一种基于多源融合感知的机场净空障碍物识别方法与流程

本发明涉及机场净空安全监测，尤其涉及一种基于多源融合感知的机场净空障碍物识别方法。

背景技术：

1、随着民航运输规模的持续扩大以及机场运行密度的不断提升，机场净空安全逐渐成为保障飞行安全的重要基础条件。现有机场净空障碍物识别主要依赖人工巡检、单一视频监控或雷达监测方式，对机场周边建筑物、塔吊、树木及临时施工设施进行周期性排查。部分技术方案引入图像识别或雷达检测手段，对目标进行自动识别与定位，但整体仍以单一数据源为主，缺乏多维信息支撑，在复杂环境条件下识别稳定性和准确性存在明显不足。

2、在实际应用过程中，由于机场净空区域内存在多类型、多尺度及动态变化的障碍物，单一感知方式难以全面反映目标的空间结构特征。尤其是在雨雾天气、弱光环境或远距离监测场景下，图像数据易受到干扰，雷达数据分辨率有限，点云数据存在稀疏性，导致不同数据源之间存在时间不同步、空间坐标不统一及特征表达不一致的问题，从而难以实现对小型、低空或临时障碍物的准确识别与连续跟踪，影响整体检测效果。

3、现有技术在完成障碍物识别后，多仅对目标位置或高度进行静态判断，缺乏对障碍物空间占域关系及变化趋势的综合分析，难以准确评估障碍物对净空安全的动态影响。不同障碍物之间的空间关联关系及风险传播过程未被有效建模，导致风险判断结果存在滞后性和不连续性，难以支撑机场净空安全的实时监测与预警需求。

4、因此，如何提供一种基于多源融合感知的机场净空障碍物识别方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于多源融合感知的机场净空障碍物识别方法，本发明充分利用图像数据、点云数据、雷达数据、红外数据及地理高程数据的协同融合能力，通过构建多源融合空间数据场、净空占域关系图及改进rf-detr网络，实现对机场净空区域内障碍物的精确识别、空间定位与高度判定，并进一步通过障碍物空间影响域分析完成动态风险识别与预警输出，具备识别精度高、抗环境干扰能力强、对小目标与动态目标识别能力强以及风险判定及时性高的优点。

2、根据本发明实施例的一种基于多源融合感知的机场净空障碍物识别方法，包括：

3、采集机场净空区域内的多源感知数据，对多源感知数据执行预处理，生成净空感知数据集合；

4、对净空感知数据集合执行空间配准与坐标转换处理，将不同数据源映射至统一空间参考坐标系，构建多源融合空间数据场，对各数据源执行特征对齐与融合编码处理，生成多模态融合特征表示；

5、基于多源融合空间数据场构建净空占域关系图，执行图结构迭代更新，识别目标占域边界及占域演化状态，分离固定障碍物与动态障碍物，生成候选障碍物集合；

6、将候选障碍物集合对应的融合特征输入改进rf-detr网络，所述改进rf-detr网络在编码端并行设置图像-点云跨模态特征交互层与高程先验嵌入层，在解码端设置小目标动态尺度查询模块与高度联合回归头，对各候选目标执行类别识别、边界框回归、实例分割及高度精修处理，生成障碍物识别结果集合；

7、基于障碍物识别结果集合构建障碍物空间影响域，根据各障碍物的三维坐标、高度信息、占域范围及历史变化轨迹计算空间影响边界，执行影响域扩展、重叠融合及动态修正处理，识别各障碍物的侵限状态、风险传播方向及影响范围，生成净空风险判定结果；

8、对净空风险判定结果执行时间序列关联与变化趋势分析，输出障碍物动态风险状态、预警等级及空间分布信息，生成机场净空障碍物识别与预警结果。

9、可选的，所述多源感知数据包括图像数据、点云数据、雷达数据、红外数据、定位数据及地理高程数据。

10、可选的，所述对多源感知数据执行预处理，生成净空感知数据集合包括对所述多源感知数据执行时间同步、坐标统一、异常剔除及数据重采样处理，生成统一时间序列的净空感知数据集合。

11、可选的，所述生成多模态融合特征表示，包括：

12、读取净空感知数据集合中的图像数据、点云数据、雷达数据、红外数据、定位数据及地理高程数据，按照时间戳对同一采集时刻的数据进行对齐，剔除时间偏移超出预设范围的数据帧，生成时序对齐后的净空感知数据集合；

13、以定位数据和地理高程数据作为空间基准，建立机场净空区域对应的统一空间参考坐标系，读取各数据源的采集位置、安装姿态和空间分辨率，将图像数据、点云数据、雷达数据及红外数据分别转换至统一空间参考坐标系，生成统一空间坐标数据；

14、根据统一空间坐标数据划分机场净空区域的空间网格单元，将同一空间网格单元内的图像纹理信息、点云几何信息、雷达回波信息、红外辐射信息及地理高程信息进行位置匹配，生成空间网格对应的多源匹配数据；

15、对多源匹配数据执行特征对齐处理，将图像纹理信息、点云几何信息、雷达回波信息、红外辐射信息及地理高程信息按照同一空间网格单元进行顺序排列，并对缺失数据源位置进行标记和补齐，生成空间网格融合特征；

16、按照空间网格单元在统一空间参考坐标系中的排列位置，将各空间网格融合特征依次写入对应空间位置，形成包含位置、高度、几何、纹理、回波、辐射及高程信息的多源融合空间数据场，并对多源融合空间数据场执行融合编码处理，生成多模态融合特征表示。

17、可选的，所述生成候选障碍物集合，包括：

18、读取多源融合空间数据场和多模态融合特征表示，按照空间网格单元的排列位置逐项扫描各空间网格单元，提取各空间网格单元中的位置、高度、几何、纹理、回波、辐射及高程信息，将存在目标响应的空间网格单元标记为占域网格单元；

19、对占域网格单元执行空间连续性检测，将空间位置相邻、特征变化连续且高度分布一致的占域网格单元合并为初始占域单元，读取各初始占域单元的中心位置、外接轮廓、最大高度、最低高程、占用范围及融合特征，生成初始空间目标集合；

20、以初始空间目标集合中的每个空间目标作为图节点，以空间目标之间的邻近连接关系、高程关联关系及运动连续关系作为图边，记录各图节点的空间位置、轮廓范围、高度分布及融合特征，并记录各图边对应的邻近方向、高程差异和时序位移状态，构建净空占域关系图；

21、按照连续采集时刻对净空占域关系图执行图结构迭代更新，将新出现的占域网格单元并入对应图节点，将消失或分离的占域网格单元从对应图节点中剔除，并根据图节点的轮廓变化、高度变化和位置变化更新目标占域边界及占域演化状态；

22、基于更新后的目标占域边界及占域演化状态，对图节点进行固定状态与动态状态判定，将占域边界稳定且位置变化低于预设范围的图节点标记为固定障碍物，将占域边界连续移动或高度状态持续变化的图节点标记为动态障碍物，汇总固定障碍物和动态障碍物的空间位置、轮廓边界、初始高度及占域范围，生成候选障碍物集合。

23、可选的，所述生成障碍物识别结果集合，包括：

24、读取候选障碍物集合以及多模态融合特征表示，按照各候选障碍物的空间位置、轮廓边界、初始高度及占域范围，从多源融合空间数据场中截取对应区域的图像纹理特征、点云几何特征、雷达回波特征、红外辐射特征及地理高程特征，生成候选障碍物融合特征块；

25、将候选障碍物融合特征块输入改进rf-detr网络的编码端，读取候选障碍物对应的点云空间坐标和图像像素位置，依据统一空间参考坐标系建立点云空间位置与图像像素区域之间的对应关系，生成图像-点云对应索引；

26、在图像-点云跨模态特征交互层中，按照图像-点云对应索引提取每个点云位置邻近的图像纹理区域，并提取每个图像纹理区域对应的点云高度、点云密度、点云边缘及点云表面起伏信息，生成图像局部特征与点云局部特征的对应特征组；

27、对对应特征组执行双向特征更新处理，利用图像纹理区域中的边缘、颜色和轮廓信息修正点云目标边界，利用点云高度、空间深度和表面起伏信息补充图像目标的垂向结构，将更新后的图像特征和点云特征进行通道对齐与位置对齐，生成图像-点云交互增强特征；

28、将图像-点云交互增强特征与雷达回波特征、红外辐射特征及地理高程特征输入高程先验嵌入层，按照候选障碍物的初始高度、占域范围及地理高程信息执行高度位置嵌入、地面高程校正及垂向结构增强处理，生成携带净空高度信息的候选障碍物编码特征；

29、将候选障碍物编码特征输入改进rf-detr网络的解码端，通过小目标动态尺度查询模块按照候选障碍物的轮廓边界、占域范围及特征响应强度生成目标查询，并通过高度联合回归头执行类别识别、边界框回归、实例分割及高度精修处理，输出障碍物类别标签、二维边界框、实例分割轮廓、置信度、精确高度及三维坐标信息，生成障碍物识别结果集合。

30、可选的，所述生成净空风险判定结果，包括：

31、读取障碍物识别结果集合中的障碍物类别标签、二维边界框、实例分割轮廓、置信度、精确高度及三维坐标信息，并结合候选障碍物集合中的占域范围和历史变化轨迹，按照障碍物编号建立障碍物空间状态记录；

32、基于障碍物空间状态记录读取各障碍物的三维坐标、高度信息、占域范围和历史变化轨迹，确定各障碍物在水平位置、垂向高度和运动方向上的占用边界，并将占用边界向周围空间延伸，生成各障碍物对应的初始空间影响域；

33、根据各障碍物的类别标签、精确高度、占域范围、历史变化轨迹及置信度，对初始空间影响域执行扩展处理，将高度持续增加、位置持续靠近净空保护区域、占域范围持续增大的障碍物对应影响域进行外扩，将置信度不足或边界不稳定的障碍物对应影响域进行保守扩展，生成扩展后的障碍物空间影响域；

34、对扩展后的障碍物空间影响域执行重叠检测，将空间位置相邻、影响范围交叠或历史变化方向一致的多个障碍物空间影响域进行重叠融合，并按照融合后的外接边界、最高高度、最大占域范围和主要变化方向更新空间影响边界，生成融合空间影响域；

35、基于融合空间影响域读取各障碍物相对于净空安全高度、水平保护范围和进离场方向保护范围的位置关系，结合历史变化轨迹执行动态修正处理，识别各障碍物的侵限状态、风险传播方向及影响范围，并按照障碍物编号、侵限状态、风险传播方向、影响范围和风险等级生成净空风险判定结果。

36、可选的，所述生成机场净空障碍物识别与预警结果，包括：

37、读取净空风险判定结果中的障碍物编号、侵限状态、风险传播方向、影响范围、风险等级及对应时间戳，并按照障碍物编号将连续采集时刻的净空风险判定结果进行归并，生成障碍物风险时序记录；

38、基于障碍物风险时序记录，按照时间先后顺序读取同一障碍物在连续采集时刻的侵限状态、影响范围和风险等级，对相邻时刻的风险变化进行比对，生成障碍物风险变化序列；

39、根据障碍物风险变化序列识别障碍物的风险变化趋势，将影响范围持续扩大、风险等级持续升高或风险传播方向持续靠近净空保护区域的障碍物标记为风险上升状态，将影响范围稳定且风险等级未变化的障碍物标记为风险保持状态，将影响范围缩小或风险等级降低的障碍物标记为风险减弱状态，生成障碍物动态风险状态；

40、基于障碍物动态风险状态、侵限状态和风险等级确定预警等级，并将障碍物动态风险状态、预警等级、风险传播方向及影响范围映射至统一空间参考坐标系中的对应空间位置，生成空间分布信息；

41、按照障碍物编号汇总障碍物类别标签、三维坐标信息、精确高度、侵限状态、障碍物动态风险状态、预警等级及空间分布信息，生成机场净空障碍物识别与预警结果。

42、本发明的有益效果是：

43、本发明通过构建多源融合空间数据场，将图像、点云、雷达、红外及地理高程等多源异构数据在统一空间参考坐标系下进行对齐与融合，解决了现有技术中多源数据时间不同步、空间不一致及特征表达分散的问题，使得不同感知手段之间形成有效互补，提升复杂环境条件下障碍物的感知完整性与空间表达一致性，提高了对远距离、小尺度及低对比度目标的检测能力。

44、本发明通过引入净空占域关系图及改进rf-detr网络，对障碍物的空间结构特征、占域边界及演化状态进行联合建模，实现了从单一目标识别向空间关系识别的转变，能够在连续时序数据中稳定分离固定障碍物与动态障碍物，并对目标进行精确分类、定位及高度估计，提高了障碍物识别的准确性与稳定性，增强了对临时障碍物及动态目标的识别能力。

45、本发明通过构建障碍物空间影响域并结合时间序列变化趋势，对障碍物的侵限状态、风险传播方向及影响范围进行动态分析，克服了现有技术仅进行静态判断、缺乏连续风险评估的问题，使得净空风险判定结果具备连续性与前瞻性，能够实现对潜在风险的提前识别与预警，有效提升机场净空安全管理的实时性与可靠性。