一种飞机泊位引导系统和方法与流程

1.本发明涉及飞机自动泊位技术领域，具体而言，涉及一种飞机泊位引导系统和方法。


背景技术：

2.飞机泊位引导系统能够为飞机在停机坪安全、高效停泊提供准确和规范的引导，指引飞行员以最优程序停泊飞机。飞机泊位过程是航班运行中的一个组成部分，使用辅助设备提高航班运行的效率和安全性也是机场现代化建设的一个组成部分。
3.目前，飞机泊位引导系统主要通过以下三种方式实现，分别为：(1)通过在多个位置安装埋地线圈实现飞机泊位自动引导，该方式具有造价低，不受环境光照影响，结构简单的优点。但是存在容易承受地表压力坏损，不易维护和更换，且不能识别机型和检测精度低的缺点。(2)采用摄像头进行视觉检测，对机场内飞机泊位区域实时监控泊位飞机，采用人工智能识别技术和图像处理技术对摄像机拍摄的图像进行目标快速检测，识别出飞机的机型，利用识别后的数据信息引导飞机进行泊位。但是，该图像技术在光照弱和能见度差的环境下适应能力差，且必须一直或周期性处于工作状态，降低了摄像头的使用寿命。(3)采用激光雷达进行检测，在航站楼或廊桥上安装激光雷达设备，发射的雷达信号可以准确探测飞机的距离，抗干扰能力和环境适应性强，但是对飞机的姿态较难精准测量，且必须一直或周期性处于工作状态，降低了激光雷达的使用寿命。


技术实现要素：

4.本发明的目的在于提供一种飞机泊位引导系统和方法，解决了现有技术中传统飞机泊位引导方法存在的不能识别机型、检测精度低、环境适应能力差的问题。
5.为解决上述技术问题，本发明采用的技术方案是：一种飞机泊位引导系统，包括控制终端，与所述控制终端连接的摄像设备、激光设备、埋地线圈和显示设备，所述摄像设备、激光设备和显示设备设于泊位正前方的航站楼上，所述摄像设备和激光设备分别用于采集图像数据和激光点云数据并发送至控制终端，所述显示设备用于显示飞机机型和距离数据，所述泊位上设置有停止区域和引导区域，并在与所述泊位一侧相连的跑道上设置有检测区域，所述停止区域、引导区域和检测区域始末端均埋设有埋地线圈，用于检测飞机所处区域，位于所述泊位正后方的跑道外侧设置有标志牌，用于配合摄像设备检测天气能见度值。
6.作为优选方案，所述飞机上具有特征部位，所述特征部位包括飞机的机头、发动机、起落架、舱门和机翼中的一种或多种。
7.本发明还公开了一种飞机泊位引导方法，应用于如上所述的飞机泊位引导系统上，包括如下步骤：当埋地线圈检测到飞机进入检测区域后，启动摄像设备采集标志牌图像；对所述标志牌图像预处理后，进行特征提取，获得标志牌区域图像；根据所述标志牌区域图像计算透射率，并进行反演获得能见度值；通过摄像设备采集飞机特征部位图像；采用
图像去噪算法对所述飞机特征部位图像进行预处理，并提取目标特征值；建立神经网络模型，并输入所述目标特征值，获得飞机机型；当埋地线圈检测到飞机进入引导区域后，判断所述能见度值是否低于第一阈值，若是，则控制摄像设备和激光设备同步对飞机姿态进行检测，获得激光点云和图像数据，并将其载入联合姿态引导模型，若否，则控制摄像设备对飞机姿态进行检测，获得图像数据，并将其载入视觉姿态引导模型；根据所述引导模型的输出结果，对飞机的姿态进行引导；当埋地线圈检测到飞机进入停止区域后，控制激光设备对飞机特征部位进行检测，获得飞机剩余前进距离，并根据所述飞机剩余前进距离控制飞机停止。
8.作为优选方案，所述标志牌图像包括背景天空区域和标志牌区域，则对所述标志牌图像预处理后，进行特征提取，获得标志牌区域图像，包括：结合预设标志牌区域形状参数，迭代扫描所述标志牌图像上的所有像素点，标记其中的相似像素点并记录在连通矩阵中，获得标志牌区域图像。
9.作为优选方案，根据所述标志牌区域图像计算透射率，并进行反演获得能见度值，包括：设能见度值记为v，
[0010][0011][0012]
上式中，t(x)为标志牌区域图像x坐标点的透射率，μ为去雾参数，0《μ《1，c为rgb颜色通道中的一个通道，ω(x)为以x为中心的局部区域，即标志牌区域，ic(x)为通道c上的标志牌区域图像，a为太阳光强度，v为能见度值，d为标志牌到摄像设备的距离，ε为对比感阈，取0.05。
[0013]
作为优选方案，采用图像去噪算法对所述飞机特征部位图像进行预处理，并提取目标特征值，包括：采用自适应权重形态学算法对所述飞机特征部位图像进行去噪和边缘检测，并提取目标特征值。
[0014]
作为优选方案，在进行边缘检测之前，还包括：判断所述能见度值是否低于第二阈值，若是，则将去噪后的图像输入边缘保留模型中，进行边缘保留处理；所述边缘保留模型的计算公式如下：
[0015][0016][0017][0018]
上式中，qi为输出像素的值，|o|为区域ok内像素的个数，k和i为像素索引，ak和bk为当窗口中心位于k时线性函数的系数，wi为引导图像的值，pi为输入像素的值，为输入
图像p在区域ok内的平均值，μk和分别为引导图像w在区域ok内的平均值和方差，κ为系数。
[0019]
作为优选方案，所述建立神经网络模型，包括：获取系统数据，并将所述系统数据划分为训练集、测试集和验证集，所述系统数据包括飞机特征部位的特征值和对应机型；将所述训练集输入初始模型中进行训练；设置初始模型的轮次，每间隔n轮次输出一次模型，并保存为中间模型；将所述验证集输入中间模型中，采用f1指标对所有中间模型进行评价，选择其中效果最好的模型，即为最终模型；利用所述测试集对最终模型进行测试，获得机型判断准确度。
[0020]
作为优选方案，所述联合姿态引导模型的处理过程，包括：采用maskr-cnn网络对所述图像数据进行特征定位和目标分割，获得特征部位图像；根据所述摄像设备和激光设备的相对安装位置关系，建立统一坐标系；根据所述统一坐标系，对所述激光点云进行解析，获得与所述特征部位图像对应的特征部位坐标，并构建引导线的直线方程；根据所述特征部位坐标和飞机机型尺寸数据，参照引导线，判断飞机的姿态相对于引导线是否偏移。
[0021]
作为优选方案，所述视觉姿态引导模型，包括：对图像数据进行预处理，并识别出飞机的特征部位；对所述特征部位进行持续跟踪，获取特征部位帧序列；以摄像设备为原心建立地理坐标系，构建引导线的直线方程，并标记特征部位帧序列坐标；根据所述特征部位帧序列坐标和飞机机型尺寸数据，参照引导线，判断飞机的姿态相对于引导线是否偏移。
[0022]
与现有技术相比，本发明的有益效果包括：将泊位和跑道划分为停止区域、引导区域和检测区域，飞机在检测区域内完成机型识别，在引导区域内完成姿态矫正，在停止区域内完成停止线距离计算。根据每个区域不同特点匹配使用不同设备和算法进行检测，充分融合摄像设备、激光设备和埋地线圈三种引导方法的优点，规避了各自缺陷，提高了机型识别、姿态检测和距离判断的可靠性和精准度。通过在泊位正后方设置标志牌，利用摄像设备检测当前能见度值，根据能见度值匹配不同算法模型，增强了该系统的抗干扰能力和环境适应性，能够为飞机驾驶员提供正确有效的泊位引导，实现了安全有效泊位，提高了机场运行效率。本技术中的摄像设备和激光设备在飞机进入指定区域才开始工作，避免长期处于检测状态，极大提高了设备的使用寿命。
附图说明
[0023]
参照附图来说明本发明的公开内容。应当了解，附图仅仅用于说明目的，而并非意在对本发明的保护范围构成限制。在附图中，相同的附图标记用于指代相同的部件。其中：
[0024]
图1为本发明实施例飞机泊位引导系统的结构示意图；
[0025]
图2为本发明实施例飞机泊位引导方法的流程示意图。
具体实施方式
[0026]
容易理解，根据本发明的技术方案，在不变更本发明实质精神下，本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此，以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
[0027]
根据本发明的一实施方式结合图1示出。一种飞机泊位引导系统，包括控制终端，与控制终端连接的摄像设备、激光设备、埋地线圈和显示设备。飞机上具有特征部位，特征
部位包括飞机的机头、发动机、起落架、舱门和机翼中的一种或多种。
[0028]
上述摄像设备、激光设备和显示设备设于泊位正前方的航站楼上，摄像设备和激光设备分别用于采集图像数据和激光点云数据并发送至控制终端，显示设备用于显示飞机机型和距离数据，泊位上设置有停止区域和引导区域，并在与泊位一侧相连的跑道上设置有检测区域，停止区域、引导区域和检测区域始末端均埋设有埋地线圈，用于检测飞机所处区域，位于泊位正后方的跑道外侧设置有标志牌，用于配合摄像设备检测天气能见度值。该标志牌默认为红色圆形。
[0029]
一具体实施例中，摄像设备采用分辨率为640*480的c-styleccd面阵摄像机，激光设备采用德尔福esr的毫米波雷达传感器。埋地线圈即振荡电路，当飞机经过时，由于空间介质发生变化引起振荡频率变化，从而实现飞机检测。为了提高埋地线圈的耐用性，在其上方覆盖有多层防护板，提高使用寿命。该控制终端可以为计算机、服务器或云平台等算力设施，用于对采集的多种数据进行分析处理，并将处理结果显示在显示设备上。
[0030]
参见图2，本发明公开了一种飞机泊位引导方法，应用于如上的飞机泊位引导系统上，包括如下步骤：
[0031]
s101，当埋地线圈检测到飞机进入检测区域后，启动摄像设备采集标志牌图像。摄像设备根据标志牌的方位坐标和预设摄像参数，对拍摄角度、焦距、亮度等进行调整，拍摄多帧图像。
[0032]
s102，对标志牌图像预处理后，进行特征提取，获得标志牌区域图像。该标志牌图像包括背景天空区域和标志牌区域。
[0033]
具体的，对标志牌图像预处理，包括：将标志牌图像灰度化后，再通过直方图均衡化对图像中像素个数多的灰度值进行展宽，对像素个数少的灰度值进行合并，以增强背景天空区域和标志牌区域的对比度，增加像素灰度值的动态范围。
[0034]
特征提取包括：结合预设标志牌区域形状参数，迭代扫描标志牌图像上的所有像素点，标记其中的相似像素点并记录在连通矩阵中，获得标志牌区域图像。例如，本实施例中标志牌为圆形，则标志牌区域图像也为圆形。
[0035]
在获得标志牌区域图像后由于其为灰度图像，还需要进行反灰度处理，即在标志牌图像上选取与灰度后标志牌区域图像相对应的图像作为最终标志牌区域图像。
[0036]
s103，根据标志牌区域图像计算透射率，并进行反演获得能见度值。
[0037]
根据标志牌区域图像计算透射率，并进行反演获得能见度值，包括：设能见度值记为v，
[0038][0039][0040]
上式中，t(x)为标志牌区域图像x坐标点的透射率，μ为去雾参数，0《μ《1，c为rgb颜色通道中的一个通道，ω(x)为以x为中心的局部区域，即标志牌区域，ic(x)为通道c上的标志牌区域图像，a为太阳光强度，v为能见度值，d为标志牌到摄像设备的距离，ε为对比感阈，取0.05。
[0041]
s104，通过摄像设备采集飞机特征部位图像，采用图像去噪算法对飞机特征部位图像进行预处理，并提取目标特征值。
[0042]
具体为：采用权重自适应形态学算法对飞机在平移、旋转情况下的特征部位图像进行去噪和边缘检测，并提取目标特征值。
[0043]
应理解，权重自适应形态学算法主要由3个部分组成，分别是形态学滤波处理、多方向边缘提取、方向自适应权重的计算。权重自适应形态学算法在同一尺度下对多个结构元素分别进行边缘检测，并得到该尺度下的边缘图像，利用形态学结构元素探针原理，在腐蚀过程中，根据结构元素可填入次数，以及不同尺度结构元素的抗噪性能，来确定加权值的大小，然后对不同尺度下的边缘图像进行加权求和，再经二值化、去噪处理，最后得到目标特征值。
[0044]
在进行边缘检测之前，还包括：判断能见度值是否低于第二阈值，若是，则将去噪后的图像输入边缘保留模型中，进行边缘保留处理。避免由于能见度值过低，造成图像边缘信息丢失严重，造成检测误差过大。
[0045]
边缘保留模型的计算公式如下：
[0046][0047][0048][0049]
上式中，qi为输出像素的值，|o|为区域ok内像素的个数，k和i为像素索引，ak和bk为当窗口中心位于k时线性函数的系数，wi为引导图像的值，pi为输入像素的值，为输入图像p在区域ok内的平均值，μk和分别为引导图像w在区域ok内的平均值和方差，κ为系数。
[0050]
s105，建立神经网络模型，并输入目标特征值，获得飞机机型。
[0051]
建立神经网络模型，包括：
[0052]
1)获取系统数据，并将系统数据划分为训练集、测试集和验证集，系统数据包括飞机特征部位的特征值和对应机型。
[0053]
2)将训练集输入初始模型中进行训练。设置初始模型的轮次，每间隔n轮次输出一次模型，并保存为中间模型。
[0054]
3)将验证集输入中间模型中，采用f1指标对所有中间模型进行评价，选择其中效果最好的模型，即为最终模型。
[0055]
f1指标的计算公式如下：
[0056][0057]
其中，p为准确率，r为召回率。
[0058]
4)利用测试集对最终模型进行测试，获得机型判断准确度，当准确度满足使用需
求时，即可投入使用。
[0059]
s106，当埋地线圈检测到飞机进入引导区域后，判断能见度值是否低于第一阈值，若是，则控制摄像设备和激光设备同步对飞机姿态进行检测，获得激光点云和图像数据，并将其载入联合姿态引导模型。若否，则控制摄像设备对飞机姿态进行检测，获得图像数据，并将其载入视觉姿态引导模型。
[0060]
其中，联合姿态引导模型的处理过程，包括：
[0061]
1)采用maskr-cnn网络对图像数据进行特征定位和目标分割，获得特征部位图像。
[0062]
2)根据摄像设备和激光设备的相对安装位置关系，建立统一坐标系。
[0063]
3)根据统一坐标系，对激光点云进行解析，获得与特征部位图像对应的特征部位坐标，并构建引导线的直线方程。
[0064]
由于激光点云在图像上呈现无序的特点，为了利用点云的深度信息计算特征部分的位置，需要采用r-tree算法对特征部位的图像和坐标进一步融合。r-tree是一种按照对象的空间位置关系来组织数据的动态平衡树，具有很强的灵活性和可调节性。
[0065]
4)根据特征部位坐标和飞机机型尺寸数据，参照引导线，判断飞机的姿态相对于引导线是否偏移。例如：设飞机左翼为点a，右翼为点b，若点a到引导线的距离大于点b到引导线的距离，则提示飞机需要右转。
[0066]
视觉姿态引导模型的处理过程，包括：
[0067]
1)对图像数据进行预处理，并识别出飞机的特征部位。预处理同样可采用maskr-cnn网络进行处理。
[0068]
2)对特征部位进行持续跟踪，获取特征部位帧序列。
[0069]
3)以摄像设备为原心建立地理坐标系，构建引导线的直线方程，并标记特征部位帧序列坐标。
[0070]
4)根据特征部位帧序列坐标和飞机机型尺寸数据，参照引导线，判断飞机的姿态相对于引导线是否偏移。
[0071]
s107，根据引导模型的输出结果，对飞机的姿态进行引导。
[0072]
s108，当埋地线圈检测到飞机进入停止区域后，控制激光设备对飞机特征部位进行检测，获得飞机剩余前进距离，并根据飞机剩余前进距离控制飞机停止。进入停止区域后，激光设备按照周期t向飞机机头发射激光束，光电元件接收目标反射的激光束，激光设备的计时器测定从发射到接收的时间，从而获得飞机剩余前景距离。本技术中的摄像设备和激光设备在飞机进入指定区域才开始工作，避免长期处于检测状态，极大提高了设备的使用寿命。
[0073]
综上所述，本发明的有益效果包括：将泊位和跑道划分为停止区域、引导区域和检测区域，飞机在检测区域内完成机型识别，在引导区域内完成姿态矫正，在停止区域内完成停止线距离计算。根据每个区域不同特点匹配使用不同设备和算法进行检测，充分融合摄像设备、激光设备和埋地线圈三种引导方法的优点，规避了各自缺陷，提高了机型识别、姿态检测和距离判断的可靠性和精准度。通过在泊位正后方设置标志牌，利用摄像设备检测当前能见度值，根据能见度值匹配不同算法模型，增强了该系统的抗干扰能力和环境适应性，能够为飞机驾驶员提供正确有效的泊位引导，实现了安全有效泊位，提高了机场运行效率。
[0074]
应理解，所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0075]
本发明的技术范围不仅仅局限于上述说明中的内容，本领域技术人员可以在不脱离本发明技术思想的前提下，对上述实施例进行多种变形和修改，而这些变形和修改均应当属于本发明的保护范围内。

技术特征：
1.一种飞机泊位引导系统，其特征在于，包括控制终端，与所述控制终端连接的摄像设备、激光设备、埋地线圈和显示设备，所述摄像设备、激光设备和显示设备设于泊位正前方的航站楼上，所述摄像设备和激光设备分别用于采集图像数据和激光点云数据并发送至控制终端，所述显示设备用于显示飞机机型和距离数据，所述泊位上设置有停止区域和引导区域，并在与所述泊位一侧相连的跑道上设置有检测区域，所述停止区域、引导区域和检测区域始末端均埋设有埋地线圈，用于检测飞机所处区域，位于所述泊位正后方的跑道外侧设置有标志牌，用于配合摄像设备检测天气能见度值。2.根据权利要求1所述的飞机泊位引导系统，其特征在于，所述飞机上具有特征部位，所述特征部位包括飞机的机头、发动机、起落架、舱门和机翼中的一种或多种。3.一种飞机泊位引导方法，应用于如根据权利要求1或2所述的飞机泊位引导系统上，其特征在于，包括如下步骤：当埋地线圈检测到飞机进入检测区域后，启动摄像设备采集标志牌图像；对所述标志牌图像预处理后，进行特征提取，获得标志牌区域图像；根据所述标志牌区域图像计算透射率，并进行反演获得能见度值；通过摄像设备采集飞机特征部位图像，采用图像去噪算法对所述飞机特征部位图像进行预处理，并提取目标特征值；建立神经网络模型，并输入所述目标特征值，获得飞机机型；当埋地线圈检测到飞机进入引导区域后，判断所述能见度值是否低于第一阈值，若是，则控制摄像设备和激光设备同步对飞机姿态进行检测，获得激光点云和图像数据，并将其载入联合姿态引导模型，若否，则控制摄像设备对飞机姿态进行检测，获得图像数据，并将其载入视觉姿态引导模型；根据所述引导模型的输出结果，对飞机的姿态进行引导；当埋地线圈检测到飞机进入停止区域后，控制激光设备对飞机特征部位进行检测，获得飞机剩余前进距离，并根据所述飞机剩余前进距离控制飞机停止。4.根据权利要求3所述的飞机泊位引导方法，其特征在于，所述标志牌图像包括背景天空区域和标志牌区域，则对所述标志牌图像预处理后，进行特征提取，获得标志牌区域图像，包括：结合预设标志牌区域形状参数，迭代扫描所述标志牌图像上的所有像素点，标记其中的相似像素点并记录在连通矩阵中，获得标志牌区域图像。5.根据权利要求3所述的飞机泊位引导方法，其特征在于，根据所述标志牌区域图像计算透射率，并进行反演获得能见度值，包括：设能见度值记为v，算透射率，并进行反演获得能见度值，包括：设能见度值记为v，上式中，t(x)为标志牌区域图像x坐标点的透射率，μ为去雾参数，0<μ<1，c为rgb颜色通道中的一个通道，ω(x)为以x为中心的局部区域，即标志牌区域，i
c
(x)为通道c上的标志牌区域图像，a为太阳光强度，v为能见度值，d为标志牌到摄像设备的距离，ε为对比感阈，取0.05。
6.根据权利要求3所述的飞机泊位引导方法，其特征在于，采用图像去噪算法对所述飞机特征部位图像进行预处理，并提取目标特征值，包括：采用自适应权重形态学算法对所述飞机特征部位图像进行去噪和边缘检测，并提取目标特征值。7.根据权利要求6所述的飞机泊位引导方法，其特征在于，在进行边缘检测之前，还包括：判断所述能见度值是否低于第二阈值，若是，则将去噪后的图像输入边缘保留模型中，进行边缘保留处理；所述边缘保留模型的计算公式如下：所述边缘保留模型的计算公式如下：所述边缘保留模型的计算公式如下：上式中，q
i
为输出像素的值，|o|为区域o
k
内像素的个数，k和i为像素索引，a
k
和b
k
为当窗口中心位于k时线性函数的系数，w
i
为引导图像的值，p
i
为输入像素的值，为输入图像p在区域o
k
内的平均值，μ
k
和分别为引导图像w在区域o
k
内的平均值和方差，κ为系数。8.根据权利要求3所述的飞机泊位引导方法，其特征在于，所述建立神经网络模型，包括：获取系统数据，并将所述系统数据划分为训练集、测试集和验证集，所述系统数据包括飞机特征部位的特征值和对应机型；将所述训练集输入初始模型中进行训练；设置初始模型的轮次，每间隔n轮次输出一次模型，并保存为中间模型；将所述验证集输入中间模型中，采用f1指标对所有中间模型进行评价，选择其中效果最好的模型，即为最终模型；利用所述测试集对最终模型进行测试，获得机型判断准确度。9.根据权利要求3所述的飞机泊位引导方法，其特征在于，所述联合姿态引导模型的处理过程，包括：采用maskr-cnn网络对所述图像数据进行特征定位和目标分割，获得特征部位图像；根据所述摄像设备和激光设备的相对安装位置关系，建立统一坐标系；根据所述统一坐标系，对所述激光点云进行解析，获得与所述特征部位图像对应的特征部位坐标，并构建引导线的直线方程；根据所述特征部位坐标和飞机机型尺寸数据，参照引导线，判断飞机的姿态相对于引导线是否偏移。10.根据权利要求3所述的飞机泊位引导方法，其特征在于，所述视觉姿态引导模型，包括：对图像数据进行预处理，并识别出飞机的特征部位；对所述特征部位进行持续跟踪，获取特征部位帧序列；
以摄像设备为原心建立地理坐标系，构建引导线的直线方程，并标记特征部位帧序列坐标；根据所述特征部位帧序列坐标和飞机机型尺寸数据，参照引导线，判断飞机的姿态相对于引导线是否偏移。

技术总结
本发明提出了一种飞机泊位引导系统和方法，该系统包括控制终端，与所述控制终端连接的摄像设备、激光设备、埋地线圈和显示设备，所述摄像设备、激光设备和显示设备设于泊位正前方的航站楼上，所述摄像设备和激光设备分别用于采集图像数据和激光点云数据并发送至控制终端，所述显示设备用于显示飞机机型和距离数据，所述泊位上设置有停止区域和引导区域，并在与所述泊位一侧相连的跑道上设置有检测区域，所述停止区域、引导区域和检测区域始末端均埋设有埋地线圈，位于所述泊位正后方的跑道外侧设置有标志牌。本发明增强了该系统的抗干扰能力和环境适应性，能够为飞机驾驶员提供正确有效的泊位引导，实现了安全有效泊位，提高了机场运行效率。了机场运行效率。了机场运行效率。


技术研发人员：请求不公布姓名
受保护的技术使用者：南京智汇新创信息科技有限公司
技术研发日：2023.03.30
技术公布日：2023/6/28