技术领域本发明涉及一种机场起落架收放自动监测系统及方法。
背景技术：
改革开放以来，国家投入巨资引进了先进的航空器，改扩建、新建了不少民用机场和空管保障设备。国内所有的机场运行标准在不同程度上得到改善，我国民航事业已从民航大国向民航强国迈进。飞机飞行安全成为航空的A级空难，其中飞机起落架的问题也在其中。众所周知，飞机在起落架打不开的时候，非常容易发生险情，稍有不慎就会造成机毁人亡。飞机降落前，为确证飞机起落架已放下，除了机上的指示设备外，还在塔台旁设一名观察员用望远镜监测。该方法由于受人员因素(如疲劳、分心等)及天气因素的影响，可靠性较差。近年来，因机上设备失灵且观察员失职误断而导致的飞行等级事故时有所闻。
技术实现要素：
有鉴于此，本发明的目的是提供一种机场起落架收放自动监测系统及方法。本发明采用以下技术方案实现：一种机场起落架收放自动监测系统，其包括前端探测设备、信息处理设备以及后端指挥控制系统；所述前端探测设备采集的信息由信息处理设备处理后远程传输至后端指挥控制系统；所述前端探测设备包括主前端设备和备前端设备；信息处理设备包括主信息处理设备和备信息处理设备；主前端探测设备和备前端探测设备分别安装在机场跑道两侧。进一步的，根据权利要求1所述的机场起落架收放自动监测系统，其特征在于：所述主前端探测设备和备前端探测设备均包括转台及安装在转台内部的红外成像系统；所述转台包括方位驱动电机、俯仰驱动电机、U型架和球形载物体；方位驱动电机的滑环连接U型架；所述俯仰驱动电机设置在U型架上端；俯仰驱动电机的电机轴连接球形载物体；红外成像系统安装在转台的球形载物体内；方位驱动电机的驱动电路及俯仰驱动电机的驱动电路均与信息处理设备连接。进一步的，所述红外成像系统包括红外热像仪及可见光摄像机。较佳的，所述主信息处理设备和备信息处理设备分别安装主前端探测设备的底座内和备前端探测设备的底座内。本发明提供一种基于上述的机场起落架收放自动监测系统的监测方法，其特征在于：信息处理设备包括图像处理和信息传输两个功能；图像处理包括飞机的目标自动捕获、目标精确稳定跟踪、目标航迹计算标示以及目标的姿态判断；信息传输包括对多传感器的图像进行融合压缩处理后形成视觉能观察的单幅图像，再进行参数的整合从而将图像、参数以及现场的相关信息进行特征级融合后进行信息传输；指挥控制系统通过指控命令选择前端探测设备的监控方向，即主要的降落方向，前端探测设备通过对指定方向的飞机飞行监视和净空的观察，判断飞机飞行的安全性；前端探测设备自动在空域中探测飞行的飞机，信息处理设备对指定的航线范围内的目标进行有效的跟踪和距离测量，分析飞机的飞行姿态和飞行的航迹，在同一航线上，若存在多个飞行的飞机，则进行多目标的跟踪，并同时对多目标进行航迹的计算和分析，优先级最大的是最接近机场的飞机；指挥控制系统将前端提供的信息进行专用语言转化，形成指导飞行员安全飞行的专用术语；并利用显示终端显示前端探测设备的图像信息，从而向指挥员提供现场的态势信息；指挥控制系统还接收信息处理设备计算的飞机航迹并将其与实际的飞机航迹、理论上安全的飞行航迹比较，指挥员根据比较结果提示飞行员进行飞行轨迹修正；同时指挥控制系统根据信息处理设备计算的飞机的当前姿态和根据天气条件计算出来的飞行姿态，指导飞行员进行飞机姿态的调整。进一步的，主信息处理设备和备信息处理设备之间的信息进行融合共享，形成冗余的处理手段，且现场的信息处理设备信息进行像素级的融合，形成综合图像信息；两台设备的互为备份通过ip号优先级的方式或者c/s的模式进行主设备的选择图像处理采用多核的cpu进行全场景的实时目标检测；所述图像处理包括以下步骤：步骤一：对图像进行预处理；步骤二：将预处理后的图像分割成目标块，将目标块按连通域进行连续序号的标号，目标的每段用一个三元组表示，即(起始坐标，终止坐标，标记)，记为(S，E，L)，用一个2维动态分配数组segment表示整个图像中所有段的跑长码，用一个一维数组seg_num[m]表示每一行的目标段数，m为图像的行数，邻接表为2行tab_leng列的2维数组neighbor[i][tab_leng]，邻接表表示具有这两种标记的目标段应属于同一连通域；步骤三：在航迹处理中，通过引入检测前跟踪概念，对各潜在目标建立置信度目标链，置信度目标链包含了目标区域的有关特征值；选择如下特征参数作为目标确认阶段区分真假目标的依据：标号目标连通域的面积SK(1，2，…，k)，k为已标号目标区域的总数目；标号目标连通域的灰度最大值IK；标号目标连通域的平均对比度CK，其定义为：CK＝μK-μB，其中μK为目标区对应的灰度均值，μB为目标区周围的背景灰度的均值；目标区的质心坐标XK和YK；在上述这些特征中，S属于目标的结构特征；I属于目标的强度特征；C属于统计类特征；X和Y属于空间特征，所以，若定义特征矢量Fk为：Fk＝[Sk,Ik,Ck,Xk,Yk]，则Fk为后续目标确认处理作为区分真假目标和敌我目标的依据；步骤四：利用特征匹配法是进行目标确认；当图像中包含多个目标时，采用前面定义的特征矢量，按特征匹配法来实现帧-帧之间的目标确认：首先在前后两帧图像进行匹配算法，求取各相应图像之间的欧式距离，以此作为失配误差测度，然后建立特征量距离测度矩阵，将当前帧内每一目标对前一帧目标作移动，以求得最佳匹配测度矩阵，最后按最佳匹配进行定位；步骤五：在跟踪阶段，对潜在目标采用了自动控制的灰度加权质心跟踪算法。在本发明一实施例中，所述步骤一包括以下步骤：建立目标场景图像模型：包含有目标的场景图像f(x,y)可以描述为：f(x,y)＝fT(x,y)+fB(x,y)+n(x,y)，式中fT(x,y)为目标灰度值；fB(x,y)为背景图像；n(x,y)为噪声图像；背景图像fB(x,y)占据了场景图像f(x,y)空间频率中的低频信息，由于场景和传感器内部热分布不均匀性，背景图像fB(x,y)是一个非平稳过程，图像中局部灰度均值会有较大的变化；噪声图像n(x,y)是传感器及电路产生的各类噪声的总和，它与背景象素不相关，在空间频率域表现出高频特征，但它在空间分布是随机的，帧间的分布没有相关性；在多帧积累检测阶段利用其帧间的不同特征区分fB(x,y)和n(x,y)；利用fB(x,y)和n(x,y)的相关长度长的特点，选用形态滤波抑制在图像灰度分布统计中占主要成分的背景图像，提高目标与背景的信噪比。在本发明另一实施例中，所述步骤一包括以下步骤：将图像分为若干个大小相同的区域，对每个区域进行数学统计，估计出每个区域的均值、方差，然后利用数学模型进行匹配，完成若干个绝对背景区域分析，形成统计报告暂存在RAM中；若系统发现可疑的背景区域起伏或变化，则采用视觉放大的原理进行区域细分，对若干个小区域进行进一步的估计和分析，从而判断该区域是否出现可疑目标。进一步的，目标航迹计算标示包括以下步骤：先根据前期目标确认的结果在图像中选取一定范围的目标区域作为模板；进入目标跟踪后，依次提取出与模板大小相同的子图像，按照平均鲁棒差算法对目标进行匹配定位；由于目标姿态和大小一直发生变化，因此必须根据匹配图像与模板间相似程度适时地更新模板，保证跟踪的稳定性；在稳定跟踪的基础上，记录目标的空域位置，通过卡尔曼滤波的方式推算目标的轨迹，并且在过程中进行实时预测，形成预测的飞行轨迹和实际飞行轨迹，并计算两者的偏差，从而精确定位目标的航迹，并且结合机场的飞机航线图，即可确切的分析出飞机目前距机场的距离，从而进一步确定起落架放置的整个过程符合要求的情况。进一步的，目标的姿态判断包括以下步骤：通过特征点匹配的方式对飞机的翼展和飞机的机头部进行特征提取，利用几何的比例关系进行起落架的位置确定；确定位置点后，通过飞机的尺寸特征对飞机进行缩小放大以及飞机姿态的分析，确定飞机的起落架合理状态，并且根据起落架理论上在图像中的显示状态，确定飞机起落架的放置的状态。与现有技术相比，本发明具有以下优点：系统采用红外起落架监测方式，能够解决目前航空飞行中的不能有效判断起落架状态的问题，尤其是在能见度不够的情况下，人工不能参与的状态下。同时系统采用被动的方式对飞行进行有效的导航和航迹判断，提供飞行指挥人员必要的直观的图像和参数信息，提高飞行效率，结合上整个飞行的雷达，做到飞行过程中的全过程监控，进一步能够实现飞行的真正意义上的安全降落。而且系统对机场不存在任何辐射和干扰，系统本身的结构小，不会对飞行滑行等造成影响。附图说明图1为本发明的监测系统的安装示意图。图2为本发明一实施例的前端探测设备的结构示意图。图3为本发明一实施例的图像处理流程示意图。具体实施方式下面结合附图和具体实施例对本发明做进一步解释说明。一种机场起落架收放自动监测系统，其特征在于：包括前端探测设备、信息处理设备以及后端指挥控制系统；所述前端探测设备采集的信息由信息处理设备处理后远程传输至后端指挥控制系统；所述前端探测设备包括主前端设备和备前端设备；信息处理设备包括主信息处理设备和备信息处理设备；主前端探测设备和备前端探测设备分别安装在机场跑道两侧。安装示意图参见图1。本发明一实施例的探测设备结构示意图参见图2。主前端探测设备和备前端探测设备均包括转台及安装在转台内部的红外成像系统；所述转台包括方位驱动电机5、俯仰驱动电机4、U型架16和球形载物体8；方位驱动电机的滑环7连接U型架16；所述俯仰驱动电机设置在U型架上端；俯仰驱动电机的电机轴2连接球形载物体；红外成像系统安装在转台的球形载物体内；方位驱动电机的驱动电路及俯仰驱动电机的驱动电路均与信息处理设备连接。驱动电路包括测方位码盘6、范围测速器12、俯仰码盘10、俯仰测数器1。转台的双轴在伺服系统的控制和方位驱动电机5、俯仰驱动电机4的驱动下可以在方位俯仰的范围内运动。俯仰驱动电机的安装：可以在U型架上端设置一轴承座，固定俯仰驱动电机的轴承11，俯仰驱动电机轴2穿过轴承11；同理在方位电机的安装为：设置一轴承座，固定方位动电机的轴承13，滑环7穿过轴承13连接U型架。滑环7为光电滑环，霍尔元件15用于检测方位驱动电机相位角、滑环转速，并将检测信号送往驱动电路。较佳的，可以设置一方位锁14，实现对方位驱动电机的转动方向的限位。所述红外成像系统包括红外热像仪3及可见光摄像机9。在对机场飞机起落架监测需求分析基础上，前端探测设备的目标监视部分拟采用高分辨率的红外长波探测器对飞机进行探测，长波红外能够很有效的区分天空背景和飞机目标；而且采用高分辨率面阵能够清晰的探测到飞机状态，对目标进行准确的定位。在本发明一实施例中系统选用的主要探测器指标如下：●工作波段：非制冷7.5～9μm●探测元：640×480●像元尺寸：25μm×25μm●F数：2●视场角：6°×4.5°或者2.4°×1.8°●NETD：<30mk25℃●积分时间可分档控制在对飞机进行降落过程中，需要对飞机进行稳定跟踪，因此整个光学系统由可旋转的转台进行支撑。转台采用球形结构进行设计，双轴转台由方位驱动电机、方位码盘、方位测速机和俯仰驱动电机、俯仰码盘、俯仰测速机及U型架和球形载物体组成。非制冷红外热像仪、可见光摄像机安装在转台“U”型架的中间球体内。转台的双轴在伺服系统的控制和方位、俯仰电机的驱动下可以在方位俯仰的范围内运动。为提高视频探测设备的环境适应性，转台设计上采取了如下措施：-考虑到视频探测设备将安装在使用当地的山顶或高架塔上，为减少风阻，提高设备抗飓风的能力，将转台的跟踪头设计成球形，而固定机座采用大圆盘底结构。-为防风沙和高温潮湿，转台的跟踪头和俯仰与方位的轴系均进行严格密封，且表面涂防锈漆。针对其性能指标重点放在确保低速性能上，要求其运动平稳、匀速，且重复精度高。保证伺服转台在做目标稳定跟踪运动时，即使使用红外成像的小视场观察目标，其图像也十分稳定清晰，不会出现明显的图像抖动和图像模糊现象。较佳的，在系统中预留gps和陀螺仪的接口，在系统安装施工过程中，可以对设备进行准确的标绘，形成地理绝对坐标。可以将来在其它系统集成信息时，提供自身和飞行目标的空中三维定位信息，可以进一步转换系统的显示模式。较佳的，所述主信息处理设备和备信息处理设备分别安装主前端探测设备的转台底座内和备前端探测设备的转台底座内。信息处理系统采用密封的方式，设计在前端设备的底座中，从外观上看，和前端探测设备成为一体，但是功能上完全独立。现场的通信网络优先采用光纤形式，在环境条件不允许的情况下，可以采用wifi传输模式或者指定的无线通道，主要传输的信息内容包括：压缩后的图像视频流和参数信息，在有限的带宽条件下可以正常的进行信息传输，而不至于导致系统不能正常工作。本发明提供一种基于上述的机场起落架收放自动监测系统的监测方法，信息处理设备包括图像处理和信息传输两个功能；图像处理包括飞机的目标自动捕获、目标精确稳定跟踪、目标航迹计算标示以及目标的姿态判断；信息传输包括对多传感器的图像进行融合压缩处理后形成视觉能观察的单幅图像，再进行参数的整合从而将图像、参数以及现场的相关信息进行特征级融合后进行信息传输；指挥控制系统通过指控命令选择前端探测设备的监控方向，即主要的降落方向，前端探测设备通过对指定方向的飞机飞行监视和净空的观察，判断飞机飞行的安全性；前端探测设备自动在空域中探测飞行的飞机，信息处理设备对指定的航线范围内的目标进行有效的跟踪和距离测量，分析飞机的飞行姿态和飞行的航迹，在同一航线上，若存在多个飞行的飞机，则进行多目标的跟踪，并同时对多目标进行航迹的计算和分析，优先级最大的是最接近机场的飞机；指挥控制系统将前端提供的信息进行专用语言转化，形成指导飞行员安全飞行的专用术语；并利用显示终端显示前端探测设备的图像信息，从而向指挥员提供现场的态势信息；指挥控制系统还接收信息处理设备计算的飞机航迹并将其与实际的飞机航迹、理论上安全的飞行航迹比较，指挥员根据比较结果提示飞行员进行飞行轨迹修正；同时指挥控制系统根据信息处理设备计算的飞机的当前姿态和根据天气条件计算出来的飞行姿态，指导飞行员进行飞机姿态的调整。进一步的，主信息处理设备和备信息处理设备之间的信息进行融合共享，形成冗余的处理手段，降低对空中飞行的飞机的误报率，提高信息的准确度，并且现场的设备信息可以进行像素级的融合，形成综合图像信息，有效的提高图像的信息提取准确度。两台设备的结构基本相同，只是从接收和发送端的区别，通过ip号优先级的方式或者c/s的模式进行主设备的选择，确保系统的兼容性和健壮性。图像处理采用多核的cpu进行全场景的实时目标检测，一旦发现飞行的飞机目标，即刻对其进行航迹的建立，目标的距离和目标的姿态分析。红外成像图像不但包含所需要的目标，而且包含各种随机噪声和起伏背景。其中，背景干扰是一种二维随机过程，它既不是平稳的，又不是各态历经的，背景可能是天空，或地物，因此，找到一种能在多种背景条件下都适用的、实时、有效的软件系统，是算法软件设计的重要任务。基于以上想法，给出了系统算法软件的工作原理框图如图3所示，其中各部分的机理和功能简述如下：a.图像预处理远距离的目标在图像中一般呈现为一个或几个象素点的大小，信噪比很低，目标图像携带的信息量也少，这给远距离目标图像检测带来较大的困难。而且搜索的时间相对较长，想利用多帧的边跟踪边检测的方法已经不现实，如若能对单帧远距离目标场景图像进行有效地检测，则这一问题可较好地解决。通过对远距离目标亮度分布特性的分析及其背景抑制方法的研究，这里提出了两种提高远距离目标图像单帧检测概率的方法。方法一：主要采用目标增强、背景抑制，结合形态滤波，来实现对低信噪比情况下远距离目标的图像预处理。首先从分析目标场景图像模型出发，讨论背景图像的抑制方法。建立目标场景图像模型：包含有目标的场景图像f(x,y)可以描述为：f(x,y)＝fT(x,y)+fB(x,y)+n(x,y)上式中fT(x,y)为目标灰度值；fB(x,y)为背景图像；n(x,y)为噪声图像。背景图像fB(x,y)通常都有较长的相关长度，它占据了场景图像f(x,y)空间频率中的低频信息。同时，由于场景和传感器内部热分布不均匀性，背景图像fB(x,y)是一个非平稳过程，图像中局部灰度均值可能会有较大的变化。噪声图像n(x,y)是传感器及电路产生的各类噪声的总和，它与背景象素不相关，在空间频率域表现出高频特征，但它在空间分布是随机的，帧间的分布没有相关性。依上述分析可得出，目标点象素fT(x,y)和噪声图像n(x,y)在单帧图像中表现出相近的特征，单帧图像目标检测阶段无法将它们区分开，但在多帧积累检测阶段可利用其帧间的不同特征区分。而背景图像fB(x,y)则在单帧图像目标检测阶段就表现出与目标象素fT(x,y)和噪声图像n(x,y)不同的特点。因此可利用其相关长度长的特点，选用适当的背景抑制算法，抑制在图像灰度分布统计中占主要成分的背景图像，提高目标与背景的信噪比。实际上，每帧目标场景图像中所包含的背景图像总是有差别的，从不同角度分析背景与目标象素间的差别，可以得出不同的背景抑制方法。背景多是大面积平缓变化场景，象素间有强相关性，占据图像空间频率域的低频分量。为了抑制这种背景，可以在空间图像间做高通模板的卷积或在频率域做频域高通滤波。这种高通模板空间卷积相当于从原图像中减去图像低频分量的估计值。另外，来自光学传感器的图像信号，在形成、传输、接收和处理过程中，由于媒质的实际性能和设备的限制，不可避免地存在着各种外部噪声和内部噪声干扰。正是由于噪声的存在，使观察的图像信号被污染。因此，滤除噪声、恢复和重建图像是在目标检测之前的必要步骤，用以降低图像噪声和失真程度，以利于后继处理。线性滤波以其完善的理论基础，数学处理简单，易于采用FFT和硬件实现等优点，一直在图像滤波领域占有举足轻重的地位。众所周知，线性滤波(FIR、IIR)对加性高斯噪声有较好的平滑作用，但是，对脉冲干扰和其它形式的噪声干扰抑制效果差，模糊信号边缘。以中值滤波器为代表的非线性滤波器尽管具有良好的窄脉冲干扰抑制能力，但易使附加信号失真和图像信号结构信息丢失。而在本发明中采用一种新型的滤波器——形态滤波。该滤波器把线性滤波器和非线性滤波器的优点有机地结合起来，对噪声的抑制和细节保持优于传统的线性滤波器和中值滤波器，同时也具有抑制背景的能力。方法二：采用类似于人眼的目标检测模式，将图像分为若干个大小相同的区域，对每个区域进行数学统计，估计出每个区域的均值、方差，然后利用数学模型进行匹配，完成若干个绝对背景区域分析，形成统计报告暂存在RAM中；若系统发现可疑的背景区域起伏或变化，则采用视觉放大的原理进行区域细分，对若干个小区域进行进一步的估计和分析，从而判断该区域是否出现可疑目标；简而言之，该方法的核心是检测背景，通过检测背景的变化来检测是否存在目标。b.目标标号目标标号处理的任务是将分割后的目标块，按连通域进行连续序号的标号；并按某种准则对标号进行排序，例如按威胁度排序，威胁度最大的区域(即目标)标为1，其次为2，…这样，处理机按序号大小就可以识别出当前图像中潜在的目标，从而为后续处理中有序地提取各潜在的目标特征和目标确认提供了方便。这里采用的目标标号方法为修正的快速跑长码法。算法使用一种伪跑长码来记录图像中目标区域。目标的每段用一个三元组表示，即(起始坐标，终止坐标，标记)，记为(S，E，L)，用一个2维动态分配数组segment表示整个图像中所有段的跑长码，例如segment[i][j].S表示图像中第i行第j个目标段的起始坐标。另用一个一维数组seg_num[m]表示每一行的目标段数，(m为图像的行数)。邻接表为2行tab_leng列的2维数组neighbor[2][tab_leng]，它表示标记neighbor[1][j]和neighbor[2][j]相邻，也就是说，具有这两种标记的目标段应属于同一连通域。c.特征提取完成目标标号后，在航迹处理中，通过引入“检测前跟踪(Track-Before-Detection)”的概念，对各潜在目标建立置信度目标链，它包含了目标区域的有关特征值。在目标为小目标状态时，可利用目标区域的均值、方差、中值、目标位置以及速度等作为特征；而目标呈现为面状时，反映目标形状的特征已很明显，可以依照目标图像形状的不变特征，对照已建立的目标数据库，完成目标的确认和分类。比较有效和实用的目标确认方法是：特征匹配分类法。目标特征的选择与特征提取是目标跟踪系统的重要环节。为有效地区分出图像中的不同目标，往往需要对图像中每个可能的目标区域用更为准确的数值或图形来表示，这些数值、图形是按一定的概念和公式从已标号的区域中产生的，它们反映了目标重要的基本属性，通常称之为目标特征。在实际应用中，所提取的目标特征一般随后续目标确认处理方法不同而不同。根据以往的工作经验，选择如下特征参数作为目标确认阶段区分真假目标的依据：标号目标连通域的面积SK(1，2，…，k)，k为已标号目标区域的总数目；标号目标连通域的灰度最大值IK；标号目标连通域的平均对比度CK，其定义为：CK＝μK-μB，其中μK为目标区对应的灰度均值，μB为目标区周围的背景灰度的均值；目标区的质心坐标XK和YK。在上述这些特征中，S属于目标的结构特征；I属于目标的强度特征；C属于统计类特征；X和Y属于空间特征，所以，若定义特征矢量Fk为：Fk＝[Sk,Ik,Ck,Xk,Yk]则Fk就是后续目标确认处理作为区分真假目标和敌我目标的依据。d.目标确认目标确认的好坏对目标跟踪至关重要，而目标确认是很复杂和很困难的工作。该过程是红外搜索跟踪系统的关键所在，通过大量的理论分析和以往的工作经验，认为特征匹配法是一种目标确认效果比较好的方法。这一方面的算法原理已经在IRSS-2型的搜索系统中得到验证，主要是利用Kalman滤波的原理，同时结合搜索系统的长周期目标特征变化的特点进行目标确认。当图像中包含多个目标时，可以采用前面定义的特征矢量，按特征匹配法来实现帧-帧之间的目标确认。其步骤是：首先在前后两帧图像进行匹配算法，求取各相应图像之间的欧式距离，以此作为失配误差测度，然后建立特征量距离测度矩阵，将当前帧内每一目标对前一帧目标作移动，以求得最佳匹配测度矩阵，最后按最佳匹配进行定位。总之，通过对帧-帧之间的目标确认，可以使处理机类似人一样，盯住(跟踪)多个目标，确认是否是观察过程中出现的新目标？哪些目标可以确认下来？哪些目标已经消失？所以，目标确认过程其实是一个智能化的过程。e.目标跟踪在跟踪阶段，对潜在目标采用了自动控制的灰度加权质心跟踪算法。这种方法只须几次迭代即可完成精确定位，且与目标的运动规律无关。其特点是具有强的抗干扰能力和计算精度。随着传感器与目标之间距离的接近，信噪比进一步增大，跟踪误差愈来愈小。由于系统采取了边检测、边确认、边跟踪的目标跟踪技术，所以能逐次消除假目标、捕获真目标，自动进入目标稳定跟踪状态，并连续给出目标位置和角速度信息，这一过程一直持续到系统完成跟踪控制任务。起落架相对于飞机而言，其特征显著度不够，但是起落架相对于飞机的位置是固定的，在对起落架进行辨识的过程中，系统利用飞机的形态特征，对飞机进行姿态辨认，通过特征点匹配的方式对飞机的翼展和飞机的机头部进行特征提取，利用几何的比例关系进行起落架的位置确定，确定位置点后，通过飞机的尺寸特征对飞机进行缩小放大以及飞机姿态的分析，确定飞机的起落架合理状态，并且根据起落架理论上在图像中的显示状态，确定飞机起落架的放置的状态。在飞机距离机场距离较远的情况下，通过计算飞机在图像中呈现的尺寸调整视场角度，同样，一旦飞机大于视场特征参数取值范围，可以对视场进行放大。也就是说，为了能够对飞机起落架进行有效的判断，辨识，需要实时根据起落架的图像对视场进行动态的自适应调整。通常情况下，飞机在降落的过程中，飞机的头部需要略微抬起，前起落架通常相对于机体的分辨率较低，因此系统识别过程中需要针对局部进行图像增强处理，提高图像的局部清晰度，也可以控制探测器的积分时间，提高图像采集的对比度。前端存在两套系统，为了能够进行目标的精确定位，同时能够提供一主一备，因此这两套设备的位置需要保持一定的距离，但是也不能分散较大，有了一定的距离后，到时两幅图像观测的物体不能完全相同，之间存在视觉误差，立体匹配是双目体视中最关系、困难的一步。与普通的图像配准不同，立体像对之间的差异是由摄像时观察点的不同引起的，而不是由其它如景物本身的变化、运动所引起的。根据匹配基元的不同，立体匹配可分为区域匹配、特征匹配和相位匹配三大类。本方案中主要采用区域匹配算法。区域匹配算法的实质是利用局部窗口之间灰度信息的相关程度，它在变化平缓且细节丰富的地方可以达到较高的精度。但该算法的匹配窗大小难以选择，通常借助于窗口形状技术来改善视差不连续处的匹配；其次是计算量大、速度慢，采取由粗至精分级匹配策略能大大减少搜索空间的大小，与匹配窗大小无关的互相关运算能显著提高运算速度。对由于成像平台运动而造成的图像背景的运动进行了补偿之后就可利用图像时域差分的方法对图像中的运动目标进行检测，但是由于图像噪声、物体表面反射特性的变化、光照条件的变化以及运动估计与补偿存在的误差等种种因素的影响，差分图像往往包含很多杂散点，直接对差分图像进行分割并提取目标会产生非常大的误差，为此项目组引入了基于Bayes准则的粒子滤波器(particlefilter)来消除这些影响以准确地提取目标。粒子滤波器是非线性动态多模式滤波器，它的思想就是利用样本集来表述概率，即某个状态出现的概率等同于代表此状态的粒子数。粒子滤波器融合了目标的多帧运动信息和运动目标在差分图像中的高灰度值信息，将这些信息转化为概率问题，再将概率转化为粒子的数目与权值问题，再对粒子在状态空间进行聚类与分割就能提取运动目标。一般的粒子滤波器粒子的个数固定，无论是无目标时的分散分布还是有目标时收敛于目标区域的集中分布粒子个数都一样，这样粒子滤波器的处理效率会大大降低，为此引入自适应粒子滤波器，它随粒子分布的集中程度来自适应确定粒子的个数，粒子越集中所需的粒子数越少。相关匹配跟踪的流程为：先根据前期目标确认的结果在图像中选取一定范围的目标区域作为模板。进入目标跟踪后，依次提取出与模板大小相同的子图像，按照平均鲁棒差算法对目标进行匹配定位。由于目标姿态和大小一直发生变化，因此必须根据匹配图像与模板间相似程度适时地更新模板，保证跟踪的稳定性。在稳定跟踪的基础上，记录目标的空域位置，通过卡尔曼滤波的方式推算目标的轨迹，并且在过程中进行实时预测，形成预测的飞行轨迹和实际飞行轨迹，并计算两者的偏差，从而精确定位目标的航迹，并且结合机场的飞机航线图，即可确切的分析出飞机目前距机场的距离，从而进一步能够确定起落架放置的整个过程符合要求的情况。上列较佳实施例，对本发明的目的、技术方案和优点进行了进一步详细说明，所应理解的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。