一種飛機(jī)三維姿態(tài)解算方法
【專利摘要】一種飛機(jī)三維姿態(tài)解算方法，首先采用高斯平滑濾波對待處理圖像進(jìn)行預(yù)處理以去除噪聲對后續(xù)算法的影響，其次采用模糊C均值聚類算法FCM對上述平滑后的圖像進(jìn)行分割，獲得二值圖像，然后對分割后獲得的二值目標(biāo)圖像進(jìn)行Hough變換，檢測出目標(biāo)上直線特征明顯的部分，而對于目標(biāo)上線特征不明顯的部分采用骨架提取獲得特征點，再對骨架上的特征點進(jìn)行直線擬合，獲得目標(biāo)軸線，最后結(jié)合上述獲得的軸線以及目標(biāo)實際尺寸、相機(jī)參數(shù)等信息，利用投影幾何知識最終解算出目標(biāo)在相機(jī)坐標(biāo)系下的三維姿態(tài)參數(shù)。本發(fā)明基于能夠反映物體結(jié)構(gòu)的幾何特征，利用整個目標(biāo)圖像進(jìn)行Hough變換和骨架提取，獲得的軸線更加準(zhǔn)確，獲得三維姿態(tài)參數(shù)更加精確。
【專利說明】一種飛機(jī)三維姿態(tài)解算方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種飛機(jī)三維姿態(tài)解算方法，特別是一種利用Hough變換、骨架提取以及投影幾何來解算飛機(jī)的三維姿態(tài)的方法，主要用于視覺導(dǎo)航、航天器對接和目標(biāo)跟蹤。
【背景技術(shù)】
[0002]三維姿態(tài)(俯仰角、偏航角、翻滾角)是反映飛機(jī)在空中飛行狀態(tài)的重要參數(shù)，其精確測量對實驗分析、目標(biāo)跟蹤與識別、事故鑒定、訓(xùn)練評估等有重要的應(yīng)用價值，已經(jīng)受到國內(nèi)外相關(guān)學(xué)者越來越多的關(guān)注。而對空中運動目標(biāo)的定位、識別及航跡測量，光電設(shè)備是迄今精度最高的儀器，它能夠?qū)崟r、動態(tài)跟蹤目標(biāo)并記錄下目標(biāo)移動的連續(xù)序列圖像，且不受“黑障”、地面雜波干擾等地影響。目前光電測量中廣泛應(yīng)用光電設(shè)備對飛機(jī)進(jìn)行跟蹤拍攝，以獲取飛機(jī)運動的實時連續(xù)序列圖像，然后通過圖像處理來獲得其三維姿態(tài)。
[0003]當(dāng)前，常用的單站光測圖像確定飛機(jī)的三維姿態(tài)的方法包括基于模型法、特征對應(yīng)法和光流法。基于模型的方法可以對單站光測數(shù)據(jù)進(jìn)行處理得到飛機(jī)的三維姿態(tài)角且精度高，但圖像處理的模板匹配過程存在“NP問題”；基于特征對應(yīng)的方法需要在飛機(jī)目標(biāo)上定義一些特征點，線和形狀，但特征信息的衰減會給建立特征和像素之間的對應(yīng)關(guān)系帶來很大的困難；基于光流的方法是根據(jù)多幅圖像的差異來估計飛機(jī)運動的瞬時速度，從而估計/跟蹤飛機(jī)的姿態(tài)，但該方法對噪聲非常敏感，因而容易引入較大誤差。因此，在現(xiàn)有的幾何先驗知識的情況下，尋找一種簡單易行、計算精度高的姿態(tài)解算方法是目前迫切需要解決的問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明技術(shù)解決問題:針對現(xiàn)有技術(shù)的不足，提供一種利用Hough變換、骨架提取以及投影幾何的方法來解算飛機(jī)的三維姿態(tài)，在現(xiàn)有的先驗知識的情況下，利用參考平面的幾何特征和像平面投影的已知參數(shù)，再結(jié)合物面和像面投影的立體幾何關(guān)系來求解位姿參數(shù)，求解過程僅僅是簡單的三角幾何關(guān)系，從而大大減少了計算量，提高了工作效率。
[0005]為實現(xiàn)這樣的目的，本發(fā)明的技術(shù)方案:一種飛機(jī)三維姿態(tài)解算方法，包括如下步驟:
[0006]步驟一、圖像預(yù)處理:采用高斯平滑濾波對待處理圖像進(jìn)行處理，去除噪聲的影響，得到濾波后的平滑圖像；
[0007]步驟二、使用模糊C均值聚類算法FCM(Fuzzy C-Means Cluster)對步驟一得到的平滑后的圖像進(jìn)行分割，獲得二值圖像；
[0008]步驟三、利用Hough變換對步驟二得到的二值圖像進(jìn)行處理，檢測出飛機(jī)上直線特征明顯部分的直線作為該部分的軸線；
[0009]步驟四、利用骨架提取的方法對步驟二得到的圖像進(jìn)行處理，提取飛機(jī)上的骨架點后，選取一些特征骨架點進(jìn)行直線擬合，得到的直線作為飛機(jī)上該部分的軸線；
[0010]步驟五、求出步驟三和四得到的軸線方程，計算這兩條軸線的夾角以及矢量角，結(jié)合相機(jī)參數(shù)和相機(jī)與飛機(jī)的距離信息解算出飛機(jī)三維姿態(tài)參數(shù)。
[0011]其中，所述步驟二中，使用模糊C均值聚類算法FCM(Fuzzy C-Means Cluster)對步驟一得到的平滑后的圖像進(jìn)行分割，獲得二值圖像的方法為:
[0012]步驟(21)、初始化:給定聚類類別數(shù)C (本發(fā)明中C=2)，設(shè)定迭代停止閾值ε，初始化模糊劃分矩陣，迭代次數(shù)1=0，模糊加權(quán)指數(shù)m (本發(fā)明中m=2);
[0013]步驟(22)、將U(Q)代入式(7)，計算聚類中心矩陣V(1):
[0014]
【權(quán)利要求】
1.一種飛機(jī)三維姿態(tài)解算方法，其特征包括如下步驟: 步驟一、圖像預(yù)處理:采用高斯平滑濾波對待處理的圖像進(jìn)行處理，去除噪聲的影響，得到濾波后的平滑圖像； 步驟二、使用模糊C均值聚類算法FCM(Fuzzy C-Means Cluster)對步驟一得到的平滑后的圖像進(jìn)行分割，獲得二值圖像； 步驟三、利用Hough變換對步驟二得到的二值圖像進(jìn)行處理，檢測出飛機(jī)上直線特征明顯部分的直線作為該部分的軸線； 步驟四、利用骨架提取的方法對步驟二得到的圖像進(jìn)行處理，提取飛機(jī)上的骨架點后，選取一些特征骨架點進(jìn)行直線擬合，得到的直線作為飛機(jī)上該部分的軸線； 步驟五、求出步驟三和四得到的軸線方程，計算這兩條軸線的夾角以及矢量角，結(jié)合相機(jī)參數(shù)和相機(jī)與飛機(jī)的距離信息解算出飛機(jī)三維姿態(tài)參數(shù)。
2.根據(jù)權(quán)利要求1所述的飛機(jī)三維姿態(tài)解算方法，其特征在于:步驟二中所述的利用模糊C均值聚類算法FCM(Fuzzy C-Means Cluster)對步驟一得到的平滑后的圖像進(jìn)行分割的方法實現(xiàn)如下: 步驟(21)、初始化:給定聚類類別數(shù)C，設(shè)定迭代停止閾值ε，初始化模糊劃分矩陣u(0),迭代次數(shù)1=0，模糊加權(quán)指數(shù)m; 步驟(22)、將Ua)代入式(1)，計算聚類中心矩陣V(1):
3.根據(jù)權(quán)利要求1所述的飛機(jī)三維姿態(tài)解算方法，其特征在于:步驟三所述的利用Hough變換對步驟二得到的二值圖像進(jìn)行處理，檢測出飛機(jī)上直線特征明顯部分的直線作為該部分的軸線的方法實現(xiàn)如下: 步驟(31)、對步驟二得到的目標(biāo)圖像求大小，根據(jù)參數(shù)空間中參數(shù)的可能取值范圍進(jìn)行量化，根據(jù)量化結(jié)果構(gòu)造一個累加器數(shù)組Α( P，Θ),初始化為O; 步驟(32)、對每個XY空間中的給定點讓Θ取遍所有可能值，用式(3)計算出P，根據(jù)P 和 Θ 的值累加 Α:Α(Ρ，θ ) = A(P，Θ )+1 ； P = xcos Θ +ysin θ(3) 其中P和θ分別為參數(shù)空間中的兩個參數(shù)一幅度和角度，(x，y)為圖像空間中的點坐標(biāo)。 步驟(33)、根據(jù)累加后A中最大值對應(yīng)的P和Θ，由式(3)定出XY中的一條直線(SP飛機(jī)軸線)，A中的最大值代表了在該直線上給定點的數(shù)目。
4.根據(jù)權(quán)利要求1所述的飛機(jī)三維姿態(tài)解算方法，其特征在于:步驟四所述的利用骨架提取的方法對步驟二得到的圖像進(jìn)行處理，提取飛機(jī)上的骨架點后，選取一些特征骨架點進(jìn)行直線擬合，得到的直線作為飛機(jī)上該部分的軸線的方法，本發(fā)明采用逐次消去邊界點的迭代細(xì)化算法提取骨架實現(xiàn)如下: 設(shè)已知目標(biāo)點標(biāo)記為1，背景點標(biāo)記為O,定義邊界點是本身標(biāo)記為I,而其8-連通區(qū)域中至少有一個點標(biāo)記為O的點，考慮以邊界點為中心的8-鄰域，記中心點為P1，其鄰域的8個點順時針繞中心點分別記為P2, P3, , P9,其中P2在Pi上方; 包括對邊界點進(jìn)行兩步操作: (41)標(biāo)記同時滿足下列條件的邊界點:
(411)2 ( N(P1) ( 6;
(412)S(P1) = I;
(413)ρ2.ρ4.p6 = O;
(414)ρ4.ρ6.p8 = O; 其中N(P1) ^p1的非零鄰點個數(shù)，S(P1)是以P2, P3,..., P9, P2為序時這些點的值從O — I的個數(shù)，當(dāng)對全部邊界點檢驗完畢后，將所有標(biāo)記了的點除去； (42)標(biāo)記同時滿足下列條件的邊界點:
(421)I ( N(P1) ( 6 ；
(422)S(P1) = I;
(423)ρ2.ρ4.p8 = O;
(424)ρ2.ρ6.p8 = O; 以上兩步操作構(gòu)成一次迭代，反復(fù)迭代直至沒有點再滿足標(biāo)記條件，這時剩下的點組成骨架點。提取了目標(biāo)的骨架點后，將骨架點中的連接點作為特征點，采用直線擬合的反復(fù)獲得直線，以此作為飛機(jī)上機(jī)身的軸線。
5.根據(jù)權(quán)利要求1所述的飛機(jī)三維姿態(tài)解算方法，其特征在于:步驟五所述的利用步驟三和四得到的軸線方程，計算這兩條軸線的夾角以及矢量角，結(jié)合相機(jī)參數(shù)和相機(jī)與飛機(jī)的距離信息解算出飛機(jī)三維姿態(tài)參數(shù)的方法，實現(xiàn)如下: 步驟(51)、偏航角的計算:設(shè)投影面中機(jī)身主軸的方向向量為i’bx，也即i’bx在投影平面的坐標(biāo)為(X1, Y1)，因此:
Ψ = arctan (Y1A1) (4) 反正切函數(shù)得到的范圍是(-η/2，η/2)，事實上偏航角的范圍是[_π，π]，在實際中應(yīng)根據(jù)方向向量橫縱坐標(biāo)的比值以及橫縱坐標(biāo)的正負(fù)來調(diào)整偏航角的值； 步驟(52)、俯仰角的計算:設(shè)相機(jī)的焦距為f，光心到目標(biāo)的距離為D，機(jī)身實際長度為L，像面上機(jī)身長度為L’， 有:
【文檔編號】G06F17/50GK103617328SQ201310656595
【公開日】2014年3月5日 申請日期:2013年12月8日 優(yōu)先權(quán)日:2013年12月8日
【發(fā)明者】胡錦龍, 彭先蓉, 魏宇星, 李紅川 申請人:中國科學(xué)院光電技術(shù)研究所