沈美麗，張睿

(青島理工大學(xué)理學(xué)院,山東 青島 266520)

隨著無(wú)人機(jī)在軍用及民用領(lǐng)域的快速推廣和應(yīng)用,加大對(duì)無(wú)人機(jī)的法律法規(guī)監(jiān)管、加快無(wú)人機(jī)反制技術(shù)的研發(fā)已經(jīng)迫在眉睫[1]。在反無(wú)人機(jī)探測(cè)跟蹤技術(shù)中,視覺(jué)技術(shù)擁有目標(biāo)可視化、可主動(dòng)跟蹤的優(yōu)勢(shì),能夠彌補(bǔ)雷達(dá)不能有效辨識(shí)目標(biāo)的缺陷。由于無(wú)人機(jī)在圖像中成像像素少,特征獲取困難,且在無(wú)人機(jī)遠(yuǎn)近飛行過(guò)程中存在的尺度變換等問(wèn)題,對(duì)跟蹤的準(zhǔn)確性和魯棒性要求較高,因此針對(duì)遠(yuǎn)距離無(wú)人機(jī)等弱小目標(biāo)的高度與距離測(cè)量是一個(gè)比較困難的問(wèn)題。

現(xiàn)有的視覺(jué)測(cè)量主要包括單目、雙目與結(jié)構(gòu)光視覺(jué)測(cè)量等。其中,結(jié)構(gòu)光由于光源的限制,應(yīng)用的場(chǎng)合比較固定；雙目視覺(jué)難點(diǎn)在于特征點(diǎn)的匹配,并且在三維場(chǎng)景[1]投影為二維圖像的過(guò)程中存在著畸變、噪聲,導(dǎo)致圖像深度和不可見(jiàn)部分的信息丟失情況,影響了測(cè)量的精度和效率；單目視覺(jué)結(jié)構(gòu)簡(jiǎn)單、成本低,系統(tǒng)工作量小且運(yùn)算速度快[2],本系統(tǒng)設(shè)計(jì)采用單目視覺(jué)進(jìn)行測(cè)距。

當(dāng)前的單目視覺(jué)測(cè)距按照測(cè)量的原理主要分為基于已知物體的測(cè)量方法[3-4]和基于已知運(yùn)動(dòng)的測(cè)量方法[5-8]?；谝阎矬w的測(cè)量方法是指在已知物體信息以及攝像機(jī)內(nèi)外參數(shù)的條件下利用攝像機(jī)獲取目標(biāo)圖像并得到深度信息；基于已知運(yùn)動(dòng)的測(cè)量方法是指利用攝像機(jī)的參數(shù)與移動(dòng)信息結(jié)合攝像機(jī)拍攝的圖像信息測(cè)得目標(biāo)的距離信息。根據(jù)本文所設(shè)計(jì)系統(tǒng)的應(yīng)用場(chǎng)景選擇前一種測(cè)距方法。

1 數(shù)學(xué)模型

基于三角計(jì)算關(guān)系的測(cè)高測(cè)距算法[16-17]采用單幅圖像,在已知目標(biāo)物體的實(shí)際尺寸值情況下,根據(jù)攝像機(jī)的焦距、俯仰角參數(shù)和搭建的平臺(tái)高度并結(jié)合目標(biāo)跟蹤算法返回的目標(biāo)跟蹤框大小來(lái)估算深度信息。整個(gè)過(guò)程分為兩步,獲取跟蹤框及距離估計(jì)。下面將對(duì)算法原理進(jìn)行具體介紹。

1.1 基于三角計(jì)算的測(cè)高測(cè)距原理

根據(jù)實(shí)際情況,在測(cè)距測(cè)高[18-19]過(guò)程中主要分為兩種情況,即攝像頭水平放置與攝像頭傾斜放置。第一種攝像頭水平放置情況的原理圖如圖1 所示。

圖1 攝像頭水平放置測(cè)高測(cè)距原理圖

圖1 中,鏡頭平面與實(shí)際地面垂直,攝像機(jī)放置于距離地面Hg處,f為攝像機(jī)的焦距,O為鏡頭光心,目標(biāo)經(jīng)過(guò)相機(jī)的光心成像于像平面上,假設(shè)實(shí)際目標(biāo)所在平面與相機(jī)平面的距離為d,目標(biāo)的實(shí)際高度為Ho,在成像面上的高度為ho,目標(biāo)下沿距離攝像機(jī)放置的水平面的垂直高度為Ha,對(duì)應(yīng)成像面中目標(biāo)距離中心坐標(biāo)的高度ha。根據(jù)三角形計(jì)算原理,存在以下關(guān)系:

在實(shí)際檢測(cè)前,需要對(duì)攝像機(jī)進(jìn)行標(biāo)定,即在待檢測(cè)目標(biāo)已知實(shí)際尺寸Ho、距離d的情況下,測(cè)試出準(zhǔn)確的f值。在使用變焦鏡頭的情況下,需要對(duì)不同倍的焦距進(jìn)行多次標(biāo)定。即:

得到攝像機(jī)的焦距f后,可通過(guò)在成像面上的高度為ho計(jì)算得出目標(biāo)的水平距離:

并可進(jìn)一步求得目標(biāo)距攝像機(jī)水平面的高度Ha,可求得目標(biāo)的實(shí)際高度H:

第二種攝像頭傾斜放置情況的原理圖如圖2所示。

圖2 攝像頭傾斜放置測(cè)高測(cè)距原理圖

在傾斜放置的情況下,攝像機(jī)與水平面的仰視角度為α,成像面、鏡頭所在平面與攝像機(jī)觀察的實(shí)際物體所在面均相對(duì)垂直面傾斜相同角度α,實(shí)際物體尺寸Ho位于垂直面,但攝像機(jī)仰視觀察時(shí)認(rèn)為物體尺寸為,其對(duì)應(yīng)關(guān)系為:

物體實(shí)際高度為:

可知,攝像機(jī)水平放置時(shí)即α＝0,是攝像機(jī)仰視放置的一個(gè)特例。目標(biāo)高度的顯示值為整個(gè)物體的中心點(diǎn)與整幅視頻圖像中心點(diǎn)的上下距離比較,是相對(duì)鏡頭畫(huà)面中點(diǎn)的相對(duì)值,不是相對(duì)地面的絕對(duì)高度值。

1.2 結(jié)合背景感知相關(guān)濾波器的測(cè)高測(cè)距算法實(shí)現(xiàn)

將1.1 算法原理與Galoogahi 等人于2017 年提出的一種用于視覺(jué)跟蹤的學(xué)習(xí)性背景感知相關(guān)濾波器背景感知相關(guān)濾波器,即BACF(Background-Aware Correlation Filters) 跟蹤算法[9-10]相結(jié)合。BACF 跟蹤算法速度較快,可達(dá)到35.3 frame/s,將背景信息作為負(fù)樣本進(jìn)行更新,減輕了邊界效應(yīng),成功率較高且具有較好的尺度變換功能,在一定范圍內(nèi)能夠?qū)\(yùn)動(dòng)目標(biāo)進(jìn)行較好的跟蹤,當(dāng)運(yùn)動(dòng)目標(biāo)移動(dòng)過(guò)快,移出檢測(cè)框時(shí)則會(huì)丟失目標(biāo)。結(jié)合后算法整體流程如圖3 所示。

圖3 測(cè)高測(cè)距算法流程圖

2 實(shí)驗(yàn)結(jié)果

2.1 定性分析

本文實(shí)現(xiàn)了在對(duì)無(wú)人機(jī)目標(biāo)進(jìn)行跟蹤的同時(shí)評(píng)估出目標(biāo)距離攝像頭的高度與距離的功能,使用大疆精靈2 無(wú)人機(jī)錄制遠(yuǎn)近距離視頻進(jìn)行跟蹤、測(cè)高測(cè)距實(shí)驗(yàn)。其中近距離視頻可對(duì)實(shí)際距離進(jìn)行測(cè)量,可分析準(zhǔn)確度,遠(yuǎn)距離視頻因?qū)嶋H距離難以測(cè)量,因此只能對(duì)跟蹤與測(cè)距的效果進(jìn)行一個(gè)較為直觀的判斷,無(wú)法進(jìn)行具體的分析。實(shí)驗(yàn)測(cè)試采用3段視頻,分別是近距離尺度變換視頻(圖4 和圖5)、遠(yuǎn)距離尺度變換視頻(圖6)、田間飛行視頻(圖7)。

圖4 無(wú)人機(jī)近距離尺度變換視頻手動(dòng)畫(huà)框效果圖

圖5 無(wú)人機(jī)近距離尺度變換視頻自動(dòng)跟蹤效果圖

圖6 無(wú)人機(jī)遠(yuǎn)距離尺度變換視頻效果圖

圖7 無(wú)人機(jī)田間飛行視頻效果圖

該近距離視頻采用手機(jī)攝像頭錄制,對(duì)焦距重新進(jìn)行計(jì)算后選用攝像頭焦距為1 038.857 1 mm。在無(wú)人機(jī)近距離尺度變換視頻中,自動(dòng)跟蹤時(shí)能夠?qū)崿F(xiàn)無(wú)人機(jī)由遠(yuǎn)及近時(shí)目標(biāo)框跟隨目標(biāo)物體運(yùn)動(dòng)且隨著目標(biāo)尺寸的變化而變化,在一定距離范圍內(nèi)結(jié)果與手動(dòng)劃取目標(biāo)框的結(jié)果相近,跟蹤效果以及尺度變換效果較好,但距離較遠(yuǎn)時(shí)誤差較大。

因遠(yuǎn)距離視頻中無(wú)人機(jī)目標(biāo)較小,攝像頭在拍攝過(guò)程中對(duì)焦距進(jìn)行調(diào)整,如圖6 所示(目標(biāo)位于長(zhǎng)方形框的中心)。在程序中,焦距參數(shù)調(diào)整為原參數(shù)的10 倍。該視頻共840 幀,截取了106 幀、305幀、505 幀和702 幀進(jìn)行觀察,在視頻運(yùn)行過(guò)程中,無(wú)人機(jī)目標(biāo)一直在向遠(yuǎn)離攝像頭的方向移動(dòng)。具體估測(cè)數(shù)據(jù)如表1 所示。

表1 無(wú)人機(jī)遠(yuǎn)距離尺度變換視頻數(shù)據(jù)顯示

可見(jiàn)該算法的幀率大約在48 frame/s 左右,隨著無(wú)人機(jī)由近及遠(yuǎn)的運(yùn)動(dòng)中,目標(biāo)尺寸逐漸減小,跟蹤算法的尺度變換效果較好,距離由137 m 逐漸變化到251 m。

田間飛行視頻中無(wú)人機(jī)目標(biāo)較大,可以清晰地看到無(wú)人機(jī)目標(biāo)的遠(yuǎn)近距離移動(dòng),視頻中無(wú)人機(jī)反復(fù)進(jìn)行遠(yuǎn)近移動(dòng),尺度變化明顯。

2.2 定量分析

近距離視頻可以確定真實(shí)值,可以對(duì)錄制的無(wú)人機(jī)近距離尺度變換視頻的測(cè)高測(cè)距算法進(jìn)行準(zhǔn)確度評(píng)價(jià),視頻為靜態(tài)無(wú)人機(jī)的定點(diǎn)錄制視頻,從4.8 m 到1.2 m,每次移動(dòng)0.6 m 進(jìn)行測(cè)試,一組共記錄7 組數(shù)據(jù),分別對(duì)手動(dòng)畫(huà)框、自動(dòng)跟蹤畫(huà)框進(jìn)行準(zhǔn)確度測(cè)試,通過(guò)相對(duì)誤差來(lái)反映算法的準(zhǔn)確度,相對(duì)誤差等于真實(shí)值與測(cè)試值的差值除以真實(shí)值,分析數(shù)據(jù)如表2 所示。

表2 無(wú)人機(jī)近距離視頻手動(dòng)畫(huà)框與自動(dòng)跟蹤框相對(duì)誤差

由表2 可知,使用手動(dòng)畫(huà)框進(jìn)行測(cè)距時(shí),相對(duì)誤差很小,距離顯示基本是準(zhǔn)確的。在記錄數(shù)據(jù)過(guò)程中,因視頻錄制過(guò)程中跟蹤框會(huì)自行調(diào)整,因此數(shù)據(jù)持續(xù)變動(dòng),僅記錄了每個(gè)時(shí)刻的大致數(shù)值,小數(shù)點(diǎn)后保留兩位。結(jié)合跟蹤算法自動(dòng)對(duì)目標(biāo)進(jìn)行跟蹤畫(huà)框時(shí),隨著距離的靠近誤差在逐漸減小。相對(duì)于手動(dòng)畫(huà)框而言,相對(duì)誤差增大了約5%。跟蹤算法在尺度變化時(shí)的準(zhǔn)確度對(duì)測(cè)距結(jié)果影響較大。直觀數(shù)據(jù)如圖8。

圖8 無(wú)人機(jī)近距離視頻手動(dòng)畫(huà)框與自動(dòng)跟蹤框準(zhǔn)確度比較

3 結(jié)論

提出了針對(duì)特定無(wú)人機(jī)目標(biāo)的基于三角計(jì)算的測(cè)高測(cè)距算法,在已知目標(biāo)實(shí)際大小,攝像頭焦距、俯仰角等參數(shù)的情況下,將相似三角形原理與BACF 算法相結(jié)合,實(shí)現(xiàn)了對(duì)無(wú)人機(jī)目標(biāo)進(jìn)行跟蹤的同時(shí)評(píng)估出目標(biāo)距離攝像頭的高度與距離。由實(shí)驗(yàn)結(jié)果可知,該算法可對(duì)無(wú)人機(jī)目標(biāo)進(jìn)行有效跟蹤并評(píng)估其距離,平均相對(duì)誤差為5%。另外,高度的測(cè)量是利用目標(biāo)的中心坐標(biāo)點(diǎn)相對(duì)整幅圖像中心的高度值或相對(duì)整幅圖像下沿的高度值,不具有很好的實(shí)際意義。

算法在鎖定目標(biāo)并進(jìn)行跟蹤后,可實(shí)時(shí)判斷出目標(biāo)相對(duì)攝像頭的高度與距離,可為后續(xù)的反制措施提供有效的位置信息,在接近敏感區(qū)域時(shí)能及時(shí)預(yù)警,對(duì)于確保重要人員、場(chǎng)所的安全具有重要意義。所提算法除可應(yīng)用于反無(wú)人機(jī)光電模塊中的跟蹤與檢測(cè)步驟外,還可推廣應(yīng)用于其他待追蹤目標(biāo)的距離評(píng)估中。