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，測量特征點領域區(qū)域內局部圖像梯度，將這些梯度轉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)來精確確定關鍵點的位置和尺度，同時去除低對比度的關鍵點和不穩(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心利用最小二乘法擬合目標質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，可計算其質心坐標。通過求出目標的灰度質心，并可在坐標系中描繪出質心點，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，結合初始點的位置關系，將目標信息發(fā)送到三維視景中，三維視景通過調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。基于光電探測跟蹤這一采集數(shù)據(jù)方法準確、高效且成本低廉。試驗結果表明，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。