單目彈載圖像恢復(fù)跟蹤目標(biāo)3D信息的方法研究

呂紹杰 張永華 葉旭鳴

天津津航計算技術(shù)研究所，天津 300308

隨著科學(xué)技術(shù)的發(fā)展，精確打擊成為世界各國在未來戰(zhàn)爭中立足的關(guān)鍵，它不僅可以提高中遠(yuǎn)程精確打擊能力，還可以在復(fù)雜的戰(zhàn)場環(huán)境中實現(xiàn)“外科手術(shù)”式精確打擊，以精度代能量，有選擇地摧毀目標(biāo)，成為實施不對稱、不接觸作戰(zhàn)的重要手段。

圖像導(dǎo)航制導(dǎo)技術(shù)是導(dǎo)彈精確攻擊的一個重要發(fā)展方向，目前主要有紅外成像制導(dǎo)、可見光圖像制導(dǎo)、SAR圖像制導(dǎo)、下視景象匹配制導(dǎo)以及由這些導(dǎo)航方式組成的組合導(dǎo)航等。但這些制導(dǎo)模式通常只使用了圖像的二維信息，沒有考慮隱藏的深度信息，增加了圖像處理算法的復(fù)雜度和處理時間，以及系統(tǒng)的響應(yīng)時間，降低了算法的自適應(yīng)性和魯棒性。為了增強(qiáng)導(dǎo)彈的跟蹤和識別能力，提高其精確打擊效能，提出了一種單目彈載圖像恢復(fù)跟蹤目標(biāo)3D信息的方法。

1 成像模型

彈載成像器隨著導(dǎo)彈沿規(guī)劃的航跡朝目標(biāo)飛行，期間導(dǎo)彈的高度和位置發(fā)生改變而目標(biāo)位置相對不變，如圖1所示。彈載成像器在不同時間所處的高度和位置不同，但都是對同一目標(biāo)成像，近似計算機(jī)視覺中不同成像器在不同位置對同一目標(biāo)成像，也就是多目成像[1-2]。因此，彈載前視成像器采集的系列目標(biāo)圖像可以看作不同成像器對同一目標(biāo)成像，即可采用計算機(jī)視覺的多目成像原理恢復(fù)目標(biāo)的3D信息。

圖1 彈載成像器成像示意圖

2 算法描述

本文的算法流程如圖2所示。當(dāng)導(dǎo)彈飛行到預(yù)定位置時，彈載成像器自動開機(jī)對目標(biāo)成像并發(fā)送至信息處理單元進(jìn)行處理。信息處理單元獲取到圖像后：1)進(jìn)行場景圖像特征點的檢測，并根據(jù)圖像間的灰度相關(guān)性對特征點進(jìn)行初步匹配；2)初步匹配完成后，再使用隨機(jī)采樣一致算法估計出基礎(chǔ)矩陣；3)根據(jù)基礎(chǔ)矩陣的極線約束關(guān)系剔除誤匹配，實現(xiàn)所檢測特征點的精確匹配，并結(jié)合導(dǎo)彈的飛行航跡、高度表信息和慣導(dǎo)信息計算成像器的本質(zhì)矩陣，且對本質(zhì)矩陣進(jìn)行奇異值分解獲取成像器的外參數(shù)矩陣；4)根據(jù)立體視覺重建原理和計算所得的參數(shù)計算特征點的空間位置，用稠密匹配運算確定匹配點，并依據(jù)三角原理重建恢復(fù)3D目標(biāo)。

圖2 算法流程圖

2.1 檢測特征點

基于灰度的Harris角點檢測算法是角點檢測算法中比較經(jīng)典的算法，且具有比較理想的結(jié)果。

R(x,y)=det[M(x,y)-k·tr2[M(x,y)]

(1)

(2)

其中，k為經(jīng)驗值，一般在0.04～0.06之間取值。只要在某一點(x,y)處，R(x,y)超過某一設(shè)定的閾值，即認(rèn)為該點為角點。

通過上式很容易計算出本質(zhì)矩陣E。

2.2 特征點匹配

根據(jù)相鄰圖像灰度相關(guān)性原則建立一個特征點匹配準(zhǔn)則，對所檢測的特征點進(jìn)行粗匹配，形成匹配對。在粗匹配中可能存在誤匹配，即一個特征點同時對應(yīng)多個匹配點。為了減少和去除誤匹配，使用隨機(jī)采樣一致算法估計出基礎(chǔ)矩陣[3]，再根據(jù)基礎(chǔ)矩陣的極線約束關(guān)系剔除誤匹配，實現(xiàn)所檢測特征點的精確匹配，如圖2所示的匹配特征點，計算基礎(chǔ)矩陣步驟就是實現(xiàn)所檢測特征點的精確匹配。

2.3 計算本質(zhì)矩陣

為了驗證本文算法，模擬了彈載成像器運動采集了一系列圖像。如圖3所示。模擬采集的圖像是可見光圖像，目標(biāo)是呈矩形的石頭，成像器的高度變換范圍為30～400cm。

(3)

F是基礎(chǔ)矩陣，而基礎(chǔ)矩陣F=K-T[t]×RK-t，[t]×是由平移向量t定義的反對稱矩陣，定義E=[t]×R為本質(zhì)矩陣，則

S1m1=K[I|o]M
S2m2=K[R|t]M

(4)

其中，S1,S2為常量因子，同時圖像對應(yīng)匹配點滿足

(5)

其中，K為成像器的內(nèi)參數(shù)矩陣；R為成像器的旋轉(zhuǎn)矩陣；t為成像器的平移向量。二維圖像上的點的齊次像素坐標(biāo)m1和m2與對應(yīng)空間點的坐標(biāo)M：

E=KTFK

(6)

2.1.4 復(fù)合菌劑對玉米根際土壤蔗糖酶活性的影響 不同施肥處理，2個玉米品種在生育期根際土壤蔗糖酶活性呈現(xiàn)出：灌漿期>抽雄期>成熟期>苗期(圖4)；在抽雄期和灌漿期，處理A和D蔗糖酶活性表現(xiàn)為金穗4號>先玉335，其他處理則表現(xiàn)為先玉335>金穗4號。在灌漿期，2個品種土壤蔗糖酶活性為：處理B>C>A>D>E，土壤蔗糖酶活性處理B比A和E分別提高24.5%，80.3%(先玉335)和13.7%、65.1%(金穗4號)。

2.4 計算外參數(shù)矩陣

本質(zhì)矩陣包含有成像器的外參數(shù)和內(nèi)參數(shù)，對其進(jìn)行奇異值分解獲取成像器的外部參數(shù)旋轉(zhuǎn)矩陣和平移向量。

2.5 計算特征點空間位置

多目立體視覺的三維重建需要對彈載成像器不同位置的坐標(biāo)系進(jìn)行統(tǒng)一轉(zhuǎn)換。將世界坐標(biāo)系定位在第一幀圖像成像處，則下一幀圖像成像時的投影矩陣為：

0.5159 -0.5664 0.9496 -1.0977 0.6919 -1.2580 0.4679 0.1102

(7)

(8)

1.要根據(jù)題目所涉及的知識范圍來進(jìn)行訓(xùn)練.老師找對學(xué)生進(jìn)行審題的針對性訓(xùn)練時要注重突出強(qiáng)調(diào)重點知識，例如在“集合”這一章節(jié)中，要讓學(xué)生著重注意審題，注意題目是要求求交集還是求并集，在認(rèn)真審?fù)觐}目之后，根據(jù)題目所給出的知識范圍和重點做出解答.

A=USVT

(9)

在恢復(fù)3D目標(biāo)時，只依靠檢測出匹配的特征點是不夠的，還需要進(jìn)行稠密匹配運算確定匹配點，最后根據(jù)三角原理重建3D目標(biāo)，如圖2所示[5-6]。

3 實驗結(jié)果及分析

在過去的藝體類大學(xué)英語教學(xué)中，教師往往基本只強(qiáng)調(diào)詞匯與語法結(jié)構(gòu)而忽視篇章教學(xué)，采用“填鴨式”教學(xué)法，即先大量分析和串講，然后進(jìn)行機(jī)械性的重復(fù)操練，最后讓學(xué)生背單詞。我們常聽學(xué)生抱怨說大學(xué)英語課堂教學(xué)枯燥乏味，一篇課文學(xué)完后腦里幾乎只剩下零散的詞匯，即使費勁記住了，也大多不會用，因而逐漸失去了學(xué)習(xí)的愿望和積極性。針對這一狀況，我們對藝體類大學(xué)英語課堂教學(xué)進(jìn)行了改革，創(chuàng)設(shè)問題情景（即具有一定難度，需要學(xué)生努力克服，而又是力所能及的學(xué)習(xí)情境），實施啟發(fā)式教學(xué)，因為只有富有挑戰(zhàn)性而又可以企及的并能激發(fā)學(xué)生思維的課堂學(xué)習(xí)才具有強(qiáng)大的吸引力，對學(xué)生的學(xué)習(xí)動機(jī)也才具有強(qiáng)烈的激發(fā)作用。具體做法如下：

圖3 模擬拍攝的可見光圖像

圖3(a)是第1800幀圖像，高度100cm，圖3(b)是第1920幀圖像，高度80cm，圖3(c)是第2100幀圖像，高度50cm。

圖4是圖3(a)和3(c)兩幅圖像特征點匹配后的結(jié)果，提取的特征點分布均勻，匹配效果準(zhǔn)確，沒有誤匹配現(xiàn)象。圖5是重建圖3(c)的3D深度圖，與實際結(jié)果基本一樣。

圖4 圖像特征點的匹配結(jié)果

圖5 重建3D目標(biāo)的深度圖

圖6是航拍沙漠目標(biāo)的序列圖像。目標(biāo)圖像包含石塊沙丘，圖像大小為512×512。其中圖6(a)為第100幀圖像，圖6(b)為第120幀圖像。

黃立又來電話了。我說黃領(lǐng)導(dǎo)，有何吩咐？黃立說，有個重要的事情要告訴你。我的心一下提到了嗓子眼。黃立說，你們的訂單不能發(fā)了。我忙問怎么回事？黃立說，今天江老板找我了，說林老板找了他，要求中汕廠立即停止給景花廠訂單。我和阿花都吃了一驚，中汕廠現(xiàn)在是景花廠最大的客戶，一旦停發(fā)了，后果不堪設(shè)想。林強(qiáng)信這個王八蛋！阿花氣乎乎地說，我要去會會中汕廠的老板。

軟文化包括適合學(xué)生的電影、電視、書刊雜志、網(wǎng)絡(luò)信息等豐富的教學(xué)資源，給學(xué)生提供貼近學(xué)生實際、貼近生活、貼近時代的內(nèi)容和豐富的課堂內(nèi)容。這些軟文化能夠拓展學(xué)習(xí)和運用英語的渠道，使得知識融會貫通。

圖6 航拍圖像

圖7(a)為圖像的深度圖，圖7(b)為XYZ示意圖。從深度圖和XYZ示意圖結(jié)果很明顯可以看出與實際情況一致。

“希望來吧”，不僅讓流動和留守兒童在這里獲得了缺失的父母關(guān)愛和陪伴，也在引導(dǎo)社會廣泛參與和培育志愿精神上發(fā)揮著積極作用。

圖7 深度圖和XYZ圖

4 結(jié)論

通過分析彈載成像器的運動，提出和實現(xiàn)了一種單目彈載圖像恢復(fù)跟蹤目標(biāo)3D信息的方法。該方法結(jié)合導(dǎo)彈的運動航跡和高度信息構(gòu)建多目立體視覺三維重建模型，并通過立體視覺原理恢復(fù)跟蹤目標(biāo)的3D信息。實驗結(jié)果表明，該算法能夠恢復(fù)目標(biāo)的3D信息，且與實際情況一致，因此該方法可用于增強(qiáng)導(dǎo)彈的跟蹤和識別能力，提高其精確打擊效果。