基于FPGA的激光成像質(zhì)心提取算法的硬件實(shí)現(xiàn)

金明磊

(北京控制工程研究所,北京 100090)

基于FPGA的激光成像質(zhì)心提取算法的硬件實(shí)現(xiàn)

金明磊

(北京控制工程研究所,北京 100090)

針對(duì)一款激光成像測(cè)距系統(tǒng)設(shè)計(jì)激光成像自適應(yīng)質(zhì)心提取算法模塊，該模塊包含自適應(yīng)積分時(shí)間調(diào)整、多波峰毛刺平滑處理及基于灰度加權(quán)的質(zhì)心提取3個(gè)子模塊，該模塊已在FPGA上實(shí)現(xiàn)，處理延遲小，占用資源少，可穩(wěn)定提取目標(biāo)在線陣探測(cè)器上成像的質(zhì)心位置，提高三維激光測(cè)距的精度.

激光成像；質(zhì)心提取；硬件實(shí)現(xiàn)；FPGA

0 引 言

在空間目標(biāo)探測(cè)領(lǐng)域，相比于被動(dòng)光學(xué)探測(cè)系統(tǒng)，激光測(cè)距系統(tǒng)具有精度高、不受空間光照條件影響的優(yōu)勢(shì)[1-2]，利用激光準(zhǔn)直性強(qiáng)的特點(diǎn)，應(yīng)用在空間碎片探測(cè)、交會(huì)對(duì)接等領(lǐng)域中[3-4].

本文中針對(duì)一款激光測(cè)距系統(tǒng)中的成像質(zhì)心提取處理工作做了研究.該激光測(cè)距系統(tǒng)由激光發(fā)射與接收模塊、數(shù)據(jù)處理模塊、電機(jī)驅(qū)動(dòng)系統(tǒng)及光學(xué)系統(tǒng)組成.系統(tǒng)工作時(shí)，半導(dǎo)體激光器發(fā)射脈沖激光，經(jīng)透鏡準(zhǔn)直聚焦后出射到被測(cè)物體．反射光通過(guò)接收光學(xué)系統(tǒng)匯聚到線陣探測(cè)器上轉(zhuǎn)換為電信號(hào)，數(shù)據(jù)處理模塊處理得到激光成像的質(zhì)心位置，再根據(jù)三角測(cè)距原理計(jì)算目標(biāo)所在的空間位置.激光光源波長(zhǎng)為850 nm，最大功率為100 mW，線陣探測(cè)器采用AWAIBA公司DRAGSTER型號(hào)，線陣探測(cè)器陣列大小為4 096×1，像元尺寸為7 μm，圖像輸出為標(biāo)準(zhǔn)Camera-link接口，位寬12 bit，具有外同步功能，可自主調(diào)節(jié)積分時(shí)間.

本文針對(duì)上述系統(tǒng)功能需求，設(shè)計(jì)了自適應(yīng)激光成像質(zhì)心提取模塊，可穩(wěn)定提取目標(biāo)的質(zhì)心位置，提高三維空間位置的測(cè)量精度.

1 自適應(yīng)激光成像質(zhì)心提取算法

激光成像后原始圖像如圖1所示(文中探測(cè)器的原始圖像為連續(xù)采集的500幀線陣圖像的合成圖像，并將12 bits線性壓縮至8 bits的顯示效果).為穩(wěn)定地提取到激光成像質(zhì)心，首先經(jīng)自適應(yīng)積分時(shí)間調(diào)節(jié)后，激光成像光斑的灰度分布近似高斯分布，然后平滑處理高斯分布中的多波峰毛刺，就能穩(wěn)定提取成像光斑的質(zhì)心.結(jié)合基于FPGA的快速處理需求，設(shè)計(jì)了自適應(yīng)質(zhì)心提取模塊，該模塊包括3部分：1) 自適應(yīng)積分時(shí)間調(diào)節(jié)；2) 多波峰毛刺的平滑處理；3) 基于灰度加權(quán)的質(zhì)心提取算法.

1.1自適應(yīng)積分時(shí)間調(diào)節(jié)

設(shè)計(jì)自適應(yīng)積分時(shí)間調(diào)節(jié)模塊，該模塊的功能為：1)防止因積分時(shí)間過(guò)小，導(dǎo)致圖像中目標(biāo)較弱無(wú)法提取質(zhì)心；2)防止因積分時(shí)間過(guò)大，導(dǎo)致成像中灰度分布飽和，不能提取正確的質(zhì)心.

易知積分時(shí)間過(guò)小會(huì)導(dǎo)致無(wú)法提取質(zhì)心，下面將主要結(jié)合實(shí)際采集到的圖像說(shuō)明積分時(shí)間過(guò)大對(duì)于質(zhì)心提取的影響.圖2為當(dāng)線陣探測(cè)器積分時(shí)間過(guò)大時(shí)激光成像的灰度分布圖，圖2(a)為探測(cè)器積分時(shí)間為40 μs時(shí)成像的灰度分布圖，圖2(b)為圖2(a)灰度分布的局部示意圖.從圖2(b)的局部分布示意圖可以觀察到響應(yīng)飽和現(xiàn)象嚴(yán)重，飽和像素接近200個(gè).該圖像按灰度權(quán)重提取質(zhì)心即光斑的型心，質(zhì)心和型心在非飽和情況下會(huì)存在較大偏差.因此，需根據(jù)圖像的灰度自適應(yīng)調(diào)節(jié)積分時(shí)間，防止圖像中飽和像素太多.

結(jié)合硬件實(shí)現(xiàn)需求，設(shè)計(jì)了自適應(yīng)積分時(shí)間算法[5-7]：統(tǒng)計(jì)圖像的灰度直方圖分布，計(jì)算飽和像素(灰度值大于3 500)數(shù)比例和背景像素(灰度值小于500)數(shù)比例，根據(jù)飽和像素比例及背景像素比例自適應(yīng)調(diào)節(jié)積分時(shí)間：當(dāng)飽和像素?cái)?shù)的直方圖統(tǒng)計(jì)比例大于1%時(shí)，積分時(shí)間減少直至滿足該條件或者達(dá)到線陣探測(cè)器驅(qū)動(dòng)的最小積分時(shí)間，當(dāng)背景像素?cái)?shù)的直方圖統(tǒng)計(jì)比例大于99.5%時(shí)，積分時(shí)間直至滿足該條件或者達(dá)到線陣探測(cè)器驅(qū)動(dòng)的最大積分時(shí)間.

硬件實(shí)現(xiàn)上述自適應(yīng)積分時(shí)間算法后，同樣實(shí)驗(yàn)條件下采集到的探測(cè)器原始圖像的灰度分布如圖3 所示，對(duì)比圖2的固定積分時(shí)間40 μs，此時(shí)積分時(shí)間調(diào)整到3 μs，飽和像素?cái)?shù)小于10個(gè).

1.2多波峰毛刺的平滑處理

假設(shè)線陣探測(cè)器的激光成像的理想狀態(tài)為一高斯分布，但是由于激光散射的影響，如圖4(a)所示，線陣探測(cè)器激光成像宏觀上雖近似高斯分布，但是如圖4(b)所示，濾波前存在多個(gè)波峰毛刺，并不光滑.

為得到高斯的灰度分布，要采用空域?yàn)V波算法平滑處理，若采用空域加權(quán)算法，如高斯濾波、引導(dǎo)濾波[8-9]、雙邊濾波[10-11]等，處理后會(huì)保留細(xì)節(jié)，不能平滑毛刺，而濾波因子相對(duì)獨(dú)立的均值濾波可以平滑毛刺，也利于硬件實(shí)現(xiàn)，因此選擇均值濾波作為多波峰毛刺的平滑處理算法.濾波窗口尺寸為31像素，濾波后像素的灰度分布如圖5所示.對(duì)比圖4(b)，圖5(b)中濾波后的灰度分布近似高斯分布，多波峰毛刺消失.

1.3基于灰度加權(quán)的質(zhì)心提取算法

以濾波后的圖像作為待處理圖像， 閾值為半峰值，經(jīng)灰度加權(quán)計(jì)算質(zhì)心：

(1)

其中，P為質(zhì)心位置，k代表像素所在位置 (1至4 096列)，yk為

(2)

其中，Ik是位置k對(duì)應(yīng)的像素灰度值，Ith是半峰值.

2 自適應(yīng)質(zhì)心提取算法的硬件實(shí)現(xiàn)

2.1實(shí)現(xiàn)自適應(yīng)質(zhì)心提取模塊

自適應(yīng)質(zhì)心提取模塊只需要調(diào)用一塊外部SRAM存儲(chǔ)一幀直方圖分布，不需要其它外部資源，只消耗FPGA內(nèi)部資源即可完成.自適應(yīng)質(zhì)心提取模塊(如圖6)主要由自適應(yīng)質(zhì)心提取模塊、多波峰平滑模塊及質(zhì)心計(jì)算模塊組成.

該模塊的主頻為像素時(shí)鐘，在場(chǎng)同步期間統(tǒng)計(jì)直方圖，SRAM的時(shí)鐘為像素時(shí)鐘的2倍.場(chǎng)消隱期間從SRAM中讀取直方圖信息，統(tǒng)計(jì)直方圖分布自適應(yīng)調(diào)節(jié)積分時(shí)間，下一幀用該積分時(shí)間.濾波窗口大小為31像素，場(chǎng)消隱期間計(jì)算質(zhì)心位置輸出，同時(shí)輸出質(zhì)心位置有效標(biāo)志.

2.2自適應(yīng)質(zhì)心提取模塊的硬件實(shí)現(xiàn)

在以FPGA為主處理器的數(shù)字信號(hào)處理板上實(shí)現(xiàn)了自適應(yīng)激光成像質(zhì)心提取算法，該處理平臺(tái)以Xilinx公司的Virtex4系列XC4VSX55為主處理芯片，49 152個(gè)Slices，512個(gè)DSP48，配有4片高速CMOS靜態(tài)SRAM，每片大小為1 M×16 bits，最高讀寫速率可達(dá)到100 MHz，經(jīng)Camera-link接口采集DRAGSTER型號(hào)探測(cè)器的原始圖像.

自適應(yīng)質(zhì)心提取模塊在該平臺(tái)上的資源消耗情況如表1所示，該模塊的實(shí)時(shí)性好，質(zhì)心處理延遲小于5 000像素時(shí)鐘，復(fù)雜計(jì)算都基于FPGA內(nèi)的IP核完成，可移植至其他處理平臺(tái)上.

表1 基于FPGA的資源消耗情況Tab.1 Resource consumption based on FPGA

3 算法的處理效果

下面將分兩部分分析該模塊的處理效果對(duì)比，首先分析該模塊的積分時(shí)間自適應(yīng)調(diào)整后成像光斑的灰度分布.如圖7所示，經(jīng)積分時(shí)間自適應(yīng)調(diào)整模塊處理后，無(wú)論從原始圖像(圖7(b)對(duì)比圖7(a)，飽和光斑寬度減小)，還是灰度分布圖像(圖7(d) 對(duì)比圖7(c)，飽和寬度由200像素減少到20像素)，圖像灰度分布飽和現(xiàn)象消失，同時(shí)調(diào)整后峰值灰度值接近飽和，達(dá)到了該模塊的預(yù)期功能.

其次，分析3個(gè)模塊級(jí)聯(lián)后的處理效果對(duì)比.圖8 為自適應(yīng)積分時(shí)間調(diào)整及濾波后的圖像及局部灰度分布，可見(jiàn)經(jīng)該模塊處理后灰度分布近似高斯分布，多波峰毛刺消失.之后應(yīng)用灰度加權(quán)算法提取質(zhì)心，對(duì)比固定積分時(shí)間時(shí)，如表2所示，采用同樣的濾波算法和質(zhì)心提取算法，提取的質(zhì)心位置(采用500幀圖像測(cè)試質(zhì)心提取的位置及穩(wěn)定度)從2 360變化至2 304，更接近質(zhì)心，質(zhì)心穩(wěn)定性(500幀圖像的質(zhì)心標(biāo)準(zhǔn)差)從1.2像素變化至0.5像素，質(zhì)心位置更可靠，更穩(wěn)定的質(zhì)心位置可提高激光成像三角測(cè)距的精度.

4 結(jié) 論

本文針對(duì)一款激光成像測(cè)距系統(tǒng)設(shè)計(jì)了自適應(yīng)質(zhì)心提取模塊，該模塊設(shè)計(jì)了基于直方圖分布的自適應(yīng)積分時(shí)間調(diào)整算法，同時(shí)實(shí)現(xiàn)了多波峰毛刺的平滑處理及基于灰度加權(quán)的質(zhì)心提取，并在FPGA上實(shí)現(xiàn)了該模塊的功能.通過(guò)試驗(yàn)，該模塊可有效的增加激光成像質(zhì)心的提取精度，質(zhì)心提取穩(wěn)定性更好，同時(shí)在硬件實(shí)現(xiàn)上該模塊資源消耗少，處理延遲小，可移植性強(qiáng)，可提高激光成像三角測(cè)距的精度.

表2 質(zhì)心提取情況對(duì)比Tab.2 Comparison of centroid extraction

[1] 楊冉,張高飛,張紫辰,等.一種面向空間應(yīng)用的激光測(cè)距方案設(shè)計(jì)與實(shí)驗(yàn)[J].紅外與激光工程,2014,43(3):700-706. YANG R, ZHANG G F, ZHANG Z C, et al. Design and experiment of a laser ranging scheme for aerospace applications[J]. Infrared and Laser Engineering, 2014, 43(3):700-706.

[2] 徐正平,沈宏海,許永森,等.激光成像系統(tǒng)高精度目標(biāo)距離和強(qiáng)度信息提取[J].紅外與激光工程,2014, 43(8):2668-2672. XU Z P, SHEN H H, XU Y S, et al. Target-distance and intensity information detecting with high precision in laser imaging system[J].Infrared and Laser Engineering, 2014, 43(8):2668-2672.

[3] 黃濤，胡惠靈，胡以華，等.空間目標(biāo)識(shí)別中的激光探測(cè)技術(shù)[J]. 激光與紅外,2010，40(7)：685-689． HUANG T, HU H L, HU Y H， et al． Laser detection in the identification of space target[J]．Laser & Infrared，2010，40(7)：685-689．

[4] WANG J Y, SHU R, CHEN W B, et al． Laser altimeter on change’s satellite[J]．Science China Press，2010，40(8)：1063-1070.

[5] SHERRIER R H, JOHNSON G A. Regionally adaptive histogram equalization of the chest[J].IEEE Transactions on Medical Imaging, 1987,6(1):1-7.

[6] ZHU H, LAM F K,CHAN F H Y. Lam. image contrast enhancement by constrained local histogram equalization[J]. Computer Vision and Image Understanding, 1999,73(2):281-290.

[7] ARICI T, DIKBAS S, ALTUNBASAK Y. A histogram modification framework and its application for image contrast enhancement[J].IEEE Transactions. Image Processing, 2009,18(9):1921-1935.

[8] HOSNI A, BELEYER M, RHEMANN C, et al. Real-time local stereo matching using guided image filtering[C]//Proceedings of IEEE International Conference on IMCE. New York:IEEE,2011:1-6.

[9] HE K M, SUN J, TANG X. Guided image filtering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35:1397-1409.

[10] BRANCHITTA F, DIANI M, CORSINI G, et al. New technique for the visualization of high dynamic range infrared images[J].Optical Engineering, 2009，48(9):96401-096401-9.

[11] PARIS S,DURAND F. A fast approximation of the bilateral filter using a signal processing approach[J].International Journal of Computer Vision, 2009,81(1):24-52.

HardwareImplementationofaCentroidExtractionAlgorithmforLaserImagingBasedonFPGA

JIN Minglei

(BeijingInstituteofControlEngineering,Beijing100090，China)

An adaptive centroid extraction algorithm module is described. This module includes three sub modules, which are adaptive integration time adjustment, smoothness processing of multi wave crests, and extraction of centroid based on gray weighted. This module is realized on FPGA with small delay and little resource occupation. Stable extraction of centroid in the detector imaging system is beneficial to improve the dimensional precision of laser ranging.

laser imaging; centroid extraction; hardware implementation; FPGA

TN29

：A

： 1674-1579(2017)04-0063-05

10.3969/j.issn.1674-1579.2017.04.011

2017-04-30

金明磊(1986—)，男，博士，工程師，研究方向?yàn)閳D像處理.