基于光電探測跟蹤的目標橫縱向狀態(tài)信息采集方案設計

（陸軍裝甲兵學院 北京 豐臺 100072）

引言

現(xiàn)代戰(zhàn)爭形態(tài)正由機械化向信息化加速轉(zhuǎn)變，未來作戰(zhàn)條件將發(fā)生重大變化，機動性會更強。如何在敵我雙方同時處于機動狀態(tài)下實現(xiàn)“保存自己，消滅敵人”是提高戰(zhàn)斗力的一種重要途徑[1]。為充分提高現(xiàn)有裝備的作戰(zhàn)效能，通過采取光電探測跟蹤技術(shù)利用單目視覺SLAM算法來全方位補充目標三維狀態(tài)信息，優(yōu)化現(xiàn)有解命中問題模型，對于提高高機動條件下命中率具有重要意義。

1 視覺SLAM算法

為了能夠快速的探測到運動目標，并對目標進行定位分析，采用視覺SLAM算法對運動目標進行分析。待相機采集圖像后進行特征提取并生成相應的特征描述數(shù)據(jù)庫，根據(jù)特征描述數(shù)據(jù)庫的相近程度對圖像特征點進行匹配，根據(jù)匹配點對之間的約束關(guān)系對相機位姿進行跟蹤，并計算運動物體的位置和速度等信息，然后進行重定位和閉環(huán)檢測，最后進行圖像位置的優(yōu)化以及三維態(tài)勢的顯示[2－3]。

2 數(shù)據(jù)采集和處理

圖像采集后，搜索其全部尺度和全部位置，利用高斯差分函數(shù)識別出尺度不變性和旋轉(zhuǎn)不變性的潛在特征點，實現(xiàn)極值空間的尺度空間極值檢測。通過在每個候選特征點上擬合出近似模型，來確定特征點的位置和尺度，最后根據(jù)穩(wěn)定程度選出特征點。在所選定的尺度空間內(nèi)，測量特征點領(lǐng)域區(qū)域內(nèi)局部圖像梯度，將這些梯度轉(zhuǎn)換為形狀變形和亮度變化。

2．1 尺度空間極值檢測

特征點檢測首先要識別出目標的位置和尺度，對于同一目標在不同的視角下這些位置和尺度可以被重復分配，并且這些檢測到的位置是不隨圖像尺度的變化而改變，所以用尺度空間的連續(xù)尺度函數(shù)進行檢測。

基于高斯差分尺度空間，建立圖像金字塔。高斯金字塔共分為I組，每組又分s層，組內(nèi)各層分辨率是相同的，即長和寬相同，但尺度逐漸增加，即越往塔頂圖像越模糊，而下一組的圖像是由上一組圖像按照隔點降采得到，即圖像的長和寬分別減半，高斯金字塔的組數(shù)由輸入圖像的分辨率得到。

在金字塔的基礎上，尋找極值點，作為特征點的備選點，把每一個像素點同他尺度的8個相鄰點與上下相鄰尺度對應的9*2個點，共26個點進行比較，以確保在尺度空間和二維圖像空間都檢測到極值點。

2．2 特征點的定位

以上方法檢測到的極值點是離散空間的極值點，以下通過擬合三維二次函數(shù)來精確確定關(guān)鍵點的位置和尺度，同時去除低對比度的關(guān)鍵點和不穩(wěn)定的邊緣響應點，以增強匹配穩(wěn)定性、提高抗噪聲能力。

離散空間的極值點并不是真正的極值點，通過對尺度空間高斯函數(shù)進行曲線擬合，利用己知的離散空間點插值得到的連續(xù)空間極值點來提高關(guān)鍵點的穩(wěn)定性。

3 目標跟蹤

通過從相機獲得的圖像信息中恢復相機的位置和姿態(tài)，當相機在場景中不斷運動時，持續(xù)的獲得場景的圖像信息，不斷地恢復相機的位置和姿態(tài)，得到相機的運動軌跡，實現(xiàn)運動目標在未知場景中的定位。

首先根據(jù)檢測到的前三幀目標圖像的灰度質(zhì)心利用最小二乘法擬合目標質(zhì)心點在圖像中的運動軌跡，并將檢測到的第三幀圖像中的目標作為目標模板，然后根據(jù)此軌跡估計出下一幀目標的運動方位。

3．1 運動軌跡擬合

質(zhì)心由選定區(qū)域中圖像的一節(jié)矩陣和零階矩陣得到，經(jīng)過邊緣提取后處理的圖像，可計算其質(zhì)心坐標。通過求出目標的灰度質(zhì)心，并可在坐標系中描繪出質(zhì)心點，利用最小二乘法擬合出目標的運動軌跡，同時可根據(jù)時間間隔預測出目標質(zhì)心的下一位置。由于目標在坐標系中的運動對應著x坐標和y坐標的變化，所以在對目標軌跡跟蹤中，對x坐標和y坐標分別采用二次逼近公式預測下一位置的坐標和坐標。

3．2 位置解算

當光電設備鎖定目標之后，光電設備開始跟蹤目標，并實時保證鎖定目標位于捕捉畫面中心位置處，此時轉(zhuǎn)臺的跟蹤角度即為 和 。首先根據(jù)此時的焦距以及目標所占的像素點數(shù)量求出目標距離攝像機的直線距離，然后通過投影計算出目標相對于坐標原點（攝像機所在位置）的位置關(guān)系。

我們設置攝像機采集視頻幀率為50Hz，也就是說每隔t＝0．02秒抓拍一次圖像。我們可以認為目標在這兩幀圖像的時間間隔內(nèi)是勻加速運動狀態(tài)，可以計算出目標速度和加速度。

3．3 三維態(tài)勢顯示

根據(jù)上述計算的運動目標的位置信息、速度以及加速度信息，結(jié)合初始點的位置關(guān)系，將目標信息發(fā)送到三維視景中，三維視景通過調(diào)用目標的位置信息以及該目標對應的3D模型，然后將目標數(shù)字模型實時顯示在三維視景中，共同構(gòu)建三維場景，并在場景界面實時顯示目標位置，姿態(tài)等信息。

4 結(jié)語

對于未來戰(zhàn)場中目標機動性能的提高，對于解命中問題而言縱向數(shù)據(jù)的補充顯得尤為重要?；诠怆娞綔y跟蹤這一采集數(shù)據(jù)方法準確、高效且成本低廉。試驗結(jié)果表明，該方式極大程度上提高了復雜條件下高機動目標命中概率，使得解命中問題有了較為滿意的精度。