一種空中加油錐套自動識別系統

裴闖，紀紅霞，王毅，閆文娟

95894部隊

空中加油技術可以有效提升無人機的航程和續航時間，充分發揮無人機的優勢。本文提出一種空中加油錐套自動識別系統，利用CCD攝像機拍攝加油錐套影像，采用邊緣檢測、閾值分割、模板匹配等圖像處理技術，精確識別錐套圖像，通過坐標轉換得到錐套的空間位置。測試結果表明，該系統能夠滿足加油錐套的識別和定位要求，可以用于無人機受油對接系統，實現無人機智能化自主空中受油。

空中加油技術已引起許多國家的高度重視。在飛行中，有人加油機為無人機補充燃油，可顯著提高無人機的航程和續航時間，提升無人機的使用效益。雖然無人機續航時間不受飛行員生理因素的限制，但會受制于油量。同時，由于機上無飛行員，無人機必須自主完成整個空中受油過程。

有人機空中加油方式主要分為軟管—錐套式和伸縮管式兩種。其中，軟管—錐套式空中加油技術應用更為廣泛，技術更為成熟。無人機實現自主空中受油，需要自動識別和定位有人加油機的錐套，通過坐標轉換，轉化為無人機與有人機之間的空間位置關系，利用算法控制無人機與有人加油機完成加受油對接任務。本文基于圖像識別技術，采用特征提取、圖像分割、模板匹配等方法，研究一種有人加油機錐套自動識別系統，用于無人機對有人加油機錐套的識別和定位。

系統組成

加油錐套自動識別系統由圖像采集模塊和自動識別軟件組成。

（1）圖像采集模塊的組成

圖像采集模塊由鏡頭、CCD攝像機、圖像信號傳輸電纜、圖像顯示軟件、近紅外光源、近紅外標定標志組成，如圖2所示。其中，CCD攝像機選用了灰點（PointGrey）公司制造的GS3-U3-28S4M-C黑白攝像機。

在圖像采集過程中，錐套反射的光線通過相機的鏡頭透射到CCD攝像機上，模數轉換器芯片將光源轉換為數字信號，由相機內部的閃存存儲器保存，最后通過信號線傳輸給計算機。

（2）自動識別軟件的處理流程

加油錐套自動識別系統的軟件處理流程詳見圖3。視覺處理軟件從圖像采集模塊中獲取一幀圖像后，首先進行平滑去噪，去除圖像中的散斑等噪聲，并在一定程度上消除運動模糊；第二，對去噪后的圖像分別進行邊緣特征識別和近紅外標定標志特征識別。對于邊緣特征識別，須拍攝加油錐套在不同距離、不同方位和不同光照條件下的10幅圖像，當邊緣檢測完成后，存儲為模板，去噪后的圖像須要進行全局邊緣檢測，并利用每一個存儲模板與之進行匹配。通過實驗預先測定匹配系數閾值，滿足該閾值并且互相關系數最高的，判定該位置存在加油錐套并進行標記。對于近紅外標定標志特征識別，對去噪圖像進行閾值分割和形態學操作，提取輪廓進行擬合，獲得圓形輪廓后測量其直徑。設定近紅外標志與相機的距離，測量直徑理論值。該理論值與實際測量直徑進行對比，在誤差允許的范圍內，判定該輪廓是否為標定標志。綜合分析兩種特征的判別結果，若同時滿足兩個特征條件，則加油錐套識別成功，計算其坐標并傳輸給控制模塊。若不能同時滿足兩個特征條件，則表明特征檢測失敗，讀取下一幀圖像并重新檢測。

圖1 軟管式空中加油（左）與加油錐套細節圖（右）。

2 圖像采集模塊組成圖。

圖3 錐套自動識別和定位軟件處理流程圖。

邊緣檢測

加油錐套具有非常豐富的邊緣信息，容易與背景區分開，成為一種獨立的特征。因此，算法采用邊緣提取和模板匹配的方法，將邊緣信息尋找作為加油錐套定位的一個判據。在邊緣提取過程中，本文采用了索貝爾（Sobel）算子。索貝爾算子是一階導數的邊緣檢測算子，在算法實現過程中，通過3×3模板作為核，對圖像中的每個像素點做卷積運算，然后選取合適的閾值，以提取邊緣。邊緣檢測結果如圖4所示。

圖4 錐套原圖（上）與索貝爾邊緣檢測結果圖（下）。

模板匹配

在CCD相機采集的圖像中尋找加油錐套，本文采用模板匹配的方法。模板匹配是目標檢測和跟蹤的經典方法，具有簡單準確、適用面廣、抗噪性好、計算速度快等諸多優點。模板匹配法是指，在采集的一幀圖像S內尋找目標模板Tk的位置（k為模板編號），與目標模板最相似的地方定義為目標。定義與模板大小相同的窗口，并在圖像S上滑動，將獲得的所有子區域圖像S(i，l)（其中i、l為子區域圖像橫縱軸編號）和目標模板Tk進行比較，找到與目標模板最像的子區域，就是目標位置。

其中，采用歸一化互相關系數RkNCC作為判斷子區域圖像S(i，l)和目標模板Tk相似程度的依據，定義為：

算法實現過程如6圖所示，實現步驟如下所述。

第一，取加油錐套的10幅圖像作為模板匹配圖像，10幅圖像的拍攝角度均不同。根據無人機與加油錐套的垂直和水平距離，確定水平和垂直的偏轉角度。對10幅模板匹配圖像進行索貝爾算子邊緣檢測，得到T0、T1、……T9，這十幅模板匹配圖像已預先計算好并存儲于計算機內存中，不占用目標搜索時間。

第二，從攝像頭獲取一幀圖像，并進行索貝爾算子邊緣檢測，得到待匹配圖像。按照模板匹配算法，與模板T0、T1、……T9逐個進行匹配，生成十幅互相關系數圖像，每個模板匹配的最大互相關系數分別為R0NCC、R1NCC、……R9NCC。

第三，通過實驗確定一個閾值，用最大互相關系數與其進行比較。超過這個閾值，確定加油錐套存在。把滿足閾值條件且互相關系數最高的那一幅圖像作為確定位置的依據。否則，該幅圖像模板匹配目標檢測失敗，采集新的圖像進行檢測。

圖5 美軍有人機為X-47B無人機加油。

圖6 基于模板匹配的目標搜索流程圖。

目標定位

為了提高目標定位的速度和精度，技術人員在加油錐套上添加了近紅外標志環。當模板匹配搜索到加油錐套的位置后，采用閾值分割獲得標志圓環的圖像?；谧畲箢愰g的閾值分割是一種最佳閾值分割方法。該方法是在判斷分析最小二乘法原理的基礎上推導得出。在完成閾值分割后，需要對標志環進行提取和識別。根據目標物的特征，本文選用霍夫變換進行圓檢測。

霍夫變換圓檢測的基本思想是，先將圖像中的邊緣像素點映射到參數空間，再把參數空間中的坐標點元素對應的累加值進行累加，然后根據累加值確定圓心和半徑。通過模板匹配、閾值分割和圓檢測之后，獲得加油錐套在圖像中的像素位置，最后通過坐標變換，確定加油錐套的空間位置，如圖7所示。

圖7 加油錐套精確定位結果。

測試結果

采用本文提出的圖像采集硬件和識別算法，對加油錐套進行自動識別和定位。測試結果表明，在2 ～8m范圍內，該系統能夠準確識別出加油錐套并精確地定位出加油錐套中心，利用坐標轉換可以得到加油錐套位置。視覺系統能夠始終對加油錐套進行跟蹤，實時測量與受油管的距離，通過與實際距離進行對比，誤差在1%以內，能夠滿足要求。