劉泓佚，胡林亭，史圣兵，侯習(xí)平

（中國白城兵器試驗中心，吉林 白城 137001）

基于圖像信息的坦克目標姿態(tài)估計技術(shù)研究

劉泓佚，胡林亭，史圣兵，侯習(xí)平

（中國白城兵器試驗中心，吉林 白城 137001）

信息化條件下的戰(zhàn)爭要求坦克具有網(wǎng)絡(luò)化打擊的能力，能自主完成威脅評估和火力分配任務(wù)。這些任務(wù)以獲取敵方目標的火力指向、攻防狀態(tài)等信息為前提，與姿態(tài)信息相關(guān)聯(lián)，因此，研究坦克姿態(tài)估計技術(shù)意義重大。對現(xiàn)有的一些單目姿態(tài)估計方法進行分類；討論了部分方法估計坦克姿態(tài)的可行性；闡述了坦克姿態(tài)估計存在的問題和難點；對姿態(tài)估計技術(shù)提出了建議，供后續(xù)的研究參考。

圖像信息，坦克，姿態(tài)估計

0 引言

目前，戰(zhàn)爭形態(tài)正由機械化向信息化轉(zhuǎn)變，坦克用分隊形式實施網(wǎng)絡(luò)化協(xié)同作戰(zhàn)是重要的戰(zhàn)爭發(fā)展方向。網(wǎng)絡(luò)化協(xié)同作戰(zhàn)要求坦克火控系統(tǒng)和分隊指控系統(tǒng)之間的鏈路通暢。指控系統(tǒng)在充分利用各個單車信息的基礎(chǔ)上，實現(xiàn)全局的武器目標自動分配，這種分配不會受到人員生理條件、經(jīng)驗、戰(zhàn)場環(huán)境等因素的影響。武器目標自動分配的前提是戰(zhàn)場態(tài)勢分析和目標的威脅評估。態(tài)勢分析和威脅評估需要獲取目標的類型和目標的狀態(tài)，其中目標狀態(tài)中的姿態(tài)信息對威脅評估來說很重要。敵方坦克目標的姿態(tài)信息包括坦克車體的朝向、炮塔的朝向以及炮管的俯仰角度。當敵方坦克的炮塔朝向己方時，威脅更大，需要率先消滅；車體的姿態(tài)除了反應(yīng)坦克的運動方向外，還反應(yīng)了坦克防御能力的強弱，同一發(fā)炮彈擊中坦克正面對其毀傷效果很小，而擊中其側(cè)面即可以直接摧毀它。目標的姿態(tài)信息是威脅評估的關(guān)鍵環(huán)節(jié)，沒有姿態(tài)信息作為支撐，威脅評估和態(tài)勢分析難以完成，武器目標的自動分配也難以實現(xiàn)。

從圖像中獲取坦克姿態(tài)信息是一種被動手段，能在不暴漏己方位置的前提下，達到估計和感知敵方坦克姿態(tài)的目的，但從圖像中獲取坦克姿態(tài)的專項研究并不多，目前基于圖像信息的姿態(tài)估計方法不能很好地達到估計坦克姿態(tài)的目的。本文對現(xiàn)有的一些姿態(tài)估計技術(shù)進行歸納總結(jié)和評述，對技術(shù)的難點進行分析，對技術(shù)的發(fā)展進行展望。

1 姿態(tài)估計方法的分類

基于圖像信息的姿態(tài)估計方法涉及很多領(lǐng)域，通過查閱文獻將其分為基于識別和基于測量的兩大類方法。

1.1 基于識別的方法

一般的目標識別，要為分類器找尋合適的機器學(xué)習(xí)算法，學(xué)習(xí)目標在所有觀察視角下的特征，從而在不同類別的物體之間進行分類；而基于識別方法的姿態(tài)估計，是學(xué)習(xí)或者存儲目標在特定姿態(tài)下的特征，用分類器或其他手段在同一目標的眾多姿態(tài)中識別出特定姿態(tài)，或者在不同類目標中找到具有特定姿態(tài)的特定目標［1-13］。粗略分為3個方面：構(gòu)建特征并采用某些分類策略或某些學(xué)習(xí)算法（如SVM、級聯(lián)分類器、神經(jīng)網(wǎng)絡(luò)等）進行識別分類；用距離法在構(gòu)建的模版庫中尋最優(yōu)解；利用主成份分析的方法。分別對應(yīng)下面3個段落。

范彬［2］等對紅外圖像去噪，用免疫算法選出最適于識別的特征，將特征送入支持矢量機（SVM），與事先建立的多個姿態(tài)模板進行匹配，以達到檢測目標和姿態(tài)估計的目的。但是此方法僅使用紅外圖像，紅外圖像攜帶的信息有限，因此，只能對姿態(tài)進行粗估計。孫思佳［6］等利用飛機多邊形頂點個數(shù)、最長線段兩側(cè)頂點個數(shù)、同底三角形面積比這些特征不變量對目標進行描述，并制作了匹配的策略以完成姿態(tài)的分類匹配。李新德［11］等提取目標Hu矩、歸一化轉(zhuǎn)動慣量、仿射不變矩、輪廓離散化參數(shù)和奇異值特征5個特征量，利用PNN網(wǎng)絡(luò)和DSmT組合規(guī)則對姿態(tài)進行分類識別，有良好的實時性和識別準確率。文章側(cè)重于對不同類飛機進行識別，而且每一類飛機中的姿態(tài)數(shù)目較少。飛機有高度對稱性，而且其形狀在不同姿態(tài)下有顯著地特點，但是坦克目標的特征沒有飛機的特征明顯，坦克姿態(tài)發(fā)生變化時其外輪廓變化并不大，無法使用同底三角形面積比等適合于描述飛機的特征。

除了訓(xùn)練分類器外，也有人直接通過距離法在構(gòu)建的模版庫中尋最優(yōu)解來完成對姿態(tài)的分類。胡薇［12］等采用奇異值分解和歐式距離判決法，建立了類別庫和多個姿態(tài)庫，將分解后的圖像送入類別庫找到與之距離最小的類別，然后送入這一類別對應(yīng)的姿態(tài)庫匹配姿態(tài)，達到姿態(tài)識別的目的。徐超［13］等構(gòu)建了坦克不同姿態(tài)下龐大的模版庫，為了提高匹配時的速度，對庫中的圖片進行聚類分析，形成有32個類的一級模版庫，用類內(nèi)中心距選取本類中具有代表性的圖片，將眾多代表性的圖片構(gòu)成二級模版庫。選取SIFT特征進行匹配，匹配時先在二級模版庫中搜索，然后在對應(yīng)的一級模版庫中搜索。目的是從空中識別坦克目標，不過其實驗用的樣本坦克不是真實的，坦克也不在自然的環(huán)境中，除此之外使用的所有樣本坦克的炮塔和車體都是朝同一個方向，沒有考慮炮塔的姿態(tài)變化。

Yoshimura［14］對旋轉(zhuǎn)模版集做主成份分析提取特征圖像，在計算歸一化相關(guān)性時用特征圖像的線性組合代替模版，然后使用多分辨率圖像結(jié)構(gòu)來減少旋轉(zhuǎn)模版的數(shù)量和位置搜索區(qū)域，在低分辨率圖像層中，位置和角度在大的范圍中獲取，在下一層中，不僅僅是目標位置的搜索范圍，模版旋轉(zhuǎn)角度的范圍也會被限制在先前結(jié)果的范圍中。Hiroshi［15］制作一些目標在不同光照和姿態(tài)下的圖片集，通過主成份分析和一系列方式構(gòu)建降維的全局空間和目標姿態(tài)空間，將訓(xùn)練目標集投影到空間中，對離散點使用三次樣條插值，計算不同目標和特定目標姿態(tài)在空間中的超曲面（全局空間中不同目標的超曲面可能存在交叉和纏繞），通過兩個空間的超曲面來判斷目標類型和姿態(tài)。鮑毅［16-17］構(gòu)建單個特征空間識別特定目標，構(gòu)建多個姿態(tài)空間識別特定目標姿態(tài)。Leonardis［18］提出了一種自組織的框架，在訓(xùn)練集中建立低維多特征空間，其中使用了“特征空間生長”和“特征空間選擇”。

1.2 基于測量的方法

1.2.1 姿態(tài)（精確）測量方法

當對姿態(tài)估計的精度要求較高時，可以考慮采用姿態(tài)（精確）測量的方法［19-26］，這種方法目前廣泛用于飛行器交會對接的姿態(tài)估計中。它涉及到坐標系轉(zhuǎn)換和攝像機標定，需要解算姿態(tài)方程，分為單目、雙目測量。應(yīng)用姿態(tài)測量方法需要滿足下面兩個條件之一，第一是待測目標上有明顯的數(shù)字或者其他標記，并且這些標記是按照測量需求排布的（這類目標稱為合作目標），第二是待測目標上沒有按照需求排布的標記或數(shù)字，但是目標上有明顯的特征，可能是直線、曲線區(qū)域（這類目標稱為非合作目標）。滿足第一個條件時的單目測量解法有三點法、四點法、N 點法、POSIT 法［23］（Pose from Orthography and Scaling with Iteration）。Long Quan［24］提出用四點法對目標進行姿態(tài)估計的解法。張彗星［25］等采用五點法對航天器的姿態(tài)進行測量。Meshoul提出用蟻群算法解N點法，估計目標姿態(tài)。滿足第2個條件時的單目測量解法主要有基于點特征的姿態(tài)解算法和基于直線的姿態(tài)解算法。傅丹［26］對基于直線特征的非合作目標與空間平臺的相對位姿測量方法進行了研究。在識別坦克的姿態(tài)時，不可能在敵方坦克上作明顯的標記，因此，針對合作目標的姿態(tài)測量方法無法使用，坦克上也沒有從任何角度都可以觀察到的明顯直線和曲線特征，因此，非合作目標的姿態(tài)測量方法也無法使用。

1.2.2 基于投影變換的姿態(tài)估計方法

如果目標的特征明顯，能夠從目標形狀中提取對稱軸方向，并且目標到觀測點的距離已知時，能夠采用直接投影變換的方式對目標的姿態(tài)進行估計。張凱［27］等提出一種基于幾何解算的飛機姿態(tài)計算方法，此方法不需要建立大量的模板，不需要在飛機上定義特征點，對特征信息的要求低，抗衰減能力也較強，計算速度快。由于飛機具有高度對稱的形狀，作者對飛機圖像上的輪廓進行主分量變換求出飛機二值圖像中對稱軸的方向向量，再通過三角變換得到偏航角。已知機身長度和飛機到觀測點距離的情況下，可以得到機身在飛機參考平面平行成像條件下的長度，經(jīng)過三角變換求出俯仰角。這種方法需要獲取目標的距離，而且對目標的規(guī)則度和形狀有特殊的要求，不適合識別坦克的姿態(tài)。

1.2.3 基于直線特征檢測的姿態(tài)估計方法

當待測目標形狀簡單并且具有明顯的直線特征時，可以利用直線檢測的方法進行姿態(tài)估計，檢測到直線的斜率和長度，再通過一定的計算就能得到目標的姿態(tài)。以炮彈為例，它有兩條平行線，能夠利用直線檢測的方式完成姿態(tài)估計。張婭麗［28］等人采用去噪、邊緣提取和霍夫變換的方法在高速電視拍攝的炮彈圖中計算炮彈的俯仰角，偏航角和滾動角。炮彈的結(jié)構(gòu)很特殊，它的邊緣是兩條平行線，根據(jù)檢測出的直線特征即可判斷姿態(tài)。但是炮彈是混在背景中的，抑制背景和正確地找到炮彈邊緣直線是很難的工作。王峰［29］等人采用canny算子提取邊緣直線，canny算子沒有普適性，在不同的環(huán)境中需要手動變換參數(shù)，否則會檢測出很多不相關(guān)的直線。這類方法需要解決的問題有兩個，一是如何在檢測出的眾多直線中找到目標邊緣的平行線；二是如何強化目標邊緣的同時抑制背景的邊緣。這一方法可應(yīng)用在對坦克炮管的識別中，炮管的結(jié)構(gòu)和炮彈類似，通過炮管的邊緣線斜率和長度就能計算炮管的姿態(tài)。

2 坦克姿態(tài)估計的難點和存在的問題

目標識別是在不同類型的目標中找到特定目標，檢測到特定目標的任何姿態(tài)，都可以作為將目標鎖定的判據(jù)。姿態(tài)估計是通過目標的內(nèi)部紋理、外部輪廓和結(jié)構(gòu)關(guān)系等特征，在眾多姿態(tài)中尋找特定的姿態(tài)。而同一個目標的不同姿態(tài)之間相似度可能較高，不易區(qū)分，因此，在估計姿態(tài)前，往往需要增強目標輪廓和目標內(nèi)部發(fā)生變化的區(qū)域，使不同姿態(tài)的目標在觀察處的差異增大，并且由于自然背景中目標周圍的環(huán)境和光照會發(fā)生變化，估計姿態(tài)時也對使用的增強或者分割等手段提出了一定的要求。

坦克處在復(fù)雜的地面背景中，背景會對坦克姿態(tài)估計，尤其是火炮身管的姿態(tài)估計帶來很大的干擾，因此，需要突出坦克目標和身管并抑制背景。如果有理想的分割方法能將目標從背景中分離，會使問題簡化?？墒怯捎诘孛姹尘皬?fù)雜多變，目前基于閾值、區(qū)域和輪廓的三大類分割算法，不能完全適用于所有情況下的地面目標分割，在人工根據(jù)實際情況選擇算法并調(diào)整參數(shù)的情況下，才勉強獲得較好效果。如果采用目標分割的方式，要求算法有較好的普適性，能自動完成分割、突出目標區(qū)域、抑制或消除背景。

目前對于坦克姿態(tài)識別的研究，大部分都以軟件生成的坦克模型圖和拍攝的模型坦克圖作為素材，模型的仿真無法完全模擬自然環(huán)境中觀測真實坦克時受到的光照、天氣等因素的影響，因此，獲得的結(jié)論和結(jié)果的參考價值有限。

目前有一些估計飛機、船舶等姿態(tài)的方法，飛機等物體形狀特殊，特征易于描述，并且背景簡單（甚至研究某些對象時不考慮背景），因此，姿態(tài)估計容易實現(xiàn)，并且供選擇的方法也很多，但是無法直接將其用到識別地面的坦克目標。目前研究坦克姿態(tài)估計技術(shù)的文獻較少，哪些特征適合描述坦克，哪些方法適合用于坦克的姿態(tài)識別還需要探索。

3 建議與展望

將復(fù)雜的問題簡單化是一種研究思路，坦克的整體模型復(fù)雜，難以讓計算機全面理解?？梢酝ㄟ^尋找部分簡單結(jié)構(gòu)的特點來判斷姿態(tài)，如在跟蹤框中尋找炮管的平行線，炮管的平行線特征明顯，便于用計算機語言描述。

坦克待打擊的目標較遠，需要許多手段增強成像設(shè)備中獲取的圖像，受啟發(fā)于生物視覺而構(gòu)建的模型有著良好的增強效果，如視網(wǎng)膜模型，視覺注意模型等等，可以借鑒仿生學(xué)的發(fā)現(xiàn)來構(gòu)造模型，提高待處理圖像的質(zhì)量。即使能得到清晰度和對比度較高的坦克圖片，讓計算機估計出坦克的車體和炮塔朝向也很困難，完全將姿態(tài)估計技術(shù)應(yīng)用在信息化網(wǎng)絡(luò)化的戰(zhàn)爭中，還有很多工作要做。

通過深度學(xué)習(xí)方式構(gòu)建的分類器檢測坦克目標或者估計姿態(tài)，從方法原理上看優(yōu)于一般的識別檢測方式。通過CNN（卷積神經(jīng)網(wǎng)絡(luò)）建立特征圖，較為完整地保留了圖像本身的信息，而傳統(tǒng)方法在使用人為構(gòu)建的特征，會損失部分信息。Faster-Rcnn、YOLO［30-31］等相關(guān)方法在姿態(tài)估計中的應(yīng)用值得探索。

［1］趙軍.基于模型的飛機識別方法研究［D］.西安：西北工業(yè)大學(xué)，2004.

［2］范彬.地面戰(zhàn)車紅外圖像自動目標識別關(guān)鍵技術(shù)研究［J］.光電子技術(shù)，2012，32（3）：175-179.

［3］曹建.一種運用角點特征的快速目標姿態(tài)估計算法［J］.小型微型計算機系統(tǒng)，2014，35（1）：159-163.

［4］王國剛.仿射不變子空間特征及其在圖像匹配中的應(yīng)用［J］.紅外與激光工程，2014，43（2）：659.

［5］王斌.一種基于輪廓線的形狀描述與匹配方法［J］.電子與信息學(xué)報，2008，30（4）：949-952.

［6］孫思佳.改進的基于模型匹配的快速目標識別［J］.電子設(shè)計工程，2013，21（11）：190-193.

［7］陳拓.幾何不變性及其在3D物體識別中的應(yīng)用［J］.中國圖形圖像學(xué)報，2003，8（9）：993-1000.

［8］李興唐.仿射變換的飛行器識別［J］.光學(xué)精密工程，2009，17（2）：402-408.

［9］許強.基于物體特征輪廓的單類判別方法［J］.計算機輔助設(shè)計與圖形學(xué)學(xué)報，2009，17（2）：402-408.

［10］李凱永.地面紅外目標圖像識別方法研究［J］.電光與控制，2009，16（3）：71-74.

［11］李新德，楊偉東，DEZERT J.一種飛機圖像目標多特征信息融合 識 別 方 法 ［J］. 自 動 化 學(xué) 報 ，2012，38（8）：1298-1307.

［12］胡薇.基于子空間的3D目標識別和姿態(tài)估計方法［J］.紅外與激光工程，2004，33（6）：592-596.

［13］徐超.單目圖像中姿態(tài)角估計的坦克目標測距方法［J］.光子學(xué)報，2015，44（5）：0512002-1-0512002-8.

［14］YOSHIMURA S，KANADE T.Fast template matching based on the normalized correlation by using multiresolution eigenimages［C］//Ieee/rsj/gi International Conference on Intelligent Robots and Systems'94.'Advanced Robotic Systems and the Real World'，IROS.IEEE，1994（3）：2086-2093.

［15］MURASE A H，NAYAR S K.Parametric eigenspace representation for visual learning and recognition［C］//Proceedings of SPIE-The International Society for Optical Engineering，1993，2031.

［16］鮑毅.三維目標離面旋轉(zhuǎn)識別研究［D］.南京：南京師范大學(xué)，2008.

［17］鮑毅.三維目標離面旋轉(zhuǎn)和非線性光照識別研究［J］.儀器儀表學(xué)報，2007，28（8）：1440-1444.

［18］LEONARDIS A.Multiple eigenspaces［J］.Pattern Recognition，2002，35（11）：2613-2627.

［19］尚洋.基于視覺的空間目標位置姿態(tài)測量方法研究［D］.長沙：國防科學(xué)技術(shù)大學(xué)，2006.

［20］趙玉華.合作目標的飛行器姿態(tài)測量方法及其誤差補償模型的建立［J］.電機與控制學(xué)報，2010，14（9）：36-40.

［21］李晶.基于多點合作目標的多線陣CCD空間物體姿態(tài)測量［J］.光學(xué)精密工程，2013，21（6）：1635-1641.

［22］張沖.基于顏色標記的三維目標姿態(tài)估計研究［D］.秦皇島：燕山大學(xué)，2014.

［23］趙連軍.基于目標特征的單目視覺位置姿態(tài)測量技術(shù)研究［D］.北京：中國科學(xué)院大學(xué)，2014.

［24］LONG Q.Linear N-point camera pose determination［J］.Ieee Transactions on Pattern Analysis and Machine Intelligence，1999，21（8）：774-780.

［25］張慧星.一種基于目標特征的航天器間相對姿態(tài)測量方法［J］.裝備指揮技術(shù)學(xué)院學(xué)報，2004，15（2）：55-58.

［26］傅丹.基于直線特征的空間目標三維結(jié)構(gòu)重建和位姿測量方法研究［D］.長沙：國防科學(xué)技術(shù)大學(xué)，2008.

［27］張凱.基于幾何解算的飛機三維姿態(tài)測量方法［J］.火力與指揮控制，2012，37（7）：43-46.

［28］張婭麗.基于投影匹配的姿態(tài)測量方法研究［D］.北京：中國科學(xué)院研究生院，2010.

［29］王鋒.飛行目標姿態(tài)測量中的圖像處理方法［J］.光子學(xué)報，2006，35（11）：1780-1783.

［30］REN S，HE K，GIRSHICK R，et al.Faster R-cnn：towards real-time object detection with region proposal networks［J］.Computer Science，2015，25（9）：1-1.

［31］REDMON J，DIVVALA S，GIRSHICK R，et al.You only look once：unified，real-time object detection［J］.Computer Science，2015，21（3）15-21.

Research Summary on Pose Estimation of Tank Target Based on Image Information

LIU Hong-yi，HU Lin-ting，SHI Sheng-bing，HOU Xi-ping
（Baicheng Ordnance Test Center of China，Baicheng 137001，China）

The form of war under the conditions of informatization requires the functions of networked attack on the tank fire control system，which shall independently complete threat assessment，fire distribution and other tasks.The realization of these tasks are on condition of mastering the conversion of attack and defense，the direction of guns and other status information.As the information is concerned about target estimation，consequently，it is significant to study the technique of tank pose estimation.In this paper methods for attitude estimation using monocular vision measurement are classified；the feasibility of part methods which estimate tank posture is discussed；the difficulty of the estimation problems are set forth；finally the personal suggestions of this field are given for follow-up studies.

image information，tank，pose estimation

TP391；TJ811

A

10.3969/j.issn.1002-0640.2017.11.01

1002-0640（2017）11-0001-04

2016-09-05

2016-11-07

劉泓佚（1990- ），男，吉林省吉林市人，碩士。研究方向：計算機視覺，圖像處理。