基于圖像的導(dǎo)彈相對高度測量方法

基于圖像的導(dǎo)彈相對高度測量方法

1地震圖像測距技術(shù)在飛行過程中，飛行儀器必須實時測量距地面的相對高度?，F(xiàn)在，該高度通常由雷達高度表或電力高度表測量。這一方法可以滿足對原油高度測量精度的要求，并應(yīng)用于不同的地形。然而，由于我們在工作中需要通過外部輻射波，我們可以減少對原油的模糊性，并且很容易損壞。如果可以使用現(xiàn)有的彈上圖像設(shè)備來獲得具有俄羅斯相對高度的武器，可以提高武器的隱蔽性，提高武器的抗逆性。因此，在這項工作中，我們提出了一種基于雙目立體視覺的原理，通過圖像測量來測量逃射率。雙目立體視覺是被動式測距方法中重要的距離感知技術(shù)之一,它直接模擬了人類視覺處理景物的方式,可以在多種條件下靈活地測量景物的立體信息.但是由于導(dǎo)彈相對高度測量的特殊要求和導(dǎo)彈運動與地形的復(fù)雜性,給立體視覺測距技術(shù)在彈上的應(yīng)用帶來了很大困難.本文就是利用現(xiàn)有的彈上成像設(shè)備,通過建立圖像測距模型,給出相應(yīng)的圖像處理算法流程,并得出符合精度要求的結(jié)果.2圖像基線長度用于彈上的雙目立體視覺測距的示意圖如圖1所示.在導(dǎo)彈飛行的t1t2時刻,CCD成像設(shè)備分別攝取下方的圖像,前后兩幅圖像有圖1所示的重合區(qū)域.重合區(qū)域中的一點p在兩幅圖像中都有相應(yīng)的像點.圖2為圖1在理想情況下的成像坐標示意圖.如圖2所示,建立如圖所示的攝像機坐標系,c1坐標系為o1x1y1z1,c2坐標系為o2x2y2z2.其中o1和o2分別為攝像機的光心,c1與c2光軸互相平行,x軸互相重合,b為兩攝像機之間的基線長度.p在左右兩幅圖像中的像點分別為p1和p2,假設(shè)p在c1坐標系下的坐標為(x1,y1,z1),則在上述攝像機配置下,p在c2坐標系下坐標為(x1-b,y1,z1).可以解出z1:z1=b×fax?1Δu.(1)z1=b×fax?1Δu.(1)式中f為焦距;ax和ay分別表示一個像素在x軸與y軸方向上的物理尺寸;b為基線長度;Δu為p1和p2在像素坐標系下的坐標差值.圖2所示的是理想狀態(tài)下較簡單的成像配置的幾何關(guān)系,但在實際情況下,這樣的配置很難得到,這是因為導(dǎo)彈在空間中有姿態(tài)和位置的變化.這些因素使得圖2所示的兩個成像坐標系的相對位置關(guān)系發(fā)生了變化.假設(shè)兩次成像過程中導(dǎo)彈的姿態(tài)變化矩陣為R,位置平移向量為[bx,by,bz]T,如圖3所示.空間中一點p在c1坐標系下坐標為(x1,y1,z1),則在上述攝像機配置下,在c2坐標系下坐標為[x2y2z2]=R[x1y1z1]+[bxbybz].(2)???x2y2z2???=R???x1y1z1???+???bxbybz???.(2)式中R為旋轉(zhuǎn)矩陣,bx=∫Δt0Δt0vxdt.上述角度和速度參數(shù)由測量元件實時測得.在確定了攝像機的ax,ay,f等內(nèi)部參數(shù)和外部旋轉(zhuǎn)矩陣R以及平移向量t之后,由圖像處理得到空間中同一點在不同圖像中的視差,從而可以計算出導(dǎo)彈飛行的相對高度.圖像處理是雙目立體視覺中的重點,圖像處理的難點在于在兩幅相似的圖像中尋找同名點,即圖像匹配.3圖像的匹配和同步處理圖像匹配是雙目立體視覺系統(tǒng)中的核心問題.當空間三維場景被投影為二維圖像時,同一景物在不同視點下的圖像會有較大差異,而且場景中的諸多因素,如光照條件、景物幾何形狀和物理特性、噪聲干擾和畸變以及攝像機特性等,都被綜合地反映于圖像中單一的灰度值上.因此,要準確地對包含了如此之多不利因素的圖像進行無歧義的匹配顯然是十分困難的.在目前的立體視覺研究中,絕大多數(shù)都是針對各自的應(yīng)用目的和要求來進行,這樣對于圖像處理的要求也就各不相同.本文針對用于彈上的立體視覺圖像處理的高實時性、高精度的特點,設(shè)計了適合于本文要求的圖像處理流程.3.1圖像噪聲的預(yù)處理在成像、數(shù)字化和傳輸?shù)冗^程中難免會有各種干擾,如噪聲.這些噪聲使得圖像上像素點的灰度值不能正確地反映空間物體對應(yīng)點的灰度值,從而降低了圖像質(zhì)量,給最終的測量結(jié)果帶來誤差,因此在圖像處理之前都需要對圖像進行預(yù)處理.在空域中圖像降噪的方法主要有鄰域平均、模板法、多圖像平滑和中值濾波等.由于中值濾波能在有效濾除圖像的顆粒噪聲的同時保護圖像細節(jié),并且計算簡便,因此,本文采用中值濾波對圖像進行預(yù)處理.其定義為Yi,j=Μedian[Xx+m,j+n;(m,n)∈W].其中W為平面濾波窗口.采用快速算法可以大大加快處理速度.3.2suson算法提取角點特征提取是基于特征的匹配方案的基礎(chǔ).提取出的特征的多寡,特征點定位精度的好壞,特征信息可信度的高低都會直接影響到后面的匹配結(jié)果.一般進行特征提取的對象有兩類:一類可稱為點特征,如零交叉點、邊緣點以及一些通過興趣算子獲得的興趣點.另一類可稱為圖像的結(jié)構(gòu)特征,如提取出的邊緣線段,這一類方法計算較為復(fù)雜,而且其結(jié)果好壞嚴重依賴于區(qū)域分割和邊界提取結(jié)果的好壞.因此,本文采用角點作為匹配特征.本文利用SUSAN算法提取角點.對于圖像中非紋理區(qū)域的任一點,在以它為中心的圖像窗中存在一塊亮度與其相同的區(qū)域,這塊區(qū)域在SUSAN算法中稱為USAN(univaluesegmentassimilatingnucleus)區(qū)域.USAN區(qū)域包含了圖像結(jié)構(gòu)的重要信息,尤其是USAN區(qū)域的面積大小更是包含了最為重要的結(jié)構(gòu)信息.從圖4可以看出,當考察的像素點(圓心點)位于區(qū)域內(nèi)部時(如圖4(a)所示),其USAN區(qū)域的面積最大;當考察點位于邊界上時(如圖4(b)所示),USAN區(qū)域面積減小為最大值的一半;當考察點是角點時(如圖4(c)所示),USAN區(qū)域的面積更小.SUSAN算法就是根據(jù)各個點處USAN區(qū)域面積得到角點響應(yīng)函數(shù),利用角點相應(yīng)函數(shù)來區(qū)分當前點是區(qū)域內(nèi)部點、邊界點或角點的.其算法如下:首先計算當前點在圓形模板下的USAN區(qū)域面積,其面積計算公式如下:c(r,r0)={1,if|Ι(r)-Ι(r0)|≤t；0,if|Ι(r)-Ι(r0)|＞t.n(r0)=Σr∈wc(r,r0).其中r0為當前點的位置,r為圓形窗口內(nèi)其它任一點的位置,I(r)為圖像灰度值,t為預(yù)定的亮度門限值.n即為計算出的USAN面積,比較n值和預(yù)設(shè)的幾何域值g的大小得到一個初始角點響應(yīng)函數(shù):CRF(r0)={g-n(r0)?n(r0)＜g;0,其它.最后,搜索初始角點響應(yīng)的局部最大值,將其對應(yīng)的像素點標記為角點.3.3基于分辨率圖像匹配匹配算法的結(jié)構(gòu)對于圖像匹配來說非常重要.為了提高圖像匹配的速度和匹配概率,本文采用了基于圖像金字塔的多層匹配,并利用了匹配的左右一致性.在匹配開始之前,先利用2×2的金字塔生成核生成具有金字塔結(jié)構(gòu)的影像數(shù)據(jù).匹配時,首先從圖像金字塔的最頂層開始,在這一層由于搜索范圍小,因此可以采用一些較為復(fù)雜的算法,如利用匹配的左右一致性,即對左圖上一點進行匹配,找到其在右圖上的匹配點,然后對右圖上的匹配點在左圖進行匹配.如果互為匹配則該點為正確匹配點,這樣可以大大減小誤匹配.在低分辨率圖層上的匹配結(jié)果用來指導(dǎo)在高分辨率圖層上的匹配,可以減小搜索范圍、降低運算量、提高匹配的精度.3.4基于距離約束的后處理在實際應(yīng)用中,由于周期性模式、光滑區(qū)域的存在,以及遮擋效應(yīng)、約束原則的不嚴格性等原因?qū)е乱暡顖D產(chǎn)生誤差.在立體匹配的過程中,可以加入約束條件來剔除誤匹配點,如相容性約束、連續(xù)性約束和順序約束等.本文采用一種可分離的視差圖后處理算法.根據(jù)幾何知識,在平面上到不共線三點距離分別為定值的點是唯一的.由于特征點數(shù)目較多,而且散布在圖像中,因此,可以認為一個點lk(x,y)是特征點rk(x,y)的正確對應(yīng)點的充要條件是,lk(x,y)點到其它特征點的正確對應(yīng)點lj(x,y)的距離和特征點rk(x,y)到其他特征點rj(x,y)的距離相等,本文中我們稱該條件為距離約束.利用距離約束可以消除絕大部分明顯匹配錯誤的點,并且具有計算簡便、獨立的優(yōu)點.4外來人車