基于TMS320的跑道异物监测系统

胡远洋

【摘 要】本文介绍了基于数字图像处理的机场跑道异物检测的嵌入式系统。首先介绍基于TMS320系列嵌入式系统的总体构成。然后提出一种基于颜色空间变换和边缘特征提取的异物检测方法。并通过模拟试验表明，该装置设计切实可行，提出的算法也能取得较高的检测性能。

【关键词】跑道异物；Sobel 算子；边缘检测；嵌入式系统

【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

跑道异物地识别与检测一直是机场安全管理的重点。目前国际主流的跑道异物监测系统主要通过雷达、红外、可见光技术实现对异物的发现、定位、识别和记录等等，而国内目前还没有成熟的相关商用系统。由于目前图像监控系统的硬件成本相对较低，并且其近年发展态势良好，笔者设计了一种嵌入式的跑道异物图像监控系统。

1 总体设计

整个系统包括图像采集模块、数字图像处理模块，并实现压缩存储、实时传输等功能，首先设计了如图1的图像采集系统，由于单个摄像机无法完成对整个跑道的检测，所以在本系统中采用摄像机组，每隔一段距离就安装一个摄像机，形成摄像机组，对跑道进行实时图像采集，甚至使用多个摄像机组同时采集多条跑道的实时图像。将摄像机采集到的数据图像传输到本文建立的嵌入式系统进行处理，将所得结果汇总到控制台，方便工作人员查看。

图1 图像采集系统设计

图像处理系统设计思路如图2所示：利用CMOS图像传感器采集到图像的模拟信号，然后在转换模块进行A/D转换，将模拟信号转换为YUV4：2：2的数字图像信号，然后信号进入片上系统TMS320DM355，由ARM926 EJ- STM核负责整个系统的控制，由 MPEG/ JPEG协处理器专注算法的实现，内部视频处理子系统VPSS及其相关外设，可以快速地实现图像数据流的采集、预处理、显示和网络传输等功能。并配以太网控制器，将得到的结果信息传输到总控制台。

图2 图像处理系统设计

2 基于边缘特征检测的FOD检测方法

首先，读取RGB图像后，查找图像中的各个像素点，对一幅已知的图像来说，其中的像素点的个数是确定的，如A×B。那么在这幅图可以理解为包含了A×B×3个数据的一个数组。通过公示转换RGB到YUV颜色空间，得到YUV空间中，每一个像素点的Y、U、V值。然后用sobel算子滤取边缘信息（包括垂直和水平的）。

索贝尔算子是图像处理中非常常用的算子，主要用于边缘检测。

通过设定阈值使图像二值化，梯度值大于等于阈值T的点就是边缘点，反之则不是，从而实现边缘检测。具体做法即在算出总的像素点个数后，并赋予他们“灰度值”，这个“灰度值”是将图像看作灰度图像，而图像的亮度分量就是它的灰度，这样单一地考虑问题使得问题简单化。“灰度值”越大的地方越亮，越小的地方越暗（0<“灰度值”<255）。然后我们假定整幅图像N个像素点中有p的点包含边缘信息，那么就从高“灰度值”的点开始取值，直到满N×p个点，那么这些点就是图像中的边缘点，就是需要增强的点。然后对图像进行锐化处理，只处理这些已经确定的“边缘点”，就可以得到处理后的数据，选择性得将这个数组逆变换回RGB颜色空间，得到增强后的图像。监控系统再将所有图像结果传递给清理人员，提醒清理人员快速清理跑道异物。

3 实验结果和分析

图3为异物原图以及对其进行处理之后的图像。将其变换颜色空间，得到其亮度分量图像，对其进行边缘检测。然而由于摄像机采集到的图片中包含大量噪声信号，所以在此之前对其进行滤波处理，这里选用巴特沃斯低通滤波器去除大量小面积的噪声。然后对得到的图像用sobel算子进行阈值边缘检测，为消除边缘检测图像的断裂情况，最后使用了膨胀腐蚀的数学形态学处理。最后任然存留的就是检测到的跑道异物图像。

4 小结

笔者提出了一种基于嵌入式芯片的简易机场跑道异物检测系统。通过模拟实验表明，本文的系统方案可行，由于跑道异物情况复杂，难以给出针对性极强的检测识别算法，所以在算法选取上偏向对比度增强，这有助于提高识别率。此系统最大优点为便携性，由于嵌入式处理系统体积小、重量轻，此系统可以随摄像机组安装在跑道附近，将处理结果远程发送到总控平台。

此监测系统在硬件上可以有更大提升，如采用更清晰的采集摄像机，可以提高监测的准确性，降低漏报的可能性，但增大的数据量同时需采用运算功能更强的处理核心与之匹配。也可增加红外摄像头，使系统在夜间、照明条件不良的情况下可以继续工作。

【参考文献】

[1]国家民航总局机场司民航局安全技术中心.FOD防范手册 2009[S].

[2]孙瑞山，马平.跑道侵人初步研究[J].中国民航大学学报，2007，25（z1）：85-87.

[3]霍志勤，罗帆.近十年中国民航事故及事故征候的统计分析[J].中国安全科学学报，2006，16（12）：65-71.

[4]刘冬菊.基于阈值的图像分割算法的研究[D].北京：北京交通大学，2009.

[5]孙立新.跑道FOD检测系统关键技术分析[A].四川理工学院学报，2010，23（4）：494-496.

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

[7]陈晓辉.基于DM355的嵌入式视频监控系统的设计与实现[D].南京：南京邮电大学，2010，3.

[8]杨高波，杜青松，编.MATLAB图像/视频处理应用及实例[M].北京：电子工业出版社，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.数字图像处理 （MATLAB 版）[M].阮秋琦，等，译.北京：电子工业出版社，2005：305-307.

[14]M. S. Nixon等.特征提取与图像处理[M].李实英，等，译.北京：电子工业出版社，2010：103-112.

[15]王宇，张德银，吴炜.基于计算机视觉的机场跑道异物检测识别系统[J].视频应用与工程，2010，34（5）：102-103.

[16]樊曼劼.机场跑道异物（FOD）检测研究[D].北京：北京交通大学，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.

[责任编辑：汤静]