摘要
机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变,皆为点源定位等问题。针对这些问题,设计出基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标检测速度和准确度;提出了一种基于优化特征点提取的改进ORB算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。实验结果表明,MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5%,在效率方面提升14张/s;同时在0-60m的范围内,轮廓估计误差仅为2.9%。体现了本文提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。
- 单位