柵格化極坐標目標定位方法

鄧立齊，楊 衛，金曉會

?

柵格化極坐標目標定位方法

鄧立齊1,2，楊 衛1,2，金曉會1,2

（1. 中北大學 電子測試技術重點實驗室，山西 太原 030051；2. 中北大學 儀器科學與動態測試教育部重點實驗室，山西 太原 030051）

針對戰場偵察等環境下，目標偵測定位需要快速、多目標、全方位等特點，本文設計提出柵格化目標定位方法。介紹了該定位方法實現的集成激光測距、熱像儀等儀器的一體化平臺，利用具有夜視作用的熱像儀做圖像采集，激光測距儀標定距離，電子羅盤定向；信息處理單元運用圖像處理技術，在采集數據的基礎上建立柵格化極坐標模型，目標進入能夠快速匹配對目標定位，實現全方位快速目標檢測定位，尤其對群多目標定位具有較大優勢。

柵格化；多目標；目標定位

0 引言

目標定位技術隨著科技的進步已經取得了較大發展，在軍用和民用領域都存在大量的研究應用。目前應用最廣泛的定位技術主要是衛星定位系統，美國的GPS全球衛星定位系統作為全球最為成熟的定位系統之一，其應用領域極其廣泛，在日常生活中發揮著重要作用。近年中國自主研制的北斗全球定位系統已初步投入使用，并將大力發展完善其功能，在各領域將為國內外提供更為優質的服務[1]。在軍事領域，雷達掃描是常用的目標探測定位技術，機械掃描雷達，相控陣雷達等在戰場環境多目標定位上發揮著重要作用[2]。

近年來，隨著計算機技術的發展，機器視覺定位得到了越來越多的關注、研究和應用。機器視覺定位是將數字圖像處理技術，圖像目標檢測，目標跟蹤與識別等結合起來的類似于人腦機能的綜合目標檢測與定位方法[3]。機器視覺定位主要有單目定位和雙目定位，單目定位技術利用單個圖像采集設備獲取圖像，并利用圖像處理技術實現目標的檢測定位；雙目定位是利用兩個圖像采集設備模擬人眼機能的目標定位方法[4-5]。另外，仿復眼定位技術的研究模擬生物復眼模式，能夠實現大視角成像和動目標快速定位[6]。

本文提出的柵格化極坐標目標定位技術，是在機器視覺的基礎上完成的。針對機器視覺定位時，尤其戰場環境下，小型目標以高運動速度、高機動性能、高隱蔽性能出現在視覺檢測范圍內，致使視覺檢測系統無法即時地、全面地檢測目標問題，以及常用的測距方式一次只能測量單個目標的問題。柵格化極坐標定位方法能夠快速對視場內多目標檢測與定位，能夠達到戰場全方位，快速偵察的需求。

1 一體化平臺設計

柵格化極坐標定位方法硬件實現平臺是集成圖像采集，激光測距模塊，測角測向模塊，云臺隨動系統的光電綜合平臺。圖像采集采用紅外熱像儀，其是利用熱成像原理的成像設備，反映目標和背景紅外輻射的空間分布，因此能夠對夜間目標檢測與定位，實現全天候值守工作[7]。激光測距模塊采用激光測距儀，能夠精確實現距離測量。激光測距儀和熱像儀集成，能夠對圖像視場范圍內進行距離測量。熱像儀與激光測距結構如圖1所示，圖中熱像儀和激光測距一體化集成，并且兩者之間通過轉軸相連，可以在一定范圍內以不同的上下夾角工作，便于對視場內不同高度范圍測距。

圖1 感知單元結構示意圖

云臺隨動系統控制熱像儀的俯仰和旋轉，實現360°全方位目標的檢測定位。高精度雙自由度可控云臺，能夠帶動圖像采集設備和激光測距等模塊實現上下俯仰和360°轉動。平臺同時集成電子羅盤用于目標定向，GPS定位系統用于自身定位，信息處理模塊對采集信息數據處理。設計的感知單元以及其他各傳感器模塊，信息處理部分，云臺等集成一起，構成一體化平臺。該平臺可單獨使用或安裝于智能車等移動平臺上實行復雜環境偵察等工作。

2 信息處理

首先，信息處理單元和感知平臺利用熱像儀和激光測距、電子羅盤對視場范圍進行柵格化處理標定，建立柵格化極坐標定位模型；然后控制云臺對周圍環境全方位掃描，并進行目標檢測；檢測到目標后經處理得到目標質心，目標質心與柵格化定位模型匹配，綜合距離數據和電子羅盤定向數據，獲得目標相對感知平臺位置，實現目標的檢測定位。同時由于集成GPS定位模塊，可以完成平臺自身定位，即可通過換算獲得目標在大地坐標系位置，通過遠程通信實現遠程監控定位目標。系統流程如圖2所示。

圖2 系統結構流程圖

2.1 圖像預處理與目標檢測

熱像儀是紅外成像設備，反應目標和環境的紅外熱分布，成像情況與物體的溫度和發射功率有關。與可見光圖像相比，紅外圖像是灰度圖像，空間相關性強，夜視效果較好；同時，相對于可見光圖像肉眼分辨率較低，直觀性較差，易受環境影響產生噪聲；因此，必須對紅外圖像設計合適的圖像處理方法[8]。

圖像預處理主要是對采集設備采集的原始圖像預先處理加工，提高圖像質量，為目標檢測等做基礎[9]。本文主要針對紅外圖像特點，采用直方圖均衡化和平滑去噪的方法對圖像預處理。直方圖均衡化通過改變圖像的灰度直方圖分布達到增強圖像對比度的結果，使圖像更清晰；平滑去噪采用3×3均值濾波方法對圖像去噪處理，降低噪聲影響。

目標檢測算法常見的有幀差法、背景差分法、光流法等[10]。其中幀差法利用圖像視頻序列中連續兩幀或幾幀進行差分，根據其像素變化檢測目標[11]。公式模型如下：

1）連續提取相鄰的兩幀圖像I、I－2，并求出兩幀圖像的差分圖像D：

2）設定閾值，將差值圖像D進行二值化，像素大于設定的閾值的像素點為目標像素，反之則為背景像素。設二值化圖像為B(x,y)，則計算公式如下：

該算法簡單，運算量小，速度快，實時性高，對光照等環境影響不敏感，但是檢測目標容易不完整，易產生漏洞[12]。

本文設計3幀差法選取連續3幀圖像，分別對前兩幀和后兩幀進行差分，再對結果進行“與”操作得到最終目標檢測結果。能夠有效改善常用的兩幀差法檢測目標效果。

2.2 柵格化極坐標定位原理與方法

柵格化極坐標定位方法需要利用一體化感知平臺測量距離和方向，利用數字圖像處理操作建立柵格化定位模型。

2.2.1 定距與定向

激光測距模塊實現平臺的基礎定距測量。激光測距具有探測距離遠，測量精度高，抗干擾強，體積小，重量輕，重復頻率高等優點[13]。脈沖式激光測距儀通過發射激光脈沖控制計時器開門，接收器接收返回的激光脈沖控制計時器關門；計算出激光在所測距離上往返傳輸時間，得到距離。公式如下：

＝×D/2 (3)

式中：為所測距離；為激光速度；D為激光往返傳輸時間[14]。

電子羅盤是常用的導航工具，能實時提供移動物體的航向和姿態，其主要以傳感器感應地磁場變化，確定角度方向[15]。本文將其集成于平臺上能夠隨云臺轉動，返回角度數據，由此換算得到方向數據。電子羅盤結合激光測距共同為柵格化極坐標系模型的建立提供測量數據。

2.2.2 柵格化極坐標定位原理

柵格化極坐標定位方法如圖3所示，為測距模型中心，紅外熱像儀光軸與￠固定夾角為，紅外熱像儀視場角為，則云臺轉動旋轉過程中，灰色區域為熱像儀可檢測區域。

平臺集成的激光測距儀對可測區域進行測距，激光測距光線（圖4中虛線）將圖像視場角二等分，如圖4所示。

激光測距可以測得點距離￠點的距離l￠，則有點距離攝像機的垂直距離為：

(5)

圖4 圖像測距原理圖

則有點距離點的距離為：

將視場角分成等份，即將可檢測圓環區域等分為距離點＋1個等距圓，當視場角很小時，反映到視頻畫面上為距離相等的＋1條近似平行的直線，則有第一個等距圓距離圓心距離為0，第2個等距圓距離圓心距離1為：

依次類推，則第個等距圓距離圓心距離為l－1：

按照以上算法，O為原點，到O點距離相等的所有點構成一個以O為圓心的圓，不同距離形成一系列半徑不同的同心圓。以O為圓心，在平面內建立極坐標系，圓心O為極點，規定從O點到正北方向的射線Ox為極軸，根據攝像機標定，將每個等距圓的半徑l0, l1, l2,…, ln/2, …, ln都通過世界坐標系變換到像素坐標系上，通過與檢測到的目標的質心點與等距線匹配測試P點距離。當n＝5時，柵格化極坐標系定位模型平面示意圖如圖5所示，圖中虛線框表示某一時刻單一視場內畫面示意圖。

根據選用激光測距測量方位和熱像儀分辨率，可測范圍不同。在可測范圍內，當檢測距離較遠，而熱像儀視場角又較小的情況下，可近似認為圖像畫面中的角度可以均分，即P在任意與等距線交匯點上都能夠通過圖像中心的方位計算出點的方位，如圖6所示。

平面上任一點的位置(,)可以用線段的長度以及從到的角度來確定，長度是通過將點的位置與最近的等距線匹配，任一點的角度可以通過均分圖像的形式得到。而后通過電子羅盤的定向功能，通過計算轉換可以得到目標在相對于基準方向的角度，即可得到運動目標相對于平臺的位置極坐標表示，完成目標的最終定位。當點（目標）不在交匯點上時（如圖6），則以就近原則，可以以距點最近的交匯點數據作為點數據，由此可知，柵格化越細化，定位精度越高。

理想狀態下，通過云臺的旋轉和俯仰運動能夠完成360°和平臺至無窮遠的目標定位，但是在云臺仰到一定角度，視場下沿會超出地平面或者只有較少部分，視場大面積被天空或高層景物覆蓋，對該算法造成較大誤差或失效；另外，目標較近遮擋大部分甚至全部畫面，會對畫面造成影響。出現類似特殊情況時，可選擇直接操控激光測距進行測距。

3 結論

本文設計提出的柵格化目標定位方法，對硬件平臺、信息處理等做了詳細介紹，特別針對柵格化定位原理做了深入闡述。該方法對于目標定位，尤其進入可測范圍內的多目標、群目標等，能夠快速反應定位。適合戰場、高危等環境的快速偵察，全方位目標偵測，對提升偵察能力，快速反應能力以及作戰能力有較大幫助。

圖6 目標方位確定

[1] 郭晉. 北斗與GPS導航定位系統對比分析研究[J]. 科技資訊, 2011, 28: 60-60.

GUO Jin.Comparative analysis between Beidou and GPS navigation and positioning system[J]., 2011, 28: 60-60.

[2] 丁建江, 張賢達. 低分辨雷達目標智能識別的最新進展[J]. 現代雷達, 2002, 24(3):1-4.

DING Jianjiang, ZHANG Xianda.Latest progress of low resolution radar target recognition[J]., 2002, 24(3): 1-4.

[3] 陸智斐, 汪麗媛, 趙國祥. 計算機視覺技術在測量中的應用[J]. 中國科技博覽, 2010, 26: 294-294.

LU Zhipei, WANG Liyuan, ZHAO Guoxiang.Application of computer vision technology in measurement[J]., 2010, 26: 294-294.

[4] 祝琨, 楊唐文, 阮秋琦, 等. 基于雙目視覺的運動物體實時跟蹤與測距[J]. 機器人,2009, 31(4): 327-334.

ZHU Kun, YANG Tangwen, RUAN Qiuqi, et al. Real-time tracking and measuring of moving objects based on binocular vision[J]., 2009, 31(4): 327-334.

[5] 馮春. 基于單目視覺的目標識別與定位[D]. 南京: 南京航空航天大學, 2013.

FENG Chun. Research on identification and location of object based on monocular Vision[D]. Nanjing:Nanjing University of Aeronautics and Astronautics, 2013.

[6] 邢強. 仿復眼全景圖構筑及動目標定位技術研究[D]. 南京: 南京航空航天大學, 2014.

XING Qiang.Mimicking compound eye panorama build and dynamic target location technology[D]. Nanjing:Nanjing University of Aeronautics and Astronautics, 2014.

[7] 于杰. 基于紅外攝像機的夜間場景監控方法與實現[D]. 北京: 北京郵電大學, 2012.

YU Jie.Method and implementation of night scene monitoring based on infrared camera[D]. Beijing:Beijing University of Posts and Telecommunications, 2012.

[8] 趙曉健. 車載紅外夜視視頻處理技術研究[D]. 上海: 東華大學, 2011.

ZHAO Xiaojian.Research on vehicle infrared night vision video processing technology[D]. Shanghai:Donghua University, 2011.

[9] 李昕, 高東林, 黃歡. 數字圖像處理技術在膜圖像處理中的應用[J]. 北京理工大學學報, 2011, 31(12): 1465-1468.

LI Xin, GAO Donglin, HUANG Huan.Application of digital image processing technology in membrane image processing[J]., 2011, 31(12):1465-1468.

[10] 楊杰, 張翔.視頻目標檢測和跟蹤及其應用[M]. 上海: 上海交通大學, 2012.

YANG Jie, ZHANG Xiang.[M]. Shanghai:Shanghai Jiao Tong University, 2012.

[11] 何西華. 視頻運動目標檢測和跟蹤算法研究[D]. 成都: 電子科技大學, 2008.

HE Xihua.Research on Video Moving Object Detection and Tracking Algorithm[D]. Chengdu:University of Electronic Science and technology of China, 2008.

[12] 劉俊. 運動目標的檢測與跟蹤算法研究[D] .武漢: 武漢科技大學, 2011.

LIU Jun.Research on moving object detection and tracking algorithm[D]. Wuhan:Wuhan University of Science and Technology, 2011.

[13] 胡鵬程. 精密激光測量技術與系統[M]. 北京: 科學出版社, 2015.

HU Pengcheng.[M]. Beijing:Science Press,2015.

[14] 施智勇, 潘曉聲, 張謙, 等. 利用延時法進行高精度脈沖激光測距[J]. 光學精密工程, 2014, 22(2): 252-258.

SHI Zhiyong, PAN Xiaosheng, ZHANG Qian, et al.High precision pulsed laser ranging using time delay method[J]., 2014, 22(2): 252-258.

[15] 劉偉. 電子羅盤目標定位定向方法研究[J]. 中國軍轉民, 2013(2): 85-87.

LIU Wei.Research on orientation and orientation of electronic compass[J]., 2013(2):85-87.

Rasterized Polar Coordinate Target Positioning Method

DENG Liqi1,2，YANG Wei1,2，JIN Xiaohui1,2

(1.,,030051,;2.,,030051,)

For battlefield reconnaissance and other environmental objectives detection positioning have the features of quickness, multi-target, and omnibearing, this paper proposes and designs rasterized polar coordinate target positioning method and describes the integrated platform to achieve the method, which integrated laser rangefinder, thermal imager and other equipment. The platform usesa thermal imager with night vision effect for image acquisition, a laser rangefinder for calibratingdistance and an electronic compass for calibrating orientation. The information processing unit uses image processing technology to set up rasterized polar coordinate model based on collected data. The method can quickly complete the matching positioning when the target passes into, achieve all-round rapid target detection and location, and especially has a large advantage for multi-targeting group.

rasterize，multiple-target，target location

TP391.4

A

1001-8891(2017)03-0279-05

2016-08-12；

2017-02-28.

鄧立齊（1988-），男，河南太康人，碩士，主要從事電子測試技術與目標檢測方面研究。E-mail：dengliqi666@163.com。