基于TMS320的跑道異物監測系統

胡遠洋

【摘 要】本文介紹了基于數字圖像處理的機場跑道異物檢測的嵌入式系統。首先介紹基于TMS320系列嵌入式系統的總體構成。然后提出一種基于顏色空間變換和邊緣特征提取的異物檢測方法。并通過模擬試驗表明，該裝置設計切實可行，提出的算法也能取得較高的檢測性能。

【關鍵詞】跑道異物；Sobel 算子；邊緣檢測；嵌入式系統

【Abstract】In this paper， a foreign object debris detection embedded system based on digital image processing is presented. First the embedded system structure based on TMS320 series is introduced， then a foreign object debris detection method based on color space transformation and edge is proposed. Simulation experiments show that proposed system is feasible， and the corresponding algorithm can achieve a high detection rate.

【Key words】Foreign object debris； Sobel operator； Edge detection； Embedded system

0 引言

跑道異物地識別與檢測一直是機場安全管理的重點。目前國際主流的跑道異物監測系統主要通過雷達、紅外、可見光技術實現對異物的發現、定位、識別和記錄等等，而國內目前還沒有成熟的相關商用系統。由于目前圖像監控系統的硬件成本相對較低，并且其近年發展態勢良好，筆者設計了一種嵌入式的跑道異物圖像監控系統。

1 總體設計

整個系統包括圖像采集模塊、數字圖像處理模塊，并實現壓縮存儲、實時傳輸等功能，首先設計了如圖1的圖像采集系統，由于單個攝像機無法完成對整個跑道的檢測，所以在本系統中采用攝像機組，每隔一段距離就安裝一個攝像機，形成攝像機組，對跑道進行實時圖像采集，甚至使用多個攝像機組同時采集多條跑道的實時圖像。將攝像機采集到的數據圖像傳輸到本文建立的嵌入式系統進行處理，將所得結果匯總到控制臺，方便工作人員查看。

圖1 圖像采集系統設計

圖像處理系統設計思路如圖2所示：利用CMOS圖像傳感器采集到圖像的模擬信號，然后在轉換模塊進行A/D轉換，將模擬信號轉換為YUV4：2：2的數字圖像信號，然后信號進入片上系統TMS320DM355，由ARM926 EJ- STM核負責整個系統的控制，由 MPEG/ JPEG協處理器專注算法的實現，內部視頻處理子系統VPSS及其相關外設，可以快速地實現圖像數據流的采集、預處理、顯示和網絡傳輸等功能。并配以太網控制器，將得到的結果信息傳輸到總控制臺。

圖2 圖像處理系統設計

2 基于邊緣特征檢測的FOD檢測方法

首先，讀取RGB圖像后，查找圖像中的各個像素點，對一幅已知的圖像來說，其中的像素點的個數是確定的，如A×B。那么在這幅圖可以理解為包含了A×B×3個數據的一個數組。通過公示轉換RGB到YUV顏色空間，得到YUV空間中，每一個像素點的Y、U、V值。然后用sobel算子濾取邊緣信息（包括垂直和水平的）。

索貝爾算子是圖像處理中非常常用的算子，主要用于邊緣檢測。

通過設定閾值使圖像二值化，梯度值大于等于閾值T的點就是邊緣點，反之則不是，從而實現邊緣檢測。具體做法即在算出總的像素點個數后，并賦予他們“灰度值”，這個“灰度值”是將圖像看作灰度圖像，而圖像的亮度分量就是它的灰度，這樣單一地考慮問題使得問題簡單化。“灰度值”越大的地方越亮，越小的地方越暗（0<“灰度值”<255）。然后我們假定整幅圖像N個像素點中有p的點包含邊緣信息，那么就從高“灰度值”的點開始取值，直到滿N×p個點，那么這些點就是圖像中的邊緣點，就是需要增強的點。然后對圖像進行銳化處理，只處理這些已經確定的“邊緣點”，就可以得到處理后的數據，選擇性得將這個數組逆變換回RGB顏色空間，得到增強后的圖像。監控系統再將所有圖像結果傳遞給清理人員，提醒清理人員快速清理跑道異物。

3 實驗結果和分析

圖3為異物原圖以及對其進行處理之后的圖像。將其變換顏色空間，得到其亮度分量圖像，對其進行邊緣檢測。然而由于攝像機采集到的圖片中包含大量噪聲信號，所以在此之前對其進行濾波處理，這里選用巴特沃斯低通濾波器去除大量小面積的噪聲。然后對得到的圖像用sobel算子進行閾值邊緣檢測，為消除邊緣檢測圖像的斷裂情況，最后使用了膨脹腐蝕的數學形態學處理。最后任然存留的就是檢測到的跑道異物圖像。

4 小結

筆者提出了一種基于嵌入式芯片的簡易機場跑道異物檢測系統。通過模擬實驗表明，本文的系統方案可行，由于跑道異物情況復雜，難以給出針對性極強的檢測識別算法，所以在算法選取上偏向對比度增強，這有助于提高識別率。此系統最大優點為便攜性，由于嵌入式處理系統體積小、重量輕，此系統可以隨攝像機組安裝在跑道附近，將處理結果遠程發送到總控平臺。

此監測系統在硬件上可以有更大提升，如采用更清晰的采集攝像機，可以提高監測的準確性，降低漏報的可能性，但增大的數據量同時需采用運算功能更強的處理核心與之匹配。也可增加紅外攝像頭，使系統在夜間、照明條件不良的情況下可以繼續工作。

【參考文獻】

[1]國家民航總局機場司民航局安全技術中心.FOD防范手冊 2009[S].

[2]孫瑞山，馬平.跑道侵人初步研究[J].中國民航大學學報，2007，25（z1）：85-87.

[3]霍志勤，羅帆.近十年中國民航事故及事故征候的統計分析[J].中國安全科學學報，2006，16（12）：65-71.

[4]劉冬菊.基于閾值的圖像分割算法的研究[D].北京：北京交通大學，2009.

[5]孫立新.跑道FOD檢測系統關鍵技術分析[A].四川理工學院學報，2010，23（4）：494-496.

[6]Security & technology center of department of airport CAAC.FOD precaution manual[R].2009：1-5.

[7]陳曉輝.基于DM355的嵌入式視頻監控系統的設計與實現[D].南京：南京郵電大學，2010，3.

[8]楊高波，杜青松，編.MATLAB圖像/視頻處理應用及實例[M].北京：電子工業出版社，2010，1.

[9]Pi Huang，Boucouvalas A C.Delay Analysis for bluetooth baseband ACLpackets[C].Liverpool：the Convergence of telecommunications.networking &broadcasting symposium 2005，2005：396-401.

[10]SULL S；SRIDHAR B Runway obstacle detection by controlled spatiotemporal image flow disparity 1999（03）.

[11]Feil P；Menzel W；Nguyen T P Foreign Object Debris（FOD） Detection on Airport Runway Using a Broadband Sensor 2008.

[12]T. Ojala， M. Pietikinen， et al. Multiresolution Gray-scale and Rotation Invariant Texture Classification with Local Binary Patterns[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence， 2002，24（7）：971-987.

[13]R. C. Gonzale，等.數字圖像處理 （MATLAB 版）[M].阮秋琦，等，譯.北京：電子工業出版社，2005：305-307.

[14]M. S. Nixon等.特征提取與圖像處理[M].李實英，等，譯.北京：電子工業出版社，2010：103-112.

[15]王宇，張德銀，吳煒.基于計算機視覺的機場跑道異物檢測識別系統[J].視頻應用與工程，2010，34（5）：102-103.

[16]樊曼劼.機場跑道異物（FOD）檢測研究[D].北京：北京交通大學，2011：43-47.

[17]J. Canny. A Computational Approach to Edge Detection[J]. IEEE Transactions On Pattern Analysis and Machine Intelligence， 1986，8（6）：679-697.

[責任編輯：湯靜]