基于RGB颜色空间的机场跑道胶痕自动识别系统

刘晓琳 李卓

摘  要： 针对机场跑道胶痕识别过程中出现的残留状态不易检测的问题，设计了一套具有机器视觉功能的胶痕自动识别系统的硬件平台和软件平台。根据机场跑道识别区的区域特征和颜色特征，提出基于RGB颜色空间的图像识别算法，不仅为胶痕的残留状态提供了识别方法，而且克服了机场跑道环境的条件限制。实物测试结果表明：该系统对于机场跑道的重度胶痕区域、轻度胶痕区域、无胶痕区域和异物具有较好的识别能力，完全能够达到胶痕识别性能指标的要求，具有较高的工程实践价值。

关键词： 机场跑道; 胶痕识别; RGB颜色空间; 机器视觉; 特征提取; 图像识别

中图分类号： TN830.1?34; TP391.4              文献标识码： A                      文章编号： 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

随着民航运输业的快速发展，机场跑道上飞机起降变得日益密集，使得跑道着陆区路面上附着的黑色胶痕逐渐增厚。这些黑色胶痕会降低飞机轮胎与跑道之间的摩擦系数，从而严重影响飞机起降安全[1]。为此，国内外部分大型机场使用高压清洗机、地面铣刨机、移动式抛丸机等[2]特种设备进行机场跑道除胶。这类设备需要工作人员先用肉眼找到跑道上的胶痕，再利用高压水冲洗、机械刷打磨、化学药剂清洗等方法对胶痕进行清除[3]。由于上述除胶方法受到人力因素限制，不仅影响了机场跑道除胶的工作效率，而且与当前特种设备无人化、智能化等高新技术[4?5]的发展方向不符，因此有必要利用当前的先进技术，寻找一种自动化程度高、工作效率高的胶痕识别方法。

本文根据机场跑道识别区图像的颜色特征，采用基于RGB颜色空间的胶痕识别算法，利用单片机和摄像头等硬件设备设计了一套具有机器视觉功能的胶痕自动识别系统，并通过实验研究验证自动识别算法的可行性和有效性。

1  机场跑道胶痕自动识别系统方案设计

1.1  系统硬件设计

机场跑道胶痕自动识别系统的硬件结构分为上位机和下位机两部分，如图1所示。上位机是一台自带无线网卡的PC机。下位机由单片机、OV7670摄像头、WiFi模块、蜂鸣器、LCD显示屏等组成。在主函数的运行管理下，自动识别系统完成对系统硬件电路的控制，通过下位机与上位机的通信，完成跑道胶痕图像信息的获取，图像数据的处理、传输及识别等工作。

其中，单片机是自动识别系统的控制核心;图像采集模块用于采集跑道胶痕图像;LCD显示屏用于实时显示图像识别结果;蜂鸣器用于语音提示当前所采集胶痕的识别结果。自动识别系统中上位机与下位机通过WiFi模块和无线网卡之间的IEEE 802.11n协议进行通信。

1.2  系统软件设计

机场跑道胶痕自动识别系统的软件流程如图2所示，其工作过程描述如下。

首先，自动识别系统上位机和下位机进行初始化设置。然后，上位机通过无线通信向下位机发送启动指令，之后下位机调用图像采集子函数和异物判别子函数运行。下位机根据摄像头采集到的图像，判断图像中是否存在颜色鲜明的异物。若被检测区域存在除胶痕以外的颜色鲜明的异物时，则将图像发送回上位机，进行图像恢复，并由工作人员选择是否使用除胶车进行处理;若被检测区域不存在除胶痕以外的异物时，则下位机进行胶痕识别。最后，下位机根据胶痕识别结果进行判断，若被检测区域存在重度胶痕，则启动除胶程序;若被检测区域存在轻度胶痕，则不需要进行除胶。

2  机场跑道胶痕自动识别算法研究

2.1  机场跑道识别区的区域特征分析

机场跑道自动识别系统利用摄像头采集机场跑道胶痕图像，其工作过程示意图如图3所示。

摄像头根据小孔成像原理进行图像检测，所检测到的范围与摄像头的角度、焦距等参数相关。在图3中显示了系统中摄像头所檢测到的范围，图中虚线1和虚线2之间是机场跑道的有效识别区域即机场跑道的区域。图中装置3是摄像头，四边形ABCD区域是摄像头所检测到的视觉范围。由于摄像头检测到的范围是梯形区域，因此除了机场跑道的范围之外，还会有一部分冗余信息，为了减少计算量和存储量，并且提高计算效率，在计算机处理过程中将图3中ACE和BDF区域所代表的冗余部分信息剪切掉。

2.2  机场跑道识别区的颜色特征分析

目前，各大机场跑道普遍使用混凝土材质，跑道表面除了与飞机轮胎相摩擦留下的胶痕以外，还有人工标记的白色标志线[6]，该标志通常用来注明跑道名称、中心线和入口位置等。

本文采用RGB颜色空间，也称为RGB立方体模型，则可以将机场跑道上所存在的颜色表示出来[7?8]，RGB颜色空间如图4所示。

根据图4所示颜色空间可以发现，RGB立方体模型中原点O（0，0，0）的颜色是纯黑色，顶点N（255，255，255）的颜色是纯白色，从原点O到顶点N的连线即为标准灰度线[9]，它的颜色从黑色到白色渐变。灰度空间可以近似定义为以这条标准灰度线为轴线，选取某一距离p为半径作一圆柱体中的颜色空间。由于标准灰度线是由黑色到白色渐变，所以灰度空间原点O附近可以看作黑色区域，顶点N附近可以看作白色区域，中间部分则可以看作灰色区域。

机场跑道上的标志线是纯白色，原则上对应灰度空间中顶点N的位置。然而，在实际拍摄过程中需要考虑光线、拍摄角度、环境等各种因素，使得摄像头采集到的标志线的RGB值并不是纯白色（255，255，255）。所以，在确定标志线位置时需要选取一定范围的RGB值，将色彩范围扩展到纯白色和灰白色之间的白色区域，从而增强算法的泛化能力。

同理可得，机场跑道的胶痕是纯黑色，对应灰度空间中的黑色区域，而无胶痕区域对应灰度空间中的灰色区域，异物则在灰色空间之外。

2.3  基于RGB颜色空间的图像识别算法设计

本文根据机场跑道路面上鲜明的颜色特征，采用抗噪性能好、识别速度快、识别精度高的RGB颜色空间识别方法[10?11]进行黑色胶痕的识别。

RGB立方体模型中的任意一点M到体对角线ON的距离r为：

[r=133R2+G2+B2+R+G+B2] （1）

根据RGB颜色空间模型中的颜色分布，可知机场跑道上物体的颜色以灰黑白三色为主，颜色较为单薄。当RGB立方体空间中任意一点M在圆柱体内部，即灰度空间内时，可以近似将其视为机场跑道上的正常物体;反之，视为异物。

当像素点的RGB颜色空间在以p为半径的圆柱内时，该像素点代表跑道上的正常颜色，即可能表示黑色胶痕、白色标志线或者灰白色混凝土。因此，为了避免将黑色胶痕和其他物体相混淆，引入一个阈值K，取K为R，G，B的算术平均值，即：

[K=meanR，G，B] （2）

在实际识别系统中，摄像头采集的机场跑道胶痕图像是RGB565格式，该格式下图像数据与RGB颜色空间中的数据之间存在如下转换关系，即：

[RGB=800040008·R′G′B′] （3）

式中，[R′，G′，B′]为摄像头采集的实际数据，且[R′，G′，B′]的取值范围分别为0～36，0～63，0～36。实际采集的数据必须经过矩阵转换才能映射到RGB立方体模型中，因此本文所使用的实际采集数据在RGB立方体模型中是不连续的。

考虑到机场跑道白色标志线和灰色地面的颜色变化范围比较单一，则可以根据像素点在RGB颜色空间中距离OM对角线的距离来划分阈值[12]。

由式（1）～式（3）易得，机场跑道胶痕自动识别算法可以表示为：

[r>p?跑道异物r≤p?0≤K

式中p，p1和p2均是阈值。阈值p将RGB颜色空间中的圆柱体灰度空间以外的区域划分为异物;阈值p1和p2将RGB颜色空间中的灰度空间划分为重度胶痕区域、轻度胶痕区域和无胶痕区域三部分。

3  实验验证与结果分析

为了验证基于RGB颜色空间的图像识别算法的可行性和有效性，本文设计了一套机场跑道胶痕自动识别系统进行实物测试。为了方便对比实验结果，设置机场跑道的重度胶痕区域为RGB颜色空间中的白点（255，255，255）、轻度胶痕区域为灰点（125，125，125）、无胶痕区域为黑点（0，0，0），以及异物为红点（255，0，0）。

3.1  不同参数设置下的实验结果

在0～255之间分别设置阈值p，p1，p2，进行三组机场跑道胶痕识别实验，结果如图5所示。

由圖5分析可知，设置p1和p2取值为定值，当p的取值越大，机场跑道上的异物越不容易被识别。设置p1和p取值固定，当p2的取值越小，黑色胶痕越容易被识别为轻度胶痕;设置p2和p取值固定，当p1的取值越大，黑色胶痕越容易被识别为重度胶痕。因此，为了提高识别精度，设置系统参数分别为p=36，p1=120，p2=135。

3.2  不同图像识别算法的实验结果

在初始图像中加入红颜色符号“*”之后，分别采用传统的图像识别算法和基于RGB颜色空间的自动识别算法对形成的新图像进行对比实验，实验结果如图6所示。

由图6分析可知，传统识别算法将除胶设备无法触及的区域也进行了图像识别，不仅出现了冗余信息，而且将红色符号“*”误判为胶痕;基于RGB颜色空间的自动识别算法对待识别区域进行了有效裁剪，从而减少了计算时间和存储时间，并且将红色符号“*”准确地判断为异物。实验结果表明，基于RGB颜色空间的图像识别算法提高了系统的识别精度及响应速度，改善了机场跑道胶痕的识别效果。

4  结  语

本文根据机场跑道胶痕识别的工作需要，设计了以单片机为控制核心的胶痕自动识别系统，具有结构简单、容易实现的优点。在此基础上，提出了基于RGB颜色空间的图像识别算法，不仅为胶痕的残留状态提供了识别方法，而且克服了机场跑道环境的条件限制。实物测试结果表明，本文所设计的系统能够对于机场跑道的重度胶痕区域、轻度胶痕区域、无胶痕区域和异物实现快速、准确的识别。并且所设计的实验装置可以用来检测机场跑道路面状况，达到降低工作强度、提高除胶效率的目的，从而保证飞机起降的安全性。

参考文献

[1] 董城，周轮，陈丽萍，等.基于不同行驶状态下轮胎?路面接触应力响应研究[J].公路工程，2018，43（6）：146?150.

[2] 王宝帅，兰竹，李正杰，等.毫米波雷达机场跑道异物分层检测算法[J].电子与信息学报，2018，40（11）：2676?2683.

[3] 高宏伟，王慧科，李卓.一种改进的机场跑道异物检测算法研究[J].计算机科学，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] 胡胜，黄妙华，陈毅.基于二次阈值分割和车道宽度匹配的车道线检测算法[J].汽车技术，2019（4）：1?6.

[6] 袁斌.基于图像处理技术的火灾识别方法的应用与研究[J].现代电子技术，2018，41（13）：43?46.

[7] 刘国奇，邓铭，李晨静.融合RGB颜色空间的植物图像分割模型[J].郑州大学学报（理学版），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] 顾明，郑林涛，尤政.基于颜色空间转换的交通图像增强算法[J].仪器仪表学报，2015，36（8）：1901?1907.

[10] 郑晶晶，贾宇飞，周明亮.图像采集系统的研究与设计[J].现代电子技术，2015，38（4）：94?97.

[11] 耿蒲龙，宋建成，刘旭飞，等.基于RGB颜色空间的矿井运动目标检测及跟踪方法[J].太原理工大学学报，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.