焦文潭,段曉明

(洛陽(yáng)理工學(xué)院 電氣工程與自動(dòng)化系，河南 洛陽(yáng) 471023)

在無(wú)人機(jī)進(jìn)場(chǎng)著陸段的機(jī)器視覺導(dǎo)航中，當(dāng)獲得一幅圖像時(shí)，需要對(duì)圖像數(shù)據(jù)進(jìn)行處理，然后對(duì)圖像的內(nèi)容進(jìn)行分析、理解并從中抽取對(duì)無(wú)人機(jī)著陸有用的信息。通過(guò)對(duì)某型無(wú)人機(jī)實(shí)際著陸錄像分析，可以看出地平線在圖像中是一個(gè)很明顯的特征。根據(jù)地平線在圖像中的位置、角度可以解算出無(wú)人機(jī)的滾轉(zhuǎn)角，所以，地平線檢測(cè)是用圖像處理的方法獲取無(wú)人機(jī)滾轉(zhuǎn)角的重要途徑。

地平線的檢測(cè)方法很多，參考文獻(xiàn)[1]提出了一種基于模式識(shí)別的地平線檢測(cè)算法，但其處理的圖像是彩色圖像，對(duì)于灰度圖不適用。參考文獻(xiàn)[2]提出了一種基于圖像紋理的地平線檢測(cè)算法。本文提出一種基于邊緣檢測(cè)和Hough變換的地平線檢測(cè)算法，并在此算法的基礎(chǔ)上求解出無(wú)人機(jī)滾轉(zhuǎn)角。

數(shù)字圖像的濾波主要采用兩大類方法：一類方法是在空間域中處理，即在圖像空間中對(duì)圖像進(jìn)行各種處理；另一類方法是對(duì)空間圖像進(jìn)行變化(如經(jīng)過(guò)傅里葉變換)，使之在頻率域內(nèi)進(jìn)行各種處理，然后再轉(zhuǎn)換到圖像的空間形成處理后的圖像[3]。第二種方法使用的計(jì)算機(jī)內(nèi)存和計(jì)算時(shí)間的開銷很大，不適于實(shí)時(shí)系統(tǒng)，因此，本文采用空間域中的中值濾波處理方法。

中值濾波是一種非線性信號(hào)處理方法，它在一定的條件下，可以克服線性濾波器如最小均方濾波、平均值濾波等帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)濾除脈沖干擾及圖像掃描噪聲最為有效[3]。本文采用 3×3的模板窗口，把二維窗口中的數(shù)據(jù)一維化，并采用冒泡法進(jìn)行排序。之后計(jì)算M=median{x11,x12,x13,x21,x22,x23,x31,x32,x33,},并賦值給原來(lái)的灰度x22,如圖1所示。

圖1 中值濾波

1 圖像的邊緣檢測(cè)

圖2所示為攝像機(jī)獲得的原始圖像?？梢钥闯龅仄骄€是地面與天空的分界線，因此地平線一定是圖像中的一條邊緣線。在圖像處理中，邊緣檢測(cè)[4,5]的方法很多，為了消除噪聲信號(hào)對(duì)邊緣檢測(cè)的影響,選用高斯-拉普拉斯邊緣檢測(cè)算子Guass-Laplacian，獲得了較好的效果。

圖 3 5×5模板

本文使用高斯-拉普拉斯算子卷積核，如圖 3所示的 5×5大小的模板。

圖2中的圖像經(jīng)過(guò)預(yù)處理、邊緣算子卷積和二值化處理，得到如圖4所示的二值圖。通過(guò)邊

緣檢測(cè)可以看到圖像中的主要邊緣（地平線、跑道邊緣）已經(jīng)提取出來(lái)。

2 清除邊線

從圖4可以看到，圖像的4個(gè)邊上存在4條很明顯的直線，這是邊緣檢測(cè)算子與圖像卷積產(chǎn)生的必然結(jié)果。如果這些直線不清除，在Hough變換檢測(cè)直線時(shí)這些直線就一定會(huì)被檢測(cè)出來(lái)，而這些直線會(huì)對(duì)下一步工作產(chǎn)生很大干擾。因此，這些直線必須被清除。清除方法很簡(jiǎn)單，可以將圖像的4個(gè)邊上的元素都置為255。

3 利用Hough變換提取直線

Hough變換是一種在圖像中檢測(cè)直線和曲線的有效方法，直線方程可寫為：ρ=xcosθ+ysinθ，其中 ρ表示原點(diǎn)到直線的垂直距離，θ表示該垂線與X軸的夾角。這樣在X-Y坐標(biāo)系中的一條直線與ρ-θ坐標(biāo)系中的一個(gè)點(diǎn)(ρ,θ)一一對(duì)應(yīng)。 而 X-Y 坐標(biāo)系中的一個(gè)點(diǎn)(x，y)和 ρ-θ坐標(biāo)系中的一條正弦曲線一一對(duì)應(yīng)。e-θ坐標(biāo)系中的多條正弦曲線的交點(diǎn)(ρ,θ)在 X-Y坐標(biāo)系中是一條直線。下面建立一個(gè)計(jì)數(shù)數(shù)組：

其中l(wèi)Width、lHeight分別為圖像的寬度和高度。

將X-Y坐標(biāo)系中的點(diǎn)映射到ρ-θ坐標(biāo)系中。從圖5可以看到圖像中不僅僅是地平線，還包括跑道的邊緣線和地面上的一些邊緣線。因此，如果僅從m_Ipline數(shù)組中找出最大的元素是不可能找出地平線的。實(shí)驗(yàn)證明,至少?gòu)臄?shù)組中找出10個(gè)最大元素才能保證得到的直線完全包括地平線,如圖6所示。

4 獲取地平線

從圖6可以看到通過(guò)Hough變換得到的直線包括地平線和主、副跑道的邊緣線等?，F(xiàn)在的問(wèn)題是如何從這些眾多的直線中提取出地平線。在無(wú)人機(jī)進(jìn)場(chǎng)著陸段，無(wú)人機(jī)的滾轉(zhuǎn)角 φ∈[-10°,10°]，因此可以將上述直線中 ρ∈[80°,100°]標(biāo)識(shí)出來(lái)。從圖6可以看到，除了地平線，ρ∈[80°,100°]的直線還包括其他一些雜亂的點(diǎn)和線。

為了清除這些雜亂的點(diǎn)和線，根據(jù)圖像在內(nèi)存中的存儲(chǔ)特點(diǎn)，從圖6可以得到：像素?cái)?shù)組每列中最后一行被標(biāo)識(shí)像素一定是地平線上的像素。算法表示為：

處理后得到的圖如圖7所示。

對(duì)圖7再次使用Hough變換，這樣可以完整地檢測(cè)出地平線，如圖8所示。

5 用最小二乘法獲得地平線參數(shù)

一般來(lái)說(shuō)，認(rèn)為地平線H與圖像坐標(biāo)系中X軸之間的夾角Φ和無(wú)人機(jī)的滾轉(zhuǎn)角Φ是相等的,如圖9所示，具體的證明過(guò)程請(qǐng)參照參考文獻(xiàn)[2]。利用Hough變換可以直接讀出無(wú)人機(jī)的滾轉(zhuǎn)角,分別為 3°、1°和-4°。但是由于在編寫程序時(shí)為了運(yùn)算的快速性,使用的是長(zhǎng)整型，因此，所得到的滾轉(zhuǎn)角誤差較大。所以，可以使用最小二乘法[6,7]來(lái)擬合地平線方程,擬合后算得無(wú)人機(jī)的滾轉(zhuǎn)角分別為 2.645 8°、0.892 4°和-3.254 1°。

地平線檢測(cè)算法是本文的關(guān)鍵所在。本文先后兩次運(yùn)用了改進(jìn)Hough變換提取直線，實(shí)驗(yàn)證明在不過(guò)于復(fù)雜的著陸場(chǎng)環(huán)境下，該算法可以有效地檢測(cè)出地平線，同時(shí)利用最小二乘法可以得到滿足無(wú)人機(jī)著陸要求的飛機(jī)滾轉(zhuǎn)角。

[1]ETTINGER S M.Towards flight autonomy vision-based horizon detection for micro air vehicles.Proceeding of IEEE International Conference on Robotics and Automation[DB/OL].Washington,D.C.,2002.

[2]劉新華.基于視覺的無(wú)人機(jī)著陸姿態(tài)檢測(cè)和跑道識(shí)別[D].南京:南京航空航天大學(xué),2004.

[3]王榮本,游峰,崔高健，等.基于計(jì)算機(jī)視覺高速智能車輛的道路識(shí)別[J].計(jì)算機(jī)工程與應(yīng)用,2004(26):18-21.

[4]DJEKOUNE A O.Visual guidance control based on the hough transgorm.Proceedings of the IEEE International Vehicles Symposium 2000.Dearborn(MI)[DB/OL].USA,2000.

[5]張會(huì)章,張利霞,郭雷.用霍夫變換來(lái)提取目標(biāo)邊界[J].計(jì)算機(jī)應(yīng)用,2003,6(23):117-119.

[6]郎銳.數(shù)字圖像處理學(xué)Visual C++實(shí)現(xiàn)[M].北京:希望電子出版社,2002.

[7]曾接賢,張桂梅,儲(chǔ)珺，等.霍夫變換與最小二乘法相結(jié)合的直線擬合[J].南昌航空工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版),2003,17(4):9-12.