載人飛船返回艙再入末段實(shí)時(shí)光電測量評估系統(tǒng)

袁紅偉， 彭育兵， 賈 鵬， 曾 強(qiáng)， 安學(xué)廣

（中國酒泉衛(wèi)星發(fā)射中心， 酒泉 732750）

1 引言

載人航天飛行任務(wù)中，需要對飛行器發(fā)射、入軌、運(yùn)行和返回各階段進(jìn)行跟蹤測量，以獲取盡可能多的飛行器信息，用于飛行器狀態(tài)確認(rèn)和安全性評估［1-2］。 返回階段，運(yùn)行軌道、制動(dòng)位置、制動(dòng)姿態(tài)、制動(dòng)參數(shù)、質(zhì)量和氣動(dòng)系數(shù)等因素會(huì)造成返回艙存在較大的著陸散布［3］，因此飛船著陸場預(yù)設(shè)面積較大。 為保障返回艙安全，著陸場范圍內(nèi)不能布設(shè)大型測量設(shè)備。 而站址較遠(yuǎn)的光學(xué)、雷達(dá)設(shè)備受地球曲率和距離影響，對返回艙再入末段無法實(shí)施有效測量［4］。同時(shí)，載人飛船返回艙從出黑障到著陸前為再入末段，會(huì)完成開傘、吹除剩余燃料、反推發(fā)動(dòng)機(jī)點(diǎn)火等一系列關(guān)鍵動(dòng)作，姿態(tài)變化大［5-7］，傳統(tǒng)方式下依靠回傳遙測數(shù)據(jù)或航天員判斷上報(bào)，沒有直觀的外測數(shù)據(jù)依據(jù)，不利于對飛船關(guān)鍵事件完成情況進(jìn)行準(zhǔn)確判別。

本文針對著陸場再入末段測量需求，以小型化光電測量系統(tǒng)為基礎(chǔ)，寬帶無線通信網(wǎng)絡(luò)為數(shù)據(jù)傳輸支持，研制了載人飛船返回艙再入末段實(shí)時(shí)光電測量評估系統(tǒng)。

2 系統(tǒng)組成

載人飛船返回艙再入末段實(shí)時(shí)光電測量評估系統(tǒng)主要由小型光電經(jīng)緯儀、管理控制平臺(tái)和無線通信網(wǎng)絡(luò)構(gòu)成，如圖1 所示。

圖1 實(shí)時(shí)光電測量評估系統(tǒng)組成Fig.1 Composition of the real-time photoelectric measurement and evaluation system

小型光電經(jīng)緯儀由光電指示器和驅(qū)動(dòng)控制箱組成。 光電指示器內(nèi)裝有雙軸伺服轉(zhuǎn)臺(tái)，1 臺(tái)變焦高清可見光攝像機(jī)、1 臺(tái)變焦紅外熱成像攝像機(jī)。 2 臺(tái)攝像機(jī)光軸中心調(diào)平，光電指示器中圖像和數(shù)據(jù)信息通過導(dǎo)電滑環(huán)送出。 驅(qū)動(dòng)控制箱裝有高清圖像編碼器、目標(biāo)跟蹤模塊、伺服控制器和通信模塊。 其中，高清圖像編碼器將HDSDI 高清視頻和紅外AV 視頻編碼成H.264，壓縮網(wǎng)絡(luò)視頻流輸出；目標(biāo)跟蹤模塊接收輸入的相機(jī)圖像，同時(shí)對圖像中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測，提取目標(biāo)相對于視場中心的偏移量，送給伺服控制器；伺服控制器控制轉(zhuǎn)臺(tái)和鏡頭的動(dòng)作，可接收遠(yuǎn)程操控指令、外部引導(dǎo)數(shù)據(jù)、自身目標(biāo)跟蹤模塊目標(biāo)位置偏移量數(shù)據(jù)，并根據(jù)預(yù)先設(shè)定優(yōu)先級，選擇數(shù)據(jù)源控制轉(zhuǎn)臺(tái)完成目標(biāo)跟蹤；通信模塊由網(wǎng)絡(luò)交換機(jī)、接口協(xié)議轉(zhuǎn)換器和遠(yuǎn)程開關(guān)機(jī)模塊組成，主要完成對外網(wǎng)絡(luò)和串口通信，待機(jī)和工作狀態(tài)轉(zhuǎn)換等功能。

管理控制平臺(tái)使用專門應(yīng)用軟件負(fù)責(zé)收集系統(tǒng)各類設(shè)備數(shù)據(jù)，為操作者提供監(jiān)控操作界面；存儲(chǔ)并分析目標(biāo)的時(shí)間和空間信息，通過交會(huì)計(jì)算處理得到目標(biāo)確切空間位置；與飛行指揮中心通信，接收中心目標(biāo)引導(dǎo)數(shù)據(jù)，發(fā)送目標(biāo)測量信息；操作者可根據(jù)目標(biāo)位置、飛行狀態(tài)選擇引導(dǎo)、自動(dòng)或手動(dòng)跟蹤方式。

通信網(wǎng)絡(luò)以機(jī)動(dòng)微波、散射通信方式保障著陸區(qū)南北2 個(gè)信息匯聚點(diǎn)到后端指揮中心的數(shù)據(jù)通信，使用便攜式無線寬帶自組網(wǎng)設(shè)備保障各測量點(diǎn)到前端匯聚點(diǎn)的數(shù)據(jù)通信，構(gòu)成可完全覆蓋著陸場區(qū)域的無線通信網(wǎng)絡(luò)，使系統(tǒng)具備在著陸場范圍內(nèi)大范圍機(jī)動(dòng)布站的能力。

3 關(guān)鍵技術(shù)及實(shí)現(xiàn)方法

3.1 運(yùn)動(dòng)圖像中的目標(biāo)識別算法

對于返回艙的跟蹤要求，攝像機(jī)始終處于動(dòng)態(tài)條件下，如平移、旋轉(zhuǎn)和縮放等。 為消除目標(biāo)與攝像機(jī)之間復(fù)雜相對運(yùn)動(dòng)的影響，需要對獲取圖像進(jìn)行全局運(yùn)動(dòng)估計(jì)和補(bǔ)償。 圖像經(jīng)過全局運(yùn)動(dòng)估計(jì)和補(bǔ)償后，相鄰視頻幀的背景可認(rèn)為是靜止的，再使用幀間的圖像差分即可檢測到運(yùn)動(dòng)變化區(qū)域［8］。 常用的時(shí)間差分法是在圖像序列中的相鄰幀間進(jìn)行基于像素的時(shí)間差分，設(shè)定閾值來提取圖像中的運(yùn)動(dòng)目標(biāo)，即通過檢測序列圖像幀中的變化區(qū)域與不變區(qū)域，將運(yùn)動(dòng)物體與靜止背景進(jìn)行分割。 依據(jù)提取變化區(qū)域特征，如大小、面積、長寬比等，判決是否為目標(biāo)。 上述方法對于動(dòng)態(tài)背景有很好的適應(yīng)性，但是很難快速將運(yùn)動(dòng)目標(biāo)完整分割出來［9］，本文對其進(jìn)行改進(jìn)，使用三幀差分代替二幀差分，利用連續(xù)三幀圖像計(jì)算2 次二值化差圖像，再對差值圖像求交集，得到中間幀運(yùn)動(dòng)目標(biāo)的精確位置。 檢測流程如圖2 所示。

圖2 改進(jìn)的時(shí)間差分法運(yùn)動(dòng)目標(biāo)檢測流程Fig.2 Improved time difference method for moving object detection

從拍攝圖像中抽幀形成檢測圖片組，一組3 張圖片，分別為n×k－d，n×k和n×k＋d幀，k為采樣間隔，用于對圖像序列跳幀處理，方便快速找出運(yùn)動(dòng)目標(biāo)；d為差分間隔，其取值應(yīng)保證差分圖像中目標(biāo)重疊區(qū)為零，即前后目標(biāo)位移大于目標(biāo)自身。 全局運(yùn)動(dòng)估計(jì)和補(bǔ)償使用二參數(shù)平移運(yùn)動(dòng)模型塊匹配方法。 形態(tài)濾波用于抑制背景噪聲，實(shí)施方法為形態(tài)學(xué)開運(yùn)算，即先腐蝕后膨脹；然后對差分后的圖像序列進(jìn)行濾波處理，去除圖像中的噪聲干擾，得到準(zhǔn)確的運(yùn)動(dòng)目標(biāo)。

3.2 基于多站交匯的空間目標(biāo)測量

測量系統(tǒng)檢測每個(gè)前端攝像機(jī)拍攝的目標(biāo)圖像，目標(biāo)檢測與識別軟件計(jì)算得到目標(biāo)位置信息，換算為對應(yīng)于測站的目標(biāo)測角信息，最后用垂距最小二乘方法進(jìn)行交會(huì)處理，求得交點(diǎn)到每個(gè)測站測量線的垂距值，同時(shí)完成野值剔除。

垂距最小二乘法目標(biāo)是求得一個(gè)空間點(diǎn)，使該點(diǎn)到各測站測角線（測站到目標(biāo)的連線）垂距的平方和最小，如圖3 所示。

圖3 垂直最小二乘法求空間交會(huì)點(diǎn)Fig.3 Finding space intersection point by vertical Least square method

假定地心坐標(biāo)系中有2 個(gè)測站P1和P2， 坐標(biāo)分別為（x1，y1，z1） 和（x2，y2，z2）， 它們相對于測量空間目標(biāo)P′（x′，y′，z′） 的方位角（定義為在平行于xy平面內(nèi)從x軸逆時(shí)針轉(zhuǎn)向測角線投影的夾角）為A1，A2，俯仰角（定義為從xy平面內(nèi)測角線的投影轉(zhuǎn)向測角線的夾角）為E1，E2。 圖中r′1、r′2分別為測站到目標(biāo)點(diǎn)的斜距，d1、d2為空間點(diǎn)P（x，y，z） 到2 個(gè)測站測角線的垂距，其中到P1P0的垂足標(biāo)記為P0（x0，y0，z0），按空間幾何關(guān)系，可求得空間點(diǎn)P到P1P0垂足的坐標(biāo)，如式（1）所示。

空間任意點(diǎn)P到測角線P1P0垂距的平方，如式（2）所示。

根據(jù)測站P1的位置及測角線P1P0的角度定義以下系數(shù)，如式（3）所示。

可得任意空間點(diǎn)P到測站i測角線垂距的平方，如式（4）所示。

點(diǎn)P到所有n個(gè)測站測角線的垂距用最小二乘法可得，如式（5）所示。

解三元一次方程組式（5），帶入式（6），即可求得使垂距平方和最小極值點(diǎn)。

3.3 系統(tǒng)跟蹤電路設(shè)計(jì)

3.3.1 基于再生反饋的大跟蹤角速率控制電路

外部引導(dǎo)模式下，伺服控制器接收外部引導(dǎo)系統(tǒng)給定目標(biāo)角，調(diào)轉(zhuǎn)到位后，接收圖像處理單元給出的目標(biāo)相對于視場中心的偏差量，經(jīng)數(shù)字控制器校正、放大，驅(qū)動(dòng)伺服控制器朝著偏差減少的方向轉(zhuǎn)動(dòng)，完成對目標(biāo)的外部自動(dòng)跟蹤控制。

針對大速率高機(jī)動(dòng)目標(biāo)，為提高目標(biāo)跟蹤速度與跟蹤精度，系統(tǒng)在自動(dòng)跟蹤模式下采用成熟的再生反饋大角速率跟蹤回路設(shè)計(jì)，通過對目標(biāo)特性的分析，解算出目標(biāo)運(yùn)動(dòng)軌跡，采用平滑濾波方式間接測量目標(biāo)的速度及加速度，并將其作為伺服系統(tǒng)回路輸入端的速度控制信號；通過對目標(biāo)相對瞄準(zhǔn)線的誤差值進(jìn)行動(dòng)態(tài)積分，利用數(shù)字二階誤差跟蹤消除位置誤差和速度誤差，實(shí)現(xiàn)大跟蹤角速率的跟蹤控制，如圖4 所示。

圖4 再生反饋的大跟蹤角速率控制結(jié)構(gòu)Fig.4 Large angle rate control structure utilizing regenerative feedback

再生反饋控制可有效提高閉環(huán)跟蹤控制系統(tǒng)的動(dòng)態(tài)跟蹤精度，利用閉環(huán)控制系統(tǒng)的輸出量作為控制量的當(dāng)前值，并認(rèn)為其在短時(shí)間內(nèi)是等速直線運(yùn)動(dòng)，即使用計(jì)算機(jī)對其變化量進(jìn)行統(tǒng)計(jì)、分析、計(jì)算外推、平滑、濾波，最后求得控制信號的微分量，并加入角速率環(huán)G2（s） 的輸入端，完成對原閉環(huán)跟蹤控制的近似前饋速度補(bǔ)償。

3.3.2 基于雙速度環(huán)的穩(wěn)定跟蹤控制電路

自跟蹤模式下，系統(tǒng)處于穩(wěn)定回路，其位置精度直接影響視軸指向精度。 為了隔離外部擾動(dòng)，充分發(fā)揮攝像機(jī)探測能力，在穩(wěn)定回路狀態(tài)下設(shè)計(jì)了雙速度環(huán)穩(wěn)定回路。 由于轉(zhuǎn)臺(tái)上放置的可見光、紅外傳感器總慣量較大，而系統(tǒng)要求響應(yīng)快、跟蹤精度高，角速率回路控制采用速度定環(huán)、電流環(huán)兩環(huán)控制系統(tǒng)，可有效提高系統(tǒng)的跟蹤精度和伺服剛度，控制回路如圖5 所示。

圖5 雙速度環(huán)穩(wěn)定控制回路結(jié)構(gòu)Fig.5 Structure of double speed feedback stability control loop

雙速度環(huán)穩(wěn)定控制以電機(jī)轉(zhuǎn)速構(gòu)成速度內(nèi)環(huán)，包括驅(qū)動(dòng)電機(jī)及負(fù)載平臺(tái)，用于消除摩擦力矩和控制對象的非線性影響；利用陀螺的空間測速機(jī)功能構(gòu)成速度外環(huán)，測得的速度為相對慣性空間的速度，用于降低敏感外部載體擾動(dòng)、摩擦力矩干擾及隔離載體擾動(dòng)的影響。

3.4 目標(biāo)識別算法

著陸場荒漠環(huán)境下，圖像背景噪聲強(qiáng)、光照強(qiáng)度大，各種物體反射光強(qiáng)烈，目標(biāo)在陽光充足的條件下可能會(huì)淹沒在背景噪聲中，需要進(jìn)行針對性設(shè)計(jì)，保證復(fù)雜背景下對目標(biāo)的探測感知能力。

3.4.1 弱小目標(biāo)檢測及抗干擾算法

根據(jù)弱小目標(biāo)成像特性，利用目標(biāo)頻率域、空間域以及運(yùn)動(dòng)信息，本文系統(tǒng)集成了Wiener 濾波頻域檢測算法、形態(tài)學(xué)濾波空域檢測算法、改進(jìn)VIBE 動(dòng)目標(biāo)檢測算法，可針對不同環(huán)境條件選擇針對性的邏輯融合策略，綜合多算法檢測結(jié)果精準(zhǔn)提取弱小目標(biāo)。

1）Wiener 濾波頻域檢測算法。 從圖像頻率上看，弱小目標(biāo)具有孤立的峰值，屬于圖像的高頻分量，噪聲、圖像邊緣、盲元點(diǎn)同樣也屬于圖像的高頻分量，因此可將圖像轉(zhuǎn)換到頻率域，過濾低頻信息，突出高頻信息，再通過濾波分離噪聲和目標(biāo)，實(shí)現(xiàn)弱小目標(biāo)的提取。 在實(shí)際成像過程中，圖像噪聲通常隨機(jī)分布，多數(shù)專用濾波器針對特定噪聲分布設(shè)計(jì)，難以適應(yīng)實(shí)際應(yīng)用場景，而Wiener 濾波是最優(yōu)線性濾波器，能夠和多種類型的高頻分布適配，獲得最優(yōu)的濾波效果，且計(jì)算復(fù)雜度較低。 常規(guī)的Wiener 濾波器參數(shù)是固定的，只有在信號和噪聲分布已知的情況下才能獲得較好的效果，而實(shí)際應(yīng)用中難以獲得先驗(yàn)信息。 本文采用濾波器組構(gòu)成變參濾波器，計(jì)算圖像高頻量的損失函數(shù)，自適應(yīng)調(diào)節(jié)每一幀圖像的Wiener 濾波器參數(shù)，獲得最佳的濾波效果，實(shí)現(xiàn)弱小目標(biāo)穩(wěn)定提取，自適應(yīng)Wiener 濾波算法如圖6 所示。 一幅包含小目標(biāo)的圖像f（i，j） 可以用式（7）描述。

圖6 自適應(yīng)Wiener 濾波算法Fig.6 Adaptive Wiener filtering algorithm

式中，fT（i，j） 表示目標(biāo)，fB（i，j） 表示背景圖像，n（i，j） 表示隨機(jī)噪聲。

假定fB（i，j） 和n（i，j） 是2 個(gè)靜態(tài)零均值隨機(jī)過程的采樣值，二者線性相互獨(dú)立，并且其功率譜PfB（ω1，ω2） 和Pn（ω1，ω2） 已知，fB（i，j） 的最優(yōu)線性最小均方誤差估計(jì)可以由對f（i，j） 進(jìn)行Wiener 濾波得到，Wiener 濾波的頻率響應(yīng)由式（8）給出。

進(jìn)一步假定，fB（i，j） 和n（i，j） 是高斯隨機(jī)過程的采樣值，那么式（7）中的Wiener 濾波器是所有線性和非線性估計(jì)器中最優(yōu)的最小均方誤差估計(jì)器。

公式（7）中的Wiener 濾波器是在假定fB（i，j） 和n（i，j） 為零均值情況下得到的。 如果fB（i，j） 的均值為mfB，n（i，j） 的均值為mn，那么必須首先從輸入圖像中減去mfB和mn，然后將其結(jié)果信號f（i，j）－（mfB＋mn） 用Wiener 濾波器濾波，最后再將背景均值mfB加到濾波結(jié)果信號上。 圖7給出了整個(gè)Wiener 濾波器的實(shí)現(xiàn)流程。

圖7 線性最小均方誤差估計(jì)的非因果Wiener 濾波器Fig.7 Linear least mean square error estimation for noncausal Wiener filters

從圖7 中可以看出，Wiener 濾波器需要有關(guān)背景均值mfB、噪聲均值mn、背景功率譜PfB（ω1，ω2） 以及噪聲功率譜Pn（ω1，ω2） 信息。 由于mfB、mn、PfB（ω1，ω2）、Pn（ω1，ω2） 在圖像中的不同區(qū)域是變化的，所以需要在局部區(qū)域?qū)σ陨献兞窟M(jìn)行估計(jì)。 這樣就得到一個(gè)空變的自適應(yīng)Wiener 濾波器。 由于Wiener 濾波器具有低通特性，具有如下特點(diǎn)：①保留具有低頻特性的起伏背景fB（i，j） ；②抑制噪聲n（i，j） ；③消除具有高頻特性的目標(biāo)fT（i，j）。 Wiener 濾波器輸出如式（9）所示。

式中，f＾B（i，j） 為背景估計(jì)，n′（i，j） 為濾波后的白噪聲。 進(jìn)一步，如果將輸入圖像f（i，j） 與輸出圖像f′（i，j） 進(jìn)行相減，則可得到式（10）。

式中，n″（i，j） 由背景對消殘差ΔfB（i，j）＝fB（i，j）－f＾B（i，j） 和n′（i，j） 兩部分組成，一般來說，ΔfB（i，j） 亦是白噪聲。 因此，背景對消后圖像Δf（i，j） 為含目標(biāo)fT（i，j） 和噪聲n′（i，j） 的圖像。圖8 為經(jīng)過Wiener 濾波后的處理結(jié)果。

圖8 經(jīng)過wiener 濾波后的處理結(jié)果Fig.8 Results of wiener filtering

2）基于形態(tài)學(xué)濾波的目標(biāo)空域分布檢測技術(shù)。 除了頻率分布特征外，圖像在空間域還具有豐富的形狀、結(jié)構(gòu)、灰度特征，可對頻域檢測起到很好的補(bǔ)充作用。 本文采用形態(tài)學(xué)濾波中的TOP-HAT 變換，結(jié)合腐蝕膨脹操作，能夠有效地抑制雜波、均勻化背景灰度，從而提取相對高亮的目標(biāo)點(diǎn)。 特別是對具有大面積連續(xù)分布的云層背景，TOP-HAT 變換能以快速的全局處理方式實(shí)現(xiàn)對具有不同灰度分布背景的自適應(yīng)均勻化，工程實(shí)用性高。 此外，形態(tài)學(xué)濾波由于采用模板匹配方式，能夠去除不相關(guān)的結(jié)構(gòu)信息，具有較強(qiáng)的魯棒性。 圖9 為形態(tài)濾波的處理結(jié)果。

圖9 形態(tài)濾波的處理結(jié)果Fig.9 Results of morphological filtering

3）基于改進(jìn)VIBE 的動(dòng)目標(biāo)檢測技術(shù)。 本文采用的VIBE 算法是一種利用隨機(jī)策略估計(jì)序列圖像背景的動(dòng)目標(biāo)提取算法，與基于MOG模型或KNN 模型的動(dòng)目標(biāo)提取算法相比，計(jì)算效率高、模型簡單，模型隨機(jī)更新與遺忘策略使得其對圖像噪聲的容忍性較好，背景點(diǎn)判定準(zhǔn)確率高。 VIBE 算法主要分為3 個(gè)步驟：建立初始背景模型，目標(biāo)背景比對分割和背景模型隨機(jī)更新。 通常動(dòng)目標(biāo)檢測算法的背景模型采用像素值的概率密度函數(shù)估計(jì)，其主要缺點(diǎn)是估計(jì)概率密度函數(shù)是一個(gè)全局處理過程，復(fù)雜函數(shù)的表達(dá)能力較好，但計(jì)算代價(jià)較高，不符合背景模型的像素值也會(huì)納入概率密度函數(shù)的估計(jì)中，無法對噪聲進(jìn)行判定剔除。 本文算法的背景模型不使用概率密度函數(shù)估計(jì)，而是直接對離散像素值建模，構(gòu)建背景樣本像素集合，像素點(diǎn)當(dāng)前值的分類直接通過背景樣本集比對，避免復(fù)雜的函數(shù)估計(jì)和概率計(jì)算過程。 如圖10所示，設(shè)像素點(diǎn)x在t時(shí)刻的像素值為pt（x）， 其背景樣本集合為｛p1，p2，…，pn｝，定義pt（x） 的背景判定區(qū)域?yàn)榘霃絉、球心pt（x） 的超球體SR（pt（x））， 則pt（x） 被 分 類 為 背 景 的 條 件 是SR（pt（x）） 與｛p1，p2，…，pn｝ 的交集計(jì)數(shù)N大于等于設(shè)定閾值Nmin，如式（11）所示。

圖10 通過SR（pt（x）） 與背景樣本集的交集計(jì)數(shù)判定Fig.10 Intersection count determination of SR（pt（x））and background sample

結(jié)合異源傳感器（雷達(dá)、遙測等）提供的信息余量，進(jìn)一步篩選檢測結(jié)果，提升檢測的抗干擾能力。 多算法及異源信息融合判決框架如圖11所示。

圖11 多算法及異源信息融合判決框架Fig.11 Decision framework of multi-algorithm and heterogeneous information fusion

3.4.2 多維融合的目標(biāo)智能識別算法

為在長距離下盡快識別、鎖定目標(biāo)，本文采用一種基于多維度信息融合的目標(biāo)智能識別算法，首先對目標(biāo)的亮度、紋理、邊緣、運(yùn)動(dòng)特性進(jìn)行描繪，然后使用多尺度卷積神經(jīng)網(wǎng)絡(luò)對觀測特征進(jìn)行概率融合，從而有效剔除復(fù)雜圖像背景下由于形變或遮擋造成的干擾。 算法突出了后驗(yàn)分布下目標(biāo)狀態(tài)峰值，較單一特征算法具有較高的跟蹤魯棒性。

多維度目標(biāo)信息智能判決算法主要就是通過迭代的形式，不斷將圖形處理結(jié)果的最大判決得分與伺服信息做融合判決操作，并過濾那些判別可能性較大（即交集較大）的結(jié)果，融合判決的過程如下所示：

1）根據(jù)多源圖像信息的判決結(jié)果進(jìn)行排序，假如有4 個(gè)目標(biāo)分類，其置信度A＞B＞C＞D。

2）根據(jù)目標(biāo)類別A、B、C、D 的理論速度等信息和伺服得到的速度，建立其理論歸一化概率。

3）若最大概率分類物A 結(jié)合伺服概率大于閾值（0.5），則判斷該目標(biāo)為類別A；否則，依次進(jìn)行類別B、C、D 判別，判斷是否滿足閾值要求。

4）若所有類別都不滿足閾值，則進(jìn)行后一幀判別，直至判別結(jié)果滿足要求后，前饋標(biāo)記所有前幀的判決目標(biāo)。

實(shí)測效果如圖12 所示。 該方法有效增強(qiáng)了光電系統(tǒng)圖像識別的可靠性和準(zhǔn)確度，對于5×5像素以上的地面典型目標(biāo)，識別準(zhǔn)確率可達(dá)75%，對于典型空中目標(biāo)，識別準(zhǔn)確率可達(dá)90%；針對20×20 像素以上的地面典型目標(biāo)，識別準(zhǔn)確率可達(dá)87%，對于空中典型目標(biāo)，識別準(zhǔn)確率可達(dá)96%。

圖12 小尺度目標(biāo)的檢測效果Fig.12 Detection effect of small scale target

3.5 管控軟件設(shè)計(jì)

管控軟件用于操作人員和系統(tǒng)的交互，主要功能包括：

1）向操作員顯示前端設(shè)備回傳的實(shí)況圖像；

2）顯示前端設(shè)備的狀態(tài)，顯示通信鏈監(jiān)信息，當(dāng)前時(shí)間、落點(diǎn)預(yù)報(bào)信息和T 信息；

3）讀取配置參數(shù)，并能接受操作員的修改；

4）在操作員的控制下完成測點(diǎn)坐標(biāo)錄入和對方位標(biāo)操作，并存儲(chǔ)相關(guān)信息；

5） 檢測到目標(biāo)后自動(dòng)提取位置信息，同時(shí)上傳目標(biāo)角度測量結(jié)果。

軟件主要模塊與功能設(shè)定如表1 所示。 軟件用戶界面如圖13 所示。 上半?yún)^(qū)域用于顯示前端經(jīng)緯儀拍攝可見光、紅外圖像，下半?yún)^(qū)域用于系統(tǒng)參數(shù)顯示和用戶操作控制。

表1 管控軟件功能模塊設(shè)計(jì)Table 1 Description of main functional modules

圖13 軟件用戶界面設(shè)計(jì)Fig.13 Design of software user interface

4 應(yīng)用結(jié)果與分析

載人飛船返回艙再入末段實(shí)時(shí)光電測量評估系統(tǒng)在酒泉衛(wèi)星發(fā)射中心東風(fēng)著陸場先后參加了神舟十二至神舟十四號返回艙任務(wù)。 系統(tǒng)使用6 部光電經(jīng)緯儀在理論落點(diǎn)周圍3 ～7 km 范圍內(nèi)環(huán)繞布設(shè)。 圖14 為系統(tǒng)在著陸場實(shí)際部署情況。左圖為光電指示器、驅(qū)動(dòng)控制箱和寬帶無線自組網(wǎng)設(shè)備，架設(shè)高度均小于2 m，符合著陸場安全規(guī)定；右圖為管理控制平臺(tái)和手動(dòng)控制單桿，平臺(tái)統(tǒng)一使用IP 網(wǎng)絡(luò)接口連接上級指揮中心和前段測量設(shè)備。

圖14 著陸場系統(tǒng)實(shí)際布設(shè)圖Fig.14 Actual deploy status of the system at the landing site

4.1 景象測量效果

神舟十三任務(wù)白天返回，系統(tǒng)于1775 s 掛中心引導(dǎo)，1940 s（高33 km，斜距81 km）所有部署光電測經(jīng)緯儀相繼發(fā)現(xiàn)目標(biāo)，自跟蹤穩(wěn)定后轉(zhuǎn)單桿手控，直至目標(biāo)落地。

神舟十四任務(wù)夜間返回，布站方式與神舟十三任務(wù)相同，夜間紅外系統(tǒng)具有更強(qiáng)的成像能力，系統(tǒng)在1705 s 掛中心引導(dǎo)，1870 s（高30 km，斜距72 km）捕獲目標(biāo)，先后使用外部引導(dǎo)、自跟蹤和手控模式跟蹤至落地。

系統(tǒng)拍攝效果如圖15 所示，左圖為神舟十三任務(wù)景象，右圖為神舟十四任務(wù)景象。 圖15（a）顯示在可見光和紅外拍攝模式下系統(tǒng)作用距離均大于再入末段20 km 要求，初始目標(biāo)雖然成像較小，但可以準(zhǔn)確分辨拋傘蓋、開傘等關(guān)鍵動(dòng)作完成情況。 隨著目標(biāo)距離拉近，返回艙外部細(xì)節(jié)和工作狀態(tài)顯示更加清晰準(zhǔn)確。

4.2 落點(diǎn)測量結(jié)果與分析

表2 記錄了3 次返回艙落點(diǎn)交匯測量結(jié)果，表中顯示數(shù)據(jù)為與理論落點(diǎn)的偏差值，相對于再入方向偏遠(yuǎn)、偏右為正，測量用時(shí)是指返回艙落地到系統(tǒng)獲取交匯結(jié)果的時(shí)間。

由于神舟十三號返回艙回收段的著陸場風(fēng)速較大，實(shí)際落點(diǎn)與理論落點(diǎn)偏差較大，系統(tǒng)交匯總偏差量也較大，神舟十二號、神舟十四號返回艙回收段著陸場風(fēng)速較小，系統(tǒng)交匯總偏差量均不大于10 m，交匯結(jié)果用時(shí)小于1 min。

5 結(jié)論

1）研制一套返回艙再入末段實(shí)時(shí)光電測量評估系統(tǒng)，支持在著陸場區(qū)域快速機(jī)動(dòng)部署，使用優(yōu)化的圖像識別與多點(diǎn)交匯算法測量返回艙再入軌道、落點(diǎn)數(shù)據(jù)，支持紅外、可見光2 種模式的返回艙實(shí)時(shí)高清景象獲取與傳輸。

2）設(shè)計(jì)并應(yīng)用了Wiener 濾波頻域檢測算法、形態(tài)學(xué)濾波空域檢測算法、改進(jìn)VIBE 動(dòng)目標(biāo)檢測算法，實(shí)現(xiàn)了復(fù)雜場景下弱小目標(biāo)提取。

3）該系統(tǒng)在神舟十二號等任務(wù)中取得良好應(yīng)用效果，首次實(shí)現(xiàn)了對返回艙再入末段飛行狀態(tài)的多視角景象直播，記錄了返回艙一系列關(guān)鍵動(dòng)作完成情況，計(jì)算了返回艙再入末段飛行軌道和實(shí)際落點(diǎn)數(shù)據(jù)，最終為飛行指揮機(jī)構(gòu)提供了可靠的決策依據(jù)，為返回艙安全性、有效性評估提供了有效手段。