(jī)場(chǎng)跑道膠痕的識(shí)別效果。

4? 結(jié)? 語

本文根據(jù)機(jī)場(chǎng)跑道膠痕識(shí)別的工作需要，設(shè)計(jì)了以單片機(jī)為控制核心的膠痕自動(dòng)識(shí)別系統(tǒng)，具有結(jié)構(gòu)簡(jiǎn)單、容易實(shí)現(xiàn)的優(yōu)點(diǎn)。在此基礎(chǔ)上，提出了基于RGB顏色空間的圖像識(shí)別算法，不僅為膠痕的殘留狀態(tài)提供了識(shí)別方法，而且克服了機(jī)場(chǎng)跑道環(huán)境的條件限制。實(shí)物測(cè)試結(jié)果表明，本文所設(shè)計(jì)的系統(tǒng)能夠?qū)τ跈C(jī)場(chǎng)跑道的重度膠痕區(qū)域、輕度膠痕區(qū)域、無膠痕區(qū)域和異物實(shí)現(xiàn)快速、準(zhǔn)確的識(shí)別。并且所設(shè)計(jì)的實(shí)驗(yàn)裝置可以用來檢測(cè)機(jī)場(chǎng)跑道路面狀況，達(dá)到降低工作強(qiáng)度、提高除膠效率的目的，從而保證飛機(jī)起降的安全性。

參考文獻(xiàn)

[1] 董城，周輪，陳麗萍，等.基于不同行駛狀態(tài)下輪胎?路面接觸應(yīng)力響應(yīng)研究[J].公路工程，2018，43（6）：146?150.

[2] 王寶帥，蘭竹，李正杰，等.毫米波雷達(dá)機(jī)場(chǎng)跑道異物分層檢測(cè)算法[J].電子與信息學(xué)報(bào)，2018，40（11）：2676?2683.

[3] 高宏偉，王慧科，李卓.一種改進(jìn)的機(jī)場(chǎng)跑道異物檢測(cè)算法研究[J].計(jì)算機(jī)科學(xué)，2015，42（z1）：205?208.

[4] WU Xiaobiao， LUO Muyang， SUN Hemin， et al. Demonstration of airport runway FOD detection system based on vehicle SAR [J]. IOP conference series： materials science and engineering， 2018， 452： 1?9.

[5] 胡勝，黃妙華，陳毅.基于二次閾值分割和車道寬度匹配的車道線檢測(cè)算法[J].汽車技術(shù)，2019（4）：1?6.

[6] 袁斌.基于圖像處理技術(shù)的火災(zāi)識(shí)別方法的應(yīng)用與研究[J].現(xiàn)代電子技術(shù)，2018，41（13）：43?46.

[7] 劉國(guó)奇，鄧銘，李晨靜.融合RGB顏色空間的植物圖像分割模型[J].鄭州大學(xué)學(xué)報(bào)（理學(xué)版），2019，51（1）：18?23.

[8] GAI Shan， ZHONG Yong， YANG Cihui， et al. Color monogenic wavelet transform for multichannel image denoising [J]. Multidimensional systems and signal processing， 2017， 28（4）： 1463?1480.

[9] 顧明，鄭林濤，尤政.基于顏色空間轉(zhuǎn)換的交通圖像增強(qiáng)算法[J].儀器儀表學(xué)報(bào)，2015，36（8）：1901?1907.

[10] 鄭晶晶，賈宇飛，周明亮.圖像采集系統(tǒng)的研究與設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2015，38（4）：94?97.

[11] 耿蒲龍，宋建成，劉旭飛，等.基于RGB顏色空間的礦井運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤方法[J].太原理工大學(xué)學(xué)報(bào)，2017，48（6）：963?968.

[12] ZHANG Qian， LAFFONT Pierre?Yves， SIM Terence. Lighting transfer across multiple views through local color transforms [J]. Computational visual media， 2017， 3（4）： 13?22.