基于無人機偵察與模型仿真的人機協(xié)同毀傷評估

牛軼峰 王治超 王菖 劉芳

目標毀傷效果評估是綜合考慮戰(zhàn)役目的、戰(zhàn)場環(huán)境、毀傷力量等因素,對火力打擊效果進行綜合分析評定的過程,是實施火力協(xié)調、調整火力打擊重點的主要依據(jù)和確保戰(zhàn)役火力毀傷任務圓滿完成的重要環(huán)節(jié)[1],在Boyd 提出的觀察、判斷、決策、行動(Observe,Orient,Decide,Act,OODA)作戰(zhàn)回路中,毀傷評估是觀察的一個重要環(huán)節(jié),是對于武器毀傷效能的重要評估方法,毀傷評估階段的觀察結果為判斷提供信息基礎,判斷結果將會直接影響到?jīng)Q策的準確性,進而決定行動的有效性.

毀傷評估研究涉及軍事學、自主控制、圖像處理、數(shù)值計算等方面,是一個多學科的綜合應用領域,目前,毀傷評估的技術手段主要包括:基于航空航天偵察圖像的變化檢測與提取方法、基于武器戰(zhàn)斗部威力與目標易損性的分析仿真和專家判讀,基于圖像變化檢測的方法因簡便易行、戰(zhàn)場實效性較高等原因被廣泛運用于實戰(zhàn),目前基于無人機圖像的自動變化檢測方法已有相關研究成果[2?5],但建立一種通用的變化檢測方法是困難的,其原因在于:戰(zhàn)場環(huán)境具有復雜性、對抗性、動態(tài)性等特點,無人機獲取的圖像可能受光照、晃動、角度等因素的影響,導致圖像質量下降,從而影響變化檢測算法的效果.基于武器戰(zhàn)斗部威力與目標易損性的分析仿真方法能夠全面地描述毀傷過程,系統(tǒng)性較強,有大量學者對模型仿真進行了研究[6?9],但該方法要求事先對目標和戰(zhàn)斗部進行建模,是一種離線的評估方法,且對于建模精度要求較高,實時性較差,專家判讀方法有利于發(fā)揮人對于圖像場景的理解優(yōu)勢,能夠充分利用專家經(jīng)驗,但受專家水平、專家組構成的影響較大,且該方法主觀性較強,容易產生經(jīng)驗誤導.

本文通過融合自動化算法中圖像變化檢測的時效性和模型仿真評估的系統(tǒng)性,結合專家經(jīng)驗在毀傷評估中的監(jiān)督作用,建立一種基于無人機偵察圖像與模型仿真計算的人機協(xié)同毀傷評估方法,充分利用人的經(jīng)驗優(yōu)勢和機器的計算優(yōu)勢,達到高效準確的毀傷評估結果.

1 基于協(xié)同設計方法的毀傷評估

1.1 任務描述

目前已有大量學者對多無人機及人在回路的協(xié)同作戰(zhàn)鏈路進行了研究[10?12],本文面向的任務背景為人在回路的協(xié)同作戰(zhàn)閉合鏈路:無人機攜帶偵察傳感器前往預定區(qū)域偵察,獲取目標打擊前的偵察數(shù)據(jù);實施目標信息處理;指揮部根據(jù)目標信息,制定打擊方案,生成期望武器投放位置、角度、戰(zhàn)斗部炸高、攻角、速度等參數(shù);無人機或有人機按計劃對目標進行打擊;無人機對被打擊目標進行毀傷效果偵察,獲取目標毀傷后的圖像等信息,由毀傷評估人員與無人機地面站進行目標毀傷評估;依據(jù)作戰(zhàn)要求與評估結果,有必要時實施新一輪的火力打擊.如此構成圖1所示的人在回路的協(xié)同偵察、打擊、評估、補充打擊的閉合鏈路.

圖1 人在回路的協(xié)同作戰(zhàn)環(huán)路示意圖Fig.1 Human-in-the-loop cooperative operation paradigm

1.2 面向毀傷評估任務的人機相互依賴關系分析

協(xié)同設計(Coactive Design)理論由美國佛羅里達人機認知中心(IHMC)的Johnson 博士提出[13],該方法在傳統(tǒng)任務分析的基礎上,提高了針對團隊成員間的協(xié)同能力互補性考量,協(xié)同設計的基本流程為:識別過程、選擇和實現(xiàn)過程、變化評估過程.識別過程是協(xié)同設計的核心步驟,該步驟利用一種被稱為相互依賴關系分析(Interdependence Analysis,IA)表的分析工具,進行團隊成員間的相互依賴性分析.

針對本文的任務背景,進行面向毀傷評估任務的人機協(xié)同分析,建立了相互依賴性分析表,如表1所示,其包含5個基本步驟:

1)分析任務的能力需求,在IA表的左側進行層次任務分析,將高級任務分解為適當粒度的子任務,在對應的子任務后面分析對應的能力需求,例如將基于圖像變化檢測的評估方法分解為場景匹配、目標選擇、變化檢測和提取、毀傷計算.

2)枚舉可行的團隊成員角色分配方案,將團隊成員按照執(zhí)行者和輔助成員的分類,組成角色分配方案.在本文的任務背景下,將人機協(xié)同毀傷評估系統(tǒng)分為兩類成員:R表示計算機,H表示毀傷評估操作人員,按照自主等級從高到低,可以生成4種搭配方案:R(由機器獨立完成)、RH(機器為主人輔助)、HR(人為主機器輔助)、H(由機器獨立完成).

3)評估執(zhí)行者和輔助者的能力,在角色分配方案對應的列下對各個成員作為執(zhí)行者/輔助成員的能力進行分析.為了增加直觀性,協(xié)同設計采用不同的顏色編碼表示能力強弱,從低到高分別為紅色(0)、橙色(1)、黃色(2)、綠色(3).

4)識別潛在的相互依賴關系,執(zhí)行者和輔助成員的能力分析結束,通過其顏色組合來分析潛在相互依賴關系,例如場景匹配子任務中,分配方案RH中計算機能夠獨立進行圖像配準,人可以輔助其加強可靠性,當執(zhí)行者的能力不足以獨立完成子任務時,該相互依賴關系需要格外關注.

5)確定OPD需求,在IA表的最右側是團隊成員之間的可觀察性、可預測性、可干預性(Observable,Predictable,Directable,OPD)需求,其根據(jù)團隊成員之間潛在的相互依賴關系,決定團隊成員間誰需要觀察誰的狀態(tài)、誰的動作/狀態(tài)可以被誰預測、誰需要以什么方式干預誰.在應用中,OPD需求通常決定了成員之間將以一種怎樣的形式進行交互.

1.3 人機協(xié)同毀傷評估流程設計

構建基于無人機偵察與模型仿真的人機協(xié)同毀傷評估流程如圖2所示.

結合IA表分析結果,具體步驟為:

1)無人機偵察獲取目標數(shù)據(jù)并預處理,包含目標類型、位置、朝向、打擊前圖像等信息.

2)系統(tǒng)和操作員對判斷數(shù)據(jù)質量以選擇合適的評估方法,包括圖像清晰度、辨識度,彈目交會參數(shù)完整性、正確性等,此步驟使用IA表中的HR方案.

表1 人機協(xié)同毀傷評估相互依賴性分析表Table1 Interdependence analysis table of human-machine collaborative damage assessment

3)操作員根據(jù)數(shù)據(jù)質量和自身狀態(tài)選擇自主等級,數(shù)據(jù)質量越良好、自身工作負荷越高,則越傾向于選擇高自主等級.

4)根據(jù)自主等級劃分表進行對應子模塊的毀傷評估,自主等級劃分表如表2所示,包含3個毀傷評估子模塊:基于圖像變化檢測的毀傷評估、基于模型仿真計算的毀傷評估、專家判讀.根據(jù)IA表的不同方案進行分析組合,其中基于圖像變化檢測的毀傷評估以RH方案為基礎,包含兩種模式:手動目標分割、自動目標分割;基于模型仿真計算的毀傷評估以RH方案為基礎包含兩種模式:手動參數(shù)設置、自動參數(shù)調用;專家判讀只包含以HR方案為基礎的操作員判讀一種模式.

5)系統(tǒng)進行毀傷評估結果融合,系統(tǒng)根據(jù)預設的權值對子模塊評估結果進行融合,物理毀傷比例融合原理如式(1)所示.

其中,Af為最終毀傷評估結果.Ai為基于圖像變化檢測的毀傷評估結果,Am為基于模型仿真計算的毀傷評估結果,Ae為專家判讀的毀傷評估結果,k為子模塊對應歸一化的權值,各權值選取根據(jù)不同的操作員能力、不同操作狀態(tài)、不同自主等級等因素有所差異.目前本文根據(jù)實驗中操作員水平,結合經(jīng)驗使用預設權值,并通過實驗不斷迭代權值參數(shù),功能毀傷評估由物理毀傷評估結果推斷,與子模塊功能毀傷評估投票結果對比,結果相同則采納,結果不同則操作員介入判斷.

表2 人機協(xié)同毀傷評估自主等級劃分表Table2 Tableof autonomy level of human-machine cooperative damage assessment

圖2 基于IA表的人機協(xié)同毀傷評估流程設計Fig.2 Design of human-machine collaborative damage assessment process based on IA table

2 基于圖像變化檢測的毀傷評估

基于圖像的變化檢測基于一系列圖像處理技術實現(xiàn),主要步驟為:圖像配準、目標分割、圖像變化檢測、毀傷識別提取、毀傷計算.圖像變化檢測模塊主要針對圖像質量良好,目標清晰無遮擋情況時使用,當目標因復雜背景或遮擋導致自動算法難以評估時,可以降低該模塊權值或使用模型仿真和專家判讀模塊,根據(jù)IA表的分析結果,基于圖像變化檢測的毀傷評估方法以RH方案為基礎進行拓展.在圖像配準子任務中,以RH方案自動配準為主,HR方案的人工配準校正為輔,在目標分割子任務中,分為兩種模式:RH方案自動目標分割、HR方案手動目標分割.

2.1 目標毀傷圖像配準

目標毀傷圖像配準主要解決如何將打擊前后的圖像表示在同一坐標系下,圖像特征點指圖像顏色特征或紋理特征明顯的點[14],通常帶有較為豐富的圖像信息,能夠壓縮圖像信息,提高配準速度,本文使用SURF算法,是一種基于圖像特征點的配準方法,其針對尺度不變特征變換(Scale-Invariant Feature Transform,SIFT)算法的改進,提高了算法效率和魯棒性[15],此外,本文通過優(yōu)化SURF算法中的Hessian閾值、特征點數(shù)量等進一步提高了算法效率和準確率.

SURF算法的基本流程為:使用不同尺度的盒式濾波模板對圖像f(x,y)進行濾波得到不同尺度的新圖像D(x,y),構建尺度金字塔;在不同尺度下計算Hessian矩陣,如式(2),求Hessian矩陣判別式的極值得到該尺度下的特征點;通過統(tǒng)計Haar 小波特征得到特征點的主方向并生成對應特征點描述子;在描述子空間下,計算兩圖像特征點之間的歐式距離,獲得特征點之間的匹配關系;基于匹配關系求空間變換矩陣將兩幅圖表示在同一坐標系下.

如圖3為圖像配準結果,左側為打擊前圖像,右側為配準的打擊后圖像.若算法檢測的配準結果出錯,可由操作員進行特征點校準,通過人工選擇圖像特征點,提高配準的正確性.

圖3 圖像配準結果Fig.3 Image registration results

2.2 毀傷目標分割

為得到精確的毀傷計算結果,變化檢測需要基于目標分割進行,即將目標從背景中分離,獲取目標的輪廓區(qū)域信息,圖像分割常用的算法有基于閾值的分割方法、基于邊緣的分割方法、基于區(qū)域的分割方法和基于圖論的分割方法等,本文的自動目標分割使用基于圖論算法中的GrabCut算法進行目標分割.

GrabCut是一種基于GraphCut的改進算法,由微軟研究院提出,并廣泛用在多種圖像處理算法庫中[16],GrabCut是一種交互式圖像分割算法,其特點在于只需要對目標進行大致的框選,就可以達到良好的分割效果,由操作員框選出目標所在區(qū)域的大致矩形范圍,在該矩形以外的區(qū)域全部被視為背景,矩形內的部分視為可能的前景或背景.

GrabCut 使用最大流/最小割(Max Flow/Min Cut)理論.算法將圖像映射為圖論中的無向圖(Undirected Graph),其包含節(jié)點和邊,節(jié)點包含兩類,一類表示圖像中的每個像素;另一類是終端節(jié)點,其中一個S節(jié)點表示前景,一個T節(jié)點表示背景,邊也有兩類,一類表示相鄰像素之間的連接關系;另一類是像素到終端之間的連接關系.

圖的能量函數(shù)如式(3)所示.

其中,R(L)為區(qū)域項,表示節(jié)點到終端的邊的權值.其分為兩部分,一部分是和S節(jié)點相連的邊的權值Rp(1),另一部分是和T節(jié)點相連的邊的權值Rp(0).當一個節(jié)點越有可能屬于前景時,其Rp(1)越小,Rp(0)越大.B(L)為邊界項,表示節(jié)點之間邊的權值,當邊兩端節(jié)點差異值越大,B(L)越小,越有可能是割邊.a為比例因子,表示區(qū)域項和邊界項的相對權重.GrabCut 方法的優(yōu)化目標為優(yōu)化能量函數(shù)使其達到最小,即最小割.

基于GrabCut算法實現(xiàn)的毀傷目標分割結果如圖4所示.

圖4 目標分割結果Fig.4 Target segmentation results

手動目標分割采用套索模式,由操作員手動繪制套索形成目標模板,再通過模板對圖像進行目標分割,此模式相對于自動目標分割精確度較高,但耗時較長.

2.3 目標毀傷差異圖像構造

基于圖像的毀傷評估方法其核心在于變化檢測,目的是構造表征有目標變化信息的差異圖像,圖像數(shù)值法通過對圖像的像素灰度值做代數(shù)運算構造差異圖像,在變化檢測的研究范圍內,通常使用差值法和比值法,相對于差值法,比值法對于噪聲不敏感,且能夠增強變化信息、抑制背景差異和減少大氣影響,因此,在對于統(tǒng)計要求不高時,一般都通過比值法配合形態(tài)學處理進行變化檢測.

比值法使用圖像算術運算中的除法運算為基本處理方式,也稱為比率變換.比值法將圖像矩陣中對應元素相除.在實際運用中,通常對數(shù)值法原理式做出一定改進[17],例如:對偶兩幅輸入圖像的關系,避免因不同圖像做分母的問題導致的輸出不同問題;將輸出圖像的灰度范圍限制在0到1之間,便于后續(xù)毀傷提取;為了避免分母為0的數(shù)學錯誤,在比值的分子分母同時加1,改進后采用原理式如式(4)所示.

根據(jù)式(4)得到的C(x,y)灰度值域為[0,1],范圍過小不利于后續(xù)閾值分割,通常需要進行灰度值平衡,可采用的方法有線性變換,如乘法拓展灰度值范圍;非線性變換,如對數(shù)變換[18];統(tǒng)計方法,如直方圖均衡化等.

基于圖像數(shù)值法得到的目標毀傷差異圖像如圖5所示,從圖中可見,除了毀傷部分,周邊還存在噪聲,需要對噪聲、暗斑產生的非毀傷信息進行抑制.

圖5 數(shù)值法構造差異圖像結果Fig.5 Difference image based on numerical method

2.4 差異圖像形態(tài)學處理和毀傷評估計算

為了更準確地提取毀傷變化信息,一般先采用形態(tài)學處理已構造的差異圖像,其目的是為了消除噪聲和圖像暗斑缺陷,然后根據(jù)灰度閾值分割的方法提取出變化區(qū)域,為毀傷變化計算提供信息.

對圖像的形態(tài)學處理一般是指數(shù)學形態(tài)學,是一門在拓撲學上發(fā)展起來的圖像分析學科,在圖像處理的理論體系中占有重要地位,本文利用基于圖像二值膨脹腐蝕的閉運算操作,先進行膨脹運算、后進行腐蝕運算,達到的最終效果是消除低于其鄰域的點,即消除暗點.

灰度閾值分割是一種基于全局光譜特征的圖像分割方法,其主要分割的依據(jù)是圖像或部分圖像的灰度直方圖,根據(jù)其對灰度直方圖的分割方法的不同,常用方法包括:最大方差閾值法、雙峰法、迭代法、最大類間方差法等.

本文使用的是最大類間方差法,由日本學者大津(OTUS)提出,也被成為大津法,其基本原理是求OTSU閾值,使得通過OTSU閾值分割的前景和背景間的類間方差最大.OTSU算法分割穩(wěn)定,不易受圖像對比度和亮度的影響,并且計算簡單,處理速度快.其基本原理如式(5)所示.

其中,OTSU閾值TH 將灰度分為小于閾值的背景部分和大于閾值的前景部分,背景部分的概率為p1,平均灰度為g1;前景部分的概率為p2,平均灰度為g2;全局平均灰度為gG.因此,OTSU算法的優(yōu)化目標為求TH,使得類間方差σ2最大.

在得到二值分割的差異影像后,通過統(tǒng)計計算得到毀傷區(qū)域占總區(qū)域的比例,并據(jù)此推斷毀傷程度.

3 基于模型仿真計算的毀傷評估

基于模型仿真計算的毀傷評估方法包含戰(zhàn)斗部毀傷效應建模,又稱戰(zhàn)斗部威力建模、目標幾何與易損性建模,在此基礎上通過彈目交會參數(shù)進行毀傷效應仿真,根據(jù)IA表的分析結果,基于模型仿真計算的毀傷評估方法以RH方案為基礎,在參數(shù)調用子任務中,分為兩種模式:RH方案自動調用參數(shù)、HR方案手動設置參數(shù).

3.1 戰(zhàn)斗部毀傷效應建模

戰(zhàn)斗部是各類彈藥的最終殺傷單元,其通常與彈藥的制導方式、動力方式等無關,獨立于其他單元成為毀傷評估的主要建模對象,戰(zhàn)斗部按殺傷原理和打擊對象不同,通常分為爆破戰(zhàn)斗部、破片戰(zhàn)斗部、侵徹戰(zhàn)斗部.目前多數(shù)彈藥通常使用串聯(lián)戰(zhàn)斗部,即使用多種戰(zhàn)斗部進行耦合串聯(lián)來加強彈藥的多用途性和殺傷效能.但從毀傷效應而言,戰(zhàn)斗部的毀傷效應仍包含沖擊波效應、破片效應和侵徹效應.

1)沖擊波效應.戰(zhàn)斗部炸藥在空氣中爆炸,在極短的時間內轉變?yōu)楦邷睾透邏旱谋Z產物,并產生初始沖擊波.隨后,初始沖擊波演化成一個尾部帶有稀疏波區(qū)(或負壓區(qū))的空氣沖擊波,稱為爆炸空氣沖擊波(或簡稱爆炸波),爆炸空氣沖擊波形成以后,脫離爆轟產物獨立地在空氣中傳播,爆炸空氣沖擊波傳播過程中波陣面壓力在初始階段衰減快,后期減慢,傳播到一定距離后,沖擊波衰減為聲波.如圖6為沖擊波的定點波形,其中,Δpm、τ+和I+分別表示沖擊波超壓、正壓持續(xù)時間和比沖量,構成了爆炸空氣沖擊波的3個基本參數(shù).

2)破片效應,戰(zhàn)斗部在爆炸時產生的高速飛散的破片命中目標,其直接效應是侵徹,如果是命中目標的燃料艙或者彈藥艙,還會產生引燃或引爆的后效,破片的參數(shù)包括破片數(shù)量、質量及其分布、破片初速、破片空間飛散特性等,破片初速、破片空間飛散特性等參數(shù)通?？梢杂捎嬎愦_定,其他參數(shù)一般通過試驗確定,破片的飛行衰減如式(6)所示.

其中,D為炸藥爆速,C/M為炸藥金屬比,α是衰減系數(shù),S為飛行距離.

圖6 沖擊波定點波形Fig.6 Shock wave fied point waveform

3)侵徹效應.當高速彈丸碰撞靶板時,影響侵徹現(xiàn)象的因素很多,主要可以分為3 大類:靶、彈和彈靶交互狀態(tài),侵徹能力用對等效靶的擊穿厚度和穿透一定厚度等效靶所需的侵徹速度來表征,前者稱為侵徹極限厚度,后者稱為侵徹極限速度.

3.2 目標幾何與易損性建模

目標建模通常包含外觀幾何建模、物理易損性建模、功能易損性建模.

1)目標外觀幾何建模,本文主要研究毀傷目標為建筑及車輛,幾何建模的關鍵是獲得目標的外形參數(shù)及尺寸,可以通過工程圖紙或三視圖進行推斷.建模工作可以借助CAD 軟件進行目標的幾何造型并劃分網(wǎng)格,然后輸出目標幾何外形的數(shù)據(jù).

2)目標物理易損性建模,在幾何模型基礎上,需要設置目標的物理易損性,即有關物理力學參數(shù)和毀傷標準等,主要包括部件材料的等效厚度、抗拉強度、有效破片的動能標準、面損傷密度標準、破片毀傷閾值和沖擊波毀傷超壓毀傷閾值等.

3)目標功能易損性建模,目標功能易損性建模主要通過毀傷樹分析法(Damage Tree Analysis,DTA)進行,DTA 基于演繹分析進行,通過分解系統(tǒng)至子系統(tǒng)、組件、單元等,考慮單元的毀傷如何造成系統(tǒng)的毀傷,該方法著重點是考慮整個系統(tǒng),它既考慮某個單元的毀傷,也考慮幾個單元同時產生某種等級的毀傷時它們對系統(tǒng)的影響.

3.3 毀傷效應仿真

結合戰(zhàn)斗部的毀傷效應模型和目標易損性模型,基于模型仿真計算的毀傷評估方法從3個方面進行毀傷效應仿真:沖擊波毀傷仿真、破片毀傷仿真和侵徹毀傷仿真.

1)沖擊波毀傷仿真,本文采用基于優(yōu)化的爆炸沖擊波加載算法,可以在不計算沖擊波流場、不計算沖擊波與目標的流固耦合的情況下,快速計算沖擊波在目標部件表面的載荷,給出超壓峰值、超壓沖量等數(shù)據(jù),該算法首先計算目標各面元與爆炸中心的相對關系,判斷面元與爆炸中心之間是否通視,以及面元與沖擊波方向夾角,然后對沖擊波建立虛擬射擊線以計算面元與爆炸中心的相對關系,利用沖擊波的傳播及衰減模型,獲得沖擊波在目標表面上的幅值、入射角度等數(shù)據(jù),以此分析出目標表面上的反射超壓、反射超壓沖量,以報表或圖形化的方式給出,結合目標易損性中的材料特性等,確定目標的沖擊波毀傷情況.

2)破片毀傷仿真,破片主要打擊輕裝甲目標.根據(jù)武器/彈藥的靜爆破片威力參數(shù),考慮武器彈藥在彈道終點的飛行速度、方向等數(shù)據(jù),系統(tǒng)能夠對爆炸形成的初始破片飛散場進行計算.在此基礎上,計算破片與目標是否交會,如果破片與目標交會,再計算交會點位置、交會時的侵徹速度、角度,在此基礎上利用經(jīng)典侵徹方程計算破片對目標的毀傷情況并統(tǒng)計結果,獲得目標的毀傷效果及毀傷等級等數(shù)據(jù).

3)侵徹彈道仿真,目前商用動力學軟件進行侵徹數(shù)值模擬時,對軟硬件平臺要求高,計算時間長、缺乏靈活性,本文直接計算彈在侵徹介質中的運動情況,給出侵徹彈道,該算法省略了靶體網(wǎng)格的劃分,也無需考慮復雜的接觸問題以及計算中靶體大變形時網(wǎng)格的畸變,大大節(jié)省了計算時間,提高了計算效率.

4 仿真實驗

根據(jù)毀傷評估流程設計,搭建了人機協(xié)同毀傷評估系統(tǒng)作為實驗環(huán)境,實驗環(huán)境包含圖像變化檢測算法和模型仿真計算算法,前端與無人機協(xié)同打擊規(guī)劃系統(tǒng)相連,按照圖2所示流程進行毀傷評估實驗,以小直徑炸彈打擊建筑為例,選擇RH 自主等級,圖像變化檢測方法使用自動分割模式,模型仿真采用手動輸入模式,專家判讀采用圖像增強的操作員判讀模式,測試基于無人機偵察與模型仿真的人機協(xié)同毀傷評估的有效性.

4.1 數(shù)據(jù)獲取與預處理

實驗中使用的數(shù)據(jù)為圖像數(shù)據(jù)和彈目交會參數(shù).由于不能直接處理視頻流,圖像預處理包括視頻抽幀、降噪等,實驗圖像數(shù)據(jù)為一段無人機拍攝的偵察視頻中截取的圖像25 張,其中打擊前基準圖1 張,其余通過圖像處理的方式在建筑上模擬真實毀傷效果.本文實驗中處理的建筑共9棟,如圖7所示,有的建筑進行了多次不同的標記.

圖7 實驗目標建筑示意圖Fig.7 Image of experimental target buildings

彈目交會參數(shù)從系統(tǒng)前端的無人機協(xié)同打擊規(guī)劃系統(tǒng)獲取,包括:戰(zhàn)斗部類型及參數(shù)、目標類型及參數(shù)等,例如戰(zhàn)斗部投放點、瞄準點、速度、炸高、角度等,當不考慮其他干擾因素時,戰(zhàn)斗部將按照預定規(guī)劃到達瞄準點進行毀傷,由于規(guī)劃系統(tǒng)和毀傷評估系統(tǒng)處于不同坐標系,彈目交會參數(shù)的預處理包括數(shù)據(jù)篩選和坐標轉換等.

4.2 數(shù)據(jù)質量判斷

操作員打開數(shù)據(jù)目錄查看當前目標的相關數(shù)據(jù)并判斷數(shù)據(jù)質量,圖像質量的判斷過程采用人為主、機器為輔的模式,系統(tǒng)計算出圖像的灰度圖、方差、圖像熵、空間頻率、對比度等指標,提交給操作員.由操作員結合客觀指標對圖像質量進行主觀判斷,主要針對圖像明度、噪聲程度、模糊程度、目標是否有較為明顯的遮擋等,判斷圖像是否會對評估產生影響.

實驗中彈目交會參數(shù)的判斷過程采用機器為主、人為輔的模式,彈目交會參數(shù)來自于前端的規(guī)劃系統(tǒng),由系統(tǒng)對于各項數(shù)據(jù)的完整性進行檢查,由操作員判斷是否存在明顯錯誤,例如瞄準點偏移過大、目標位置不合理等.

4.3 自主等級選擇

得到圖像和彈目交會參數(shù)數(shù)據(jù)質量后,結合操作員的生理、心理水平進行毀傷評估自主等級選擇.考慮到毀傷評估流程較短,且各毀傷場景間相對獨立,本文中的自主等級選擇是一種離線的自主等級選擇,即在一個場景的評估中自主等級確定后不再變化,且不影響下一場景評估的自主等級選擇.

目前已有一些針對操作員生理、心理水平判斷和自主等級調整的自動化算法[19],為便于針對毀傷評估進行實驗,本文目前使用操作員主觀定性判斷生理、心理水平的模式,后續(xù)研究內容將考慮加入自動化算法進行自主等級調整,總體而言,圖像質量越好、彈目交會參數(shù)越完整、操作員負荷越低,則應選擇更低的自主等級,反之則選擇更高的自主等級.

4.4 毀傷評估子模塊

人機協(xié)同毀傷評估方法包含3個子模塊:基于圖像變化檢測的毀傷評估、基于模型仿真計算的毀傷評估、專家判讀.按照人參與程度不同,圖像變化檢測和模型仿真分別包含兩種模式,不同自主等級中包含不同的子模塊評估模式,參考自主等級劃分表(表2)進行不同模式的子模塊毀傷評估.

圖8 基于圖像變化檢測的評估結果Fig.8 Assessment based on image change detection

4.4.1 基于圖像變化檢測的毀傷評估

基于圖像變化檢測的毀傷評估在人機協(xié)同毀傷評估系統(tǒng)的交互界面下進行,界面中共包含4個模塊,分別為圖像顯示模塊、圖像處理操作模塊、毀傷評估方法選擇模塊、多階段毀傷評估結果顯示模塊.人機協(xié)同毀傷評估的步驟為:

1)操作員對加載的目標打擊前后圖像進行判斷,是否為正確目標.

2)在確定目標無誤后,進行圖像場景配準;如果配準出現(xiàn)錯誤,配準結果出現(xiàn)殘缺狀、放射狀,操作員可以進行手動配準校正.

3)目標分割,自動目標分割模式下,操作員對目標區(qū)域框選大致位置,系統(tǒng)自動進行目標分割,手動目標分割模式下,操作員使用套索進行目標分割,該模式操作較為繁瑣但分割效果更好.

4)系統(tǒng)自動對目標區(qū)域進行變化檢測、形態(tài)學處理、毀傷提取和計算得到毀傷比例并顯示.

基于模擬毀傷評估圖像的變化檢測結果示例如圖8所示,實驗中使用自動分割模式,毀傷評估結果為:毀傷比例為27.729%,功能毀傷評估為重度毀傷.如使用手動目標分割模式,可以提高準確度,但會相應增加操作員負荷.

此外,實驗針對如圖9所示的真實打擊圖像進行了毀傷評估測試,評估結果為:毀傷比例為50.236%,功能毀傷評估為重度毀傷.

4.4.2 基于模型仿真計算的毀傷評估

人機協(xié)同毀傷評估系統(tǒng)中,基于模型仿真計算,本文設計了仿真系統(tǒng).以小直徑炸彈打擊建筑為例,使用手動彈目交會參數(shù)模式,人機協(xié)同毀傷評估的步驟為:

1)參數(shù)輸入,手動參數(shù)輸入模式下,操作員進入目標模式,向算例中添加建筑,設定目標的三維坐標及朝向等信息;進入戰(zhàn)斗部模式,戰(zhàn)斗部選擇小直徑炸彈,設定參數(shù),包括:瞄準點坐標、落點CEP、戰(zhàn)斗部飛行速度、方位角、打擊角、炸高及方差等,自動參數(shù)調用模式下,系統(tǒng)自動從前端規(guī)劃系統(tǒng)獲取彈目交會參數(shù).

2)操作員通過三維漫游對搭建的算例場景進行確認,如有錯誤則進行調整和校正,最終搭建的算例如圖10所示.

3)操作員選擇系統(tǒng)計算模式,包括:根據(jù)目標類型選擇是否進行破片計算,通常輕裝甲類目標需要進行破片計算,重裝甲、建筑類目標可以不計算破片以提高算法效率;選擇是否進行Monte Carlo 隨機計算以提高算法穩(wěn)定性.

4)系統(tǒng)進入計算模式,自動進行數(shù)據(jù)導入、數(shù)值初始化、戰(zhàn)斗部初始化、破片場初始化等操作.計算完畢將以三維模型的形式顯示算例,并進行動態(tài)演示,如圖11所示.

圖9 真實毀傷圖像Fig.9 Real damage image

圖10 算例搭建結果Fig.10 Example construction results

圖11 模型仿真計算結果Fig.11 Model simulation results

本算例最終仿真結果為平均命中破片數(shù)為1 626.6;平均穿透破片數(shù)1 220.6;平均有效破片數(shù)1 220.6;輕度沖擊波毀傷概率23.5%;中度沖擊波毀傷概率76.5%;重度破片毀傷概率100%;重度綜合毀傷概率100%;毀傷面積137.104,毀傷比例為41.3%,毀傷評估效果復合實際情況,仿真有效.

4.4.3 專家判讀

專家判讀方法中,主要依靠操作員進行判讀,采用人為主、機器為輔的模式,以IA表的HR方案為基礎,在圖像與數(shù)據(jù)支持子任務中采用RH方案.系統(tǒng)顯示圖像配準結果便于操作員進行比對,且算法可對圖像全局進行變化檢測、形態(tài)學處理和毀傷提取,將變化信息與打擊前圖像融合,以圖像增強的方式輔助操作員進行判讀,最終判斷結果為毀傷比例31%,功能毀傷等級為重度毀傷.

4.5 毀傷結果融合

得到3個子模塊毀傷評估結果后,系統(tǒng)根據(jù)預設的權值,融合3個子模塊的毀傷評估結果得到最終毀傷評估結果,目前本文使用基于經(jīng)驗的預設權值,不同自主等級下人參與的程度不同,對應子模塊的權值相應不同.以實驗中的目標為例,式(1)中的ki、km、ke分別取0.3、0.4、0.3,目標最終綜合毀傷比例為34.19 %,功能毀傷評估為重度毀傷,符合實驗情況.

5 結論

本文提出一種基于無人機偵察圖像與模型仿真計算的人機協(xié)同毀傷評估方法,基于協(xié)同設計分析了毀傷評估中的人機相互依賴關系,并據(jù)此提出了人機協(xié)同毀傷評估流程,操作員結合數(shù)據(jù)完整性和自身工作負荷,選擇合適的自主等級及具體毀傷評估方法,毀傷評估方法融合了圖像變化檢測、模型仿真計算和專家判讀.經(jīng)過實驗驗證,該方法的毀傷評估準確度較高、誤判率較低、時效性較好,能夠充分發(fā)揮自動化算法的高效性,并有效支持人對毀傷評估的監(jiān)督干預,未來的研究方向包括:面向實時遠程遙控無人機的毀傷評估;一人控制多機的毀傷評估;利用自動化算法自動判斷人的狀態(tài)并切換自主等級;子模塊權值自學習和在線調整等[20].