1.一种基于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测方法，其特征在于，包括以下步骤：S1、输入红外激光线扫描的路面红外图像，提取路面红外图像中的激光线；

S2、对提取的激光线的y坐标作多邻域多阶梯度计算，得到激光线上的点对应的多阶梯度曲线；

S3、在多阶梯度曲线上找到极小值和极大值，根据图像过零点的特性定义如下异物、凹坑和路基的特征模式：在多阶梯度曲线上，若先出现梯度极小值，随后在一定窗口范围内出现了梯度极大值，则此特征模式表示异物，将梯度极小值到梯度极大值之间的激光线上的点的类别标签设置为异物；

如果先出现梯度极大值，随后在一定窗口范围内出现梯度极小值，则此特征模式为凹坑，将梯度极大值到梯度极小值之间的激光线上的点的类别标签设置为凹坑；

其余的特征模式则为路基，将这些激光线上的点的类别标签设置为路基；

S4、通过计算异物的高度信息过滤误判的异物，并根据标记的异物处的x坐标得到异物的位置；

S5、对后续输入的每一帧图像重复S1至S4的操作，将每一帧的异物图像进行拼接，合成最终的路面三维信息及异物标记结果。

2.根据权利要求1所述的基于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测方法，其特征在于，步骤S1具体为：输入激光线扫描的红外图像，依次对每一列的每个像素点的灰度值作 阶梯度运算，对于每一列像素点来说，都有一个梯度值的最大值 和最小值 ，记录梯度最大值的行数 和梯度最小值的行数 ， 表示激光线的上边界位置， 则是激光线的下边界位置，得到激光线的中心位置 ：

对输入图像的每一列的像素点都进行运算，提取整条激光线的中心点；

对提取到的激光线中心点的y坐标作一维中值滤波。

3.根据权利要求1所述的基于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测方法，其特征在于，步骤S2具体为：对提取的激光线的 坐标作前向邻域 阶梯度运算，为大于等于2的整数；

设定一个允许的波动阈值 ，遍历一遍提取的激光线的每个点的梯度值 ，将小于 的 置为0，得到一个处理过的激光线的多阶梯度曲线。

4.根据权利要求1所述的基于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测方法，其特征在于，步骤S3中，往右寻找多阶梯度曲线上的极小值，如果找到了多阶梯度曲线上的极小值 ，则开始寻找极大值，找到极大值后这两点形成异物模式匹配，其中极小值表示路面上的异物的左边界，极大值表示路面上的异物的右边界，将这两点的x坐标表示为 和 ，并记录；

设定一个允许的异物最大值 ，当 ，则认为存在以

为左边界位置、 为右边界位置的异物存在；如果 ，则认为此次配对不正确，舍去这组配对，并从 位置开始，重复执行步骤S3。

5.根据权利要求4所述的于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测方法，其特征在于，步骤S4中通过计算异物的高度信息过滤误判的异物具体为：计算 到 之间的激光线的平均高度 ：

；

计算其左邻域和右邻域的邻域高度 、 ，其中

计算 ，设定一个高度差阈值 ，当

满足 或者 时，则认为这段激光线不是扫描到异物形成的激光线，否则认为这段激光线是扫描到异物形成的激光线。

6.一种基于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测系统，其特征在于，包括：激光线提取模块，用于输入红外激光线扫描的路面红外图像，提取路面红外图像中的激光线；

多阶梯度曲线计算模块，用于对提取的激光线的y坐标作多邻域多阶梯度计算，得到激光线上的点对应的多阶梯度曲线；

特征模式识别模块，用于在多阶梯度曲线上找到极小值和极大值，根据图像过零点的特性定义如下异物、凹坑和路基的特征模式：在多阶梯度曲线上，若先出现梯度极小值，随后在一定窗口范围内出现了梯度极大值，则此特征模式表示异物，将梯度极小值到梯度极大值之间的激光线上的点的类别标签设置为异物；

如果先出现梯度极大值，随后在一定窗口范围内出现梯度极小值，则此特征模式为凹坑，将梯度极大值到梯度极小值之间的激光线上的点的类别标签设置为凹坑；

其余的特征模式则为路基，将这些激光线上的点的类别标签设置为路基；

检验模块，用于通过计算异物的高度信息过滤误判的异物，并根据标记的异物处的x坐标得到异物的位置；

拼接模块，用于将多帧经过异物标记的图像进行拼接，合成最终的路面三维信息及异物标记结果。

7.根据权利要求6所述的基于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测系统，其特征在于，多阶梯度曲线计算模块具体用于：对提取的激光线的 坐标作前向邻域 阶梯度运算，为大于等于2的整数；

设定一个允许的波动阈值 ，遍历一遍提取的激光线的每个点的梯度值 ，将小于 的 置为0，得到一个处理过的激光线的多阶梯度曲线。

8.根据权利要求6所述的基于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测系统，其特征在于，特征模式识别模块在进行异物模式识别时，具体往右寻找多阶梯度曲线上的极小值，如果找到了多阶梯度曲线上的极小值 ，则开始寻找极大值，找到极大值后这两点形成异物模式匹配，其中极小值表示路面上的异物的左边界，极大值表示路面上的异物的右边界，将这两点的x坐标表示为 和 ，并记录；

设定一个允许的异物最大值 ，当 ，则认为存在以

为左边界位置、 为右边界位置的异物存在；如果 ，则认为此次配对不正确，舍去这组配对，并从 位置开始，重新检测。

9.根据权利要求8所示的基于图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测系统，检验模块中通过计算异物的高度信息过滤误判的异物具体为：计算 到 之间的激光线的平均高度 ：

；

计算其左邻域和右邻域的邻域高度 、 ，其中

计算 ，设定一个高度差阈值 ，当

满足 或者 时，则认为这段激光线不是扫描到异物形成的激光线，否则认为这段激光线是扫描到异物形成的激光线。

10.一种计算机存储介质，其特征在于，其内存储有可被处理器执行的计算机程序，该计算机程序实现权利要求1‑5中任一项所述的图像过零点特性和异物特征模式匹配的机场跑道路面异物实时检测方法。