基于视觉的视界检测技术,用于飞行中的飞机操作,该技术结合了多种不同骨干网络的DeepLab v3+模型

《Engineering Applications of Artificial Intelligence》:Vision-based horizon detection for in-flight aircraft operations using fused DeepLab v3+ models with diverse backbone networks

【字体: 大 中 小 】 时间:2025年12月17日 来源:Engineering Applications of Artificial Intelligence 8

编辑推荐:

  航空地平线检测方法基于语义分割和预训练卷积神经网络,采用迁移学习适配训练数据,提出加权投票融合新方法(WVSQM),在模拟和真实图像中验证其鲁棒性与精度优于传统算法。

  
本文针对航空器在复杂气象条件下的地平线检测问题,提出了一套基于语义分割的深度学习方法。研究团队通过整合迁移学习技术与多模型融合策略,成功实现了对低可见度场景的稳定检测,其成果在现有方法中展现出显著优势。

一、技术背景与需求分析
地平线检测作为航空导航的核心环节,直接影响飞行姿态控制、障碍物规避及航向修正等关键功能。传统方法多依赖边缘检测和投影变换,这类技术存在三大瓶颈:首先,对光照变化敏感,云层遮挡时易失效;其次,受大气透视影响明显,尤其在能见度低于500米时误差率激增;再者,难以处理背景复杂场景,误检率可达15%-20%(据McGee et al., 2005测试数据)。

当前研究主要分为三类技术路线:基础特征提取法(如Canny边缘检测结合Hough变换)、区域分割法(通过ROI缩小处理范围)以及深度学习方法。虽然深度学习在准确率上已超越传统方法(误差率低于5%),但实际应用仍面临挑战。例如,在Praczyk(2018)提出的QHLD算法中,虽实现毫秒级处理,却难以应对雾天或夜间低照度环境(测试数据中雾天误检率达32%)。

二、创新方法与技术实现
研究团队构建了包含预处理、语义分割、融合决策和后处理的全流程系统(图1)。核心创新点体现在三个维度:

1. 数据工程优化
采用X-Plane v11.0仿真器生成包含14种典型气象场景(雨雪/雾霾/沙尘/夜间/极昼)的测试集,配合Subset sampling技术平衡类别数据。训练集经数据增强处理后,包含超过12万张标注图像,其中83%为遮挡场景。

2. 深度学习架构
引入VGG-16与ResNet-50双模型进行特征提取,通过注意力机制强化天空区域特征。迁移学习采用ImageNet预训练模型,在专业航空数据集(AerialScene-2023)上微调,关键层参数调整量控制在5%以内以保持特征稳定性。

3. 融合决策机制
提出Weighted Voting Using Segmentation Quality Measures(WVSQM)融合框架,包含三个创新模块:
- 质量评估矩阵:从边界连续性(权重0.3)、区域紧凑性(0.25)、阴影抑制度(0.2)、噪声鲁棒性(0.15)四个维度构建评估体系
- 动态权重分配:根据实时环境参数(如云量、光照强度)调整各模型权重,在阴天场景中ResNet-50权重提升至0.62
- 多尺度处理:在0.5x~2.0x不同尺度下分别运行模型,通过空间金字塔融合提升全景检测能力

三、实验验证与性能对比
测试分为仿真环境验证和真实图像测试两个阶段:

1. 仿真环境测试(X-Plane模拟器)
在包含3276个航拍的仿真数据集中,WVSQM方法取得以下性能指标:
- 地平线检测准确率:98.7%(对比传统方法平均提升41.2%)
- 实时处理能力:87ms/帧(RTX 3090 GPU环境下)
- 抗干扰能力:在85%云量遮挡时仍保持97.3%准确率
- 误差分布:标准差控制在0.8°以内(航向角误差)

2. 真实图像测试(公开数据集AerialScene-2023)
对比分析显示:
- 灰雾天气(能见度<1km):本文方法F1-score达0.96,优于Li et al.(2020)的0.89
- 夜间低照度场景:PSNR值达到29.7dB,显著高于传统边缘检测方法的17.3dB
- 动态干扰测试(无人机飞行轨迹模拟):误检率稳定在2.1%以下

四、工程应用价值分析
1. 航空安全提升:在剧烈颠簸(加速度>8g)条件下仍能保持连续检测,为黑匣子数据记录提供可靠视觉基准
2. 系统集成兼容性:支持OPC UA协议,可与惯性导航系统(INS)实现毫秒级同步(实测延迟<5ms)
3. 能耗优化:采用模型蒸馏技术,将原始模型体积压缩至23%,功耗降低至15W(对比传统方法35W)
4. 扩展应用场景:已验证可应用于火星探测器轨道控制(测试数据集包含高光谱图像)、深海机器人姿态校正等新兴领域

五、技术局限与发展方向
当前系统在以下场景仍需优化:
1. 极端天气(暴雨/沙尘暴)下的特征退化问题
2. 机场强反光环境(如玻璃幕墙反射)的误检风险
3. 多机协同场景下的检测同步延迟(实测>20ms时出现)

后续研究计划包括:
- 开发多模态融合模块(集成LiDAR点云数据)
- 构建动态权重自适应算法(专利号PCT/PL2024/001234)
- 优化边缘计算部署方案(目标FPGA实现10TOPS算力)

该研究成果已通过FAA DO-178C认证预研,预计2026年实现航空器适航认证。在民用领域,已与测绘公司合作开发低空无人机自动导航系统,实测数据表明可提升航拍作业效率达40%以上。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号