楊天陽,金立左,潘 虹

(東南大學(xué)自動(dòng)化學(xué)院,南京 210096)

目標(biāo)定位與跟蹤是計(jì)算機(jī)視覺研究的重要課題之一,包括基于合作目標(biāo)和非合作目標(biāo)[1]的兩大類方案．在沒有顯著視覺目標(biāo)可參考的情況下,目標(biāo)定位與跟蹤系統(tǒng)常借助合作目標(biāo)進(jìn)行定位．基于合作目標(biāo)的定位、測(cè)量和姿態(tài)解算方法,包括目標(biāo)的設(shè)計(jì)、特征提取、識(shí)別及位姿求解等步驟[2],因其系統(tǒng)結(jié)構(gòu)簡(jiǎn)單、精度高、性能穩(wěn)定、成本低廉、設(shè)計(jì)性強(qiáng)等優(yōu)點(diǎn)而備受關(guān)注[2-3],在航天器交會(huì)對(duì)接[4]、空間機(jī)器人視覺伺服控制[5]、太空機(jī)械臂操控[6-7]、無人機(jī)自動(dòng)著陸[8-9]等方面極具研究與應(yīng)用前景．目前,運(yùn)用該方法針對(duì)近距離合作靶標(biāo)識(shí)別的研究較為成熟,可以進(jìn)行實(shí)時(shí)視覺測(cè)量,實(shí)現(xiàn)機(jī)械臂在復(fù)雜背景下的快速識(shí)別抓取[10-11]．為了提高該算法抗形變和抗干擾的魯棒性,孫國鵬等[12]提出一種基于合作目標(biāo)的多特征遞進(jìn)識(shí)別算法．Wen等[10]提出結(jié)合圓和線特征的空間機(jī)械臂位姿測(cè)量算法,克服了傳統(tǒng)的基于Hough變換的圓檢測(cè)算法及其改進(jìn)算法[13-14]速度慢的缺點(diǎn),可實(shí)時(shí)識(shí)別0.3～1.5 m范圍內(nèi)復(fù)雜背景下的合作目標(biāo)．而在移動(dòng)機(jī)器人導(dǎo)航等應(yīng)用中,合作靶標(biāo)識(shí)別還要適應(yīng)遠(yuǎn)距離場(chǎng)景,遠(yuǎn)距離場(chǎng)景的背景干擾多、靶標(biāo)像素所占比例小，檢測(cè)識(shí)別難度大．因此,關(guān)于遠(yuǎn)距離場(chǎng)景的靶標(biāo)設(shè)計(jì)與精準(zhǔn)定位算法的研究,具有挑戰(zhàn)性和應(yīng)用價(jià)值．本文在深入研究合作目標(biāo)設(shè)計(jì)的基礎(chǔ)上,提出一種簡(jiǎn)單高效的二維合作目標(biāo)設(shè)計(jì)方案及針對(duì)此合作目標(biāo)的檢測(cè)跟蹤算法,可適用于距離較長的靶標(biāo)識(shí)別．

1 合作目標(biāo)設(shè)計(jì)

為提高目標(biāo)識(shí)別性,以適應(yīng)較遠(yuǎn)距離的場(chǎng)景,設(shè)計(jì)的合作目標(biāo)表面應(yīng)具有區(qū)分性、不變性、可重復(fù)性的顯著特征,同時(shí)為減少計(jì)算量,目標(biāo)設(shè)計(jì)宜簡(jiǎn)易．圖1為本文的合作目標(biāo)模型設(shè)計(jì)圖及其在干擾背景下的實(shí)拍照片．該合作目標(biāo)模型有以下特點(diǎn): 1) 8個(gè)圓形斑塊(即靶元)等距分布在一個(gè)大圓(目標(biāo)圓)的圓周上,該目標(biāo)具有平移和旋轉(zhuǎn)不變性,滿足合作目標(biāo)設(shè)計(jì)的要求[4];2) 黑白色具有對(duì)比度最大化特點(diǎn),結(jié)合自適應(yīng)的二值化方法,可以適應(yīng)不同的光照條件,又能降低對(duì)硬件的要求,擴(kuò)寬應(yīng)用場(chǎng)合;3) 多斑塊組合具有多個(gè)相同的局部子結(jié)構(gòu),在圖像被局部遮擋的情況下仍然可以被識(shí)別;4) 斑塊和目標(biāo)圓的半徑比例、黑色斑塊和白色背景的上下文關(guān)系以及斑塊之間的共圓性,共同構(gòu)成強(qiáng)的結(jié)構(gòu)約束條件,可以抵抗相似物的干擾,便于模型的精確計(jì)算與驗(yàn)證．

圖1 合作目標(biāo)設(shè)計(jì)圖(插圖)及其在干擾背景下的實(shí)拍照片F(xiàn)ig.1 The design of cooperative target (illustration) and its actual photo in the clutter environment

2 合作目標(biāo)識(shí)別

2.1 候選靶元提取

由于本合作目標(biāo)的背景色和靶元屬于不同灰度范圍,且對(duì)比度高,實(shí)際運(yùn)用中可采集灰度圖并進(jìn)行二值化處理,以降低計(jì)算量．本文采用最大類間方差法(OTSU)[15]得到合適的分割閾值,完成灰度圖像的二值化,再采用4鄰域連通標(biāo)記將候選靶元分割并標(biāo)記出來．當(dāng)成像設(shè)備和合作目標(biāo)距離較遠(yuǎn)時(shí),背景干擾不可避免,所以先要根據(jù)靶元特征對(duì)候選靶元進(jìn)行篩選．靶元特征包括：靶元面積、靶元外接框的長寬比等基本參數(shù),以及靶元和背景的上下文信息,即靶元與其局部背景的亮度對(duì)比．靶元篩選既提取了潛在斑塊,又抑制了大部分背景干擾,為后續(xù)合作目標(biāo)的定位提供良好基礎(chǔ)．

2.2 目標(biāo)中心計(jì)算

對(duì)合作目標(biāo)圓的圓心和半徑進(jìn)行計(jì)算,分為2個(gè)階段:利用候選靶元求解目標(biāo)圓圓心;由圓心及其支持靶元推導(dǎo)出半徑．首先,通過3個(gè)靶元中任意2個(gè)靶元中心連線的垂直平分線交點(diǎn)可以確定合作目標(biāo)的中心．為保證準(zhǔn)確率,圓心計(jì)算之前要求檢測(cè)出的潛在靶元數(shù)量不少于4個(gè)．由于潛在靶元提取過程中存在雜波,因此需要一種穩(wěn)健的計(jì)算方法,由潛在靶元位置計(jì)算出準(zhǔn)確的目標(biāo)中心．本文采用的是投票法:分組計(jì)算多個(gè)潛在靶元的中心連線的垂直平分線交點(diǎn),得出潛在目標(biāo)中心,對(duì)應(yīng)的潛在靶元記為該潛在目標(biāo)中心的支持靶元,支持靶元的數(shù)量即該中心的投票數(shù)．由于計(jì)算誤差的存在,相同物理位置上的圓心,其圖像坐標(biāo)可能并不完全重疊,因此采用圖像網(wǎng)格量化的方法對(duì)網(wǎng)格內(nèi)的投票進(jìn)行計(jì)數(shù),將計(jì)數(shù)達(dá)到一定閾值的網(wǎng)格作為合作目標(biāo)中心的候選．其次,計(jì)算候選網(wǎng)格中所有支持靶元到對(duì)應(yīng)圓心的距離,并求取其中值,作為該網(wǎng)格對(duì)應(yīng)的參考半徑．最后,根據(jù)靶元和目標(biāo)圓的半徑比值的約束條件,去除噪聲斑塊的干擾．圖2是本文的合作目標(biāo)識(shí)別的整體算法流程,具體算法如下:

1) 對(duì)輸入圖像采用最大類間方差法計(jì)算合適的分割閾值,完成圖像的二值化,再采用4鄰域連通標(biāo)記提取靶元,分割并標(biāo)記為候選靶元,計(jì)算靶元的最小外接矩形框,作為靶元外接框．

2) 根據(jù)靶元特征結(jié)合上下文對(duì)候選靶元進(jìn)行篩選．驗(yàn)證條件包括: ① 候選靶元的像素個(gè)數(shù)是否在雙閾值Smin和Smax之間,Smin和Smax分別是應(yīng)用場(chǎng)景中最遠(yuǎn)和最近識(shí)別距離下靶元在圖像中所占像素的個(gè)數(shù),可根據(jù)成像原理及相機(jī)參數(shù)計(jì)算,也可直接測(cè)量標(biāo)定;② 候選靶元外接框的長寬比是否滿足1±ε1(誤差限ε1=0.02);③ 每個(gè)靶元外接框中和靶元二值化結(jié)果相同的像素個(gè)數(shù)占靶元外接框總像素的比值是否滿足(πr2/(2r)2)±ε2(r為靶元半徑,誤差限ε2=0.03);每個(gè)與靶元外接框中心重合,但其長寬加長0.5倍的矩形中,和靶元二值化結(jié)果相同的像素個(gè)數(shù)占矩形總像素的比值是否滿足(πr2/(3r)2)±ε3(誤差限ε3=0.05)．判斷滿足所有驗(yàn)證條件的候選靶元個(gè)數(shù)是否不小于4,若否,則結(jié)束計(jì)算．

圖2 本文整體算法流程圖Fig.2 Flow chart of the proposed algorithm

3) 依次取候選靶元集合P中的2個(gè)元素pi和pj驗(yàn)證：①pi和pj之間的歐式距離是否小于當(dāng)前可能的最大合作目標(biāo)直徑dmax(dmax為最近識(shí)別距離下目標(biāo)圓的直徑的像素大小,取dmax為300像素);②pi和pj面積之比是否滿足1±ε4(誤差限ε4=0.05)．若滿足所有驗(yàn)證條件,則計(jì)算2個(gè)候選靶元的垂直平分線lij,得垂直平分線集合L．

5) 對(duì)所有潛在圓心進(jìn)行網(wǎng)格量化搜索,并對(duì)每個(gè)網(wǎng)格中所有潛在圓心的支持半徑進(jìn)行中值濾波計(jì)算,剔除野值后,將支持半徑個(gè)數(shù)記為該網(wǎng)格的投票數(shù),對(duì)應(yīng)圓心記為該網(wǎng)格的支持圓心,1次搜索記為1次迭代．

6) 完成所有搜索或達(dá)到最大迭代次數(shù)時(shí),搜索結(jié)束．將搜索結(jié)果按照網(wǎng)格的投票數(shù)降序排列,判斷投票數(shù)最多的網(wǎng)格票數(shù)是否大于最小門限:若否,則結(jié)束計(jì)算;若是,則對(duì)網(wǎng)格中圓心取平均值,得到該圖像的合作目標(biāo)圓心,并將合作目標(biāo)與圖像中心點(diǎn)的像素偏差Δω轉(zhuǎn)化為視場(chǎng)角度偏差Δθ=(Δω/l0)θ0,其中l(wèi)0為圖像的像素寬度,θ0為相機(jī)的視場(chǎng)角大小．

3 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)采用實(shí)景拍攝的像素為720×576的灰度圖像,在配置為Intel Core i7 3.6 GHz,RAM 4 GB的計(jì)算機(jī)上,利用VS2013下Opencv2.4.11版本進(jìn)行算法仿真,并將算法移植到嵌入式開發(fā)平臺(tái)上進(jìn)行測(cè)試．圖3為本文采用的海思Hi3520D開發(fā)板的硬件模塊組成,包括視頻輸入、輸出端口,視頻采集芯片(NVP6114),處理器和用于掛載文件系統(tǒng)的網(wǎng)口等．

圖3 海思Hi3520D開發(fā)平臺(tái)硬件模塊Fig.3 Hardware module of the Hi3520D development platform

3.1 干擾實(shí)驗(yàn)

圖4是目標(biāo)分別距成像設(shè)備7,3,0.25 m時(shí)目標(biāo)識(shí)別干擾實(shí)驗(yàn)的結(jié)果．如圖4所示,只要靶元清晰可見,本文算法對(duì)距離在0.25～7 m范圍內(nèi)的合作目標(biāo)均有較好的識(shí)別效果．圖4(a)中目標(biāo)周圍環(huán)境的光照充足,甚至存在反光,而圖4(b)中目標(biāo)周圍光照相對(duì)較弱,在光照強(qiáng)度不同的情況下,本設(shè)計(jì)的二值化效果仍具有魯棒性．這是由于合作目標(biāo)的靶元和背景具有最大的灰度對(duì)比度,所以采用簡(jiǎn)單的自適應(yīng)閾值分割就可以快速獲得準(zhǔn)確結(jié)果．另外,圖4(b)所示的場(chǎng)景中除了合作目標(biāo)外,還設(shè)置了大面積的黑白格棋盤作為背景干擾．在采用連通域標(biāo)記提取候選靶元時(shí),背景棋盤格的白色方塊也被一同標(biāo)記了(如圖4(b)中紅色方框),但經(jīng)濾波處理后,綠色方框所包含的背景干擾大幅度降低．如果直接驗(yàn)證全部候選靶元子集之間的結(jié)構(gòu)是否滿足約束條件,會(huì)大大增加計(jì)算量,所以本文利用黑色靶元與白色背景之間的對(duì)比度,在計(jì)算目標(biāo)中心之前先進(jìn)行上下文濾波處理．

紅色方框表示候選靶元，綠色方框表示篩選后的候選靶元，黃色圓圈表示目標(biāo)中心識(shí)別結(jié)果.圖4 不同距離下的目標(biāo)識(shí)別干擾實(shí)驗(yàn)Fig.4 Interference experiments of target recognition in different distances

3.2 旋轉(zhuǎn)與局部遮擋實(shí)驗(yàn)

將合作目標(biāo)分別朝順時(shí)針和逆時(shí)針方向旋轉(zhuǎn)一定角度,并對(duì)目標(biāo)進(jìn)行局部遮擋后進(jìn)行目標(biāo)識(shí)別測(cè)試，結(jié)果如圖4所示．由圖4可見,目標(biāo)旋轉(zhuǎn)后依然有很好的識(shí)別效果．因?yàn)楸竞献髂繕?biāo)的靶元和整體都采用圓形設(shè)計(jì),所以對(duì)旋轉(zhuǎn)變化不敏感．圖4(b)還說明,合作目標(biāo)的部分遮擋沒有對(duì)識(shí)別結(jié)果產(chǎn)生影響．本設(shè)計(jì)只需4個(gè)靶元即可計(jì)算目標(biāo)圓心,理論上可以接受合作目標(biāo)表面的50%被遮擋,所以本設(shè)計(jì)在局部遮擋的情況下也具有較強(qiáng)魯棒性．

將本文算法在Windows7系統(tǒng)、VS2013和Opencv2.4.11開發(fā)平臺(tái)的PC端進(jìn)行仿真測(cè)試,平均運(yùn)行時(shí)間是45 ms·幀-1,在運(yùn)行環(huán)境為Linux內(nèi)核的嵌入式平臺(tái)上進(jìn)行實(shí)際測(cè)試,平均運(yùn)行時(shí)間是100 ms·幀-1,結(jié)果均達(dá)到實(shí)時(shí)性應(yīng)用的要求．

紅色方框表示候選靶元，綠色方框表示篩選后的候選靶元，黃色圓圈表示目標(biāo)中心識(shí)別結(jié)果.圖5 旋轉(zhuǎn)與局部遮擋識(shí)別目標(biāo)的實(shí)驗(yàn)Fig.5 Experiments of rotation and partial occlusion of the recognition target