熊雨農(nóng),李 宏
(中國(guó)飛行試驗(yàn)研究院,陜西 西安 710089)
在飛行試驗(yàn)測(cè)試任務(wù)中,視覺測(cè)量因測(cè)量精度高,與被測(cè)對(duì)象非接觸和測(cè)量信息直觀、信息量大等特點(diǎn),被廣泛應(yīng)用于武器投放、空中加油和結(jié)構(gòu)形變等試驗(yàn)科目中。視覺測(cè)量的前提和基礎(chǔ)是對(duì)測(cè)試對(duì)象上的一個(gè)或多個(gè)特征點(diǎn)的穩(wěn)定、可靠識(shí)別和跟蹤。由于被測(cè)試對(duì)象經(jīng)常存在圖像信息單一和背景紋理不夠豐富等問題,例如機(jī)翼和直升機(jī)旋翼表面在整個(gè)測(cè)量視場(chǎng)中,形成的圖像梯度達(dá)不到跟蹤和識(shí)別條件,因此,在測(cè)試中,往往需要人工在被測(cè)試對(duì)象中增加人工合作標(biāo)志。
人工合作標(biāo)志分為非編碼標(biāo)志點(diǎn)和編碼標(biāo)志點(diǎn)兩大類。非編碼標(biāo)志點(diǎn)包括圓形、環(huán)形和四象限標(biāo)志等典型代表,結(jié)構(gòu)簡(jiǎn)單且容易識(shí)別,但其自身不具有唯一性,在多點(diǎn)或密集點(diǎn)測(cè)量時(shí),無外加約束條件將無法實(shí)現(xiàn)快速可靠的自動(dòng)匹配。而編碼標(biāo)志點(diǎn)附有唯一的身份信息,對(duì)每個(gè)標(biāo)志進(jìn)行唯一的身份解碼后即可根據(jù)其編碼配準(zhǔn)實(shí)現(xiàn)自動(dòng)匹配。環(huán)形編碼標(biāo)志具有旋轉(zhuǎn)不變性、縮放不變性等優(yōu)點(diǎn),應(yīng)用最為廣泛,不少學(xué)者針對(duì)環(huán)狀編碼標(biāo)志的識(shí)別檢測(cè)和解碼算法展開了研究。針對(duì)在視覺測(cè)量中環(huán)形編碼標(biāo)志的識(shí)別檢測(cè),段康容等[1]運(yùn)用基于二值化分割的圖像處理算法檢測(cè)標(biāo)志點(diǎn)。劉建偉等[2]提出了一種基于Canny算法的邊緣檢測(cè)算法,得到圖像邊緣后對(duì)錯(cuò)誤目標(biāo)過濾篩選,提高了標(biāo)志點(diǎn)的檢測(cè)準(zhǔn)確率。解則曉等[3]提出了一種基于六點(diǎn)定位獲取成像中心的方法,在此基礎(chǔ)上對(duì)環(huán)形編碼標(biāo)志進(jìn)行識(shí)別定位。倪章松等[4]設(shè)計(jì)了編碼標(biāo)志點(diǎn),提取橢圓邊緣環(huán)狀領(lǐng)域,隨后通過基于對(duì)偶二次曲線的目標(biāo)函數(shù)模型求取標(biāo)志點(diǎn)中心,并通過標(biāo)志的幾何特征實(shí)現(xiàn)篩選。熊雪菲等[5]設(shè)計(jì)了一種環(huán)形圓點(diǎn)編碼標(biāo)志點(diǎn),并通過橢圓的極點(diǎn)-極弦特性設(shè)計(jì)算法實(shí)現(xiàn)標(biāo)志點(diǎn)的識(shí)別定位。上述文獻(xiàn)提出的標(biāo)志點(diǎn)結(jié)構(gòu)簡(jiǎn)單、識(shí)別容易,配合相應(yīng)的檢測(cè)算法在多數(shù)情況下識(shí)別效果良好,但當(dāng)投影角度過大時(shí),圖像畸變嚴(yán)重,識(shí)別效果欠佳,準(zhǔn)確率下降。針對(duì)環(huán)形編碼標(biāo)志的解碼問題,黃雪梅等[6]為解決任意起始點(diǎn)解碼的方式容易錯(cuò)解的問題,提出解碼時(shí)選取最佳起始點(diǎn)的方法。張小迪等[7]提出一種將解碼結(jié)果與預(yù)設(shè)編碼ID進(jìn)行匹配的解碼方法??梢钥闯?,在視覺測(cè)量中的標(biāo)志點(diǎn)檢測(cè)工作中,編碼標(biāo)志的識(shí)別定位是眾多學(xué)者密切關(guān)注的問題,提高其識(shí)別和定位精度是研究的熱點(diǎn)方向。
本文以實(shí)現(xiàn)飛行試驗(yàn)測(cè)試任務(wù)中多特征點(diǎn)的識(shí)別追蹤為需求導(dǎo)向,針對(duì)常用靶標(biāo)檢測(cè)算法在大傾角環(huán)境下檢測(cè)率較低、編碼標(biāo)志解碼匹配難度大等問題,設(shè)計(jì)了一種用于物體運(yùn)動(dòng)狀態(tài)測(cè)量的環(huán)形編碼對(duì)角標(biāo)志,并通過對(duì)已有橢圓識(shí)別和角點(diǎn)定位等算法的學(xué)習(xí)改進(jìn),提出了一種基于EDCircles[8]的環(huán)形編碼對(duì)角標(biāo)志識(shí)別和定位算法的視覺測(cè)量技術(shù)。經(jīng)實(shí)驗(yàn)驗(yàn)證,該技術(shù)魯棒性強(qiáng)、識(shí)別準(zhǔn)確、定位精度高,能夠滿足飛行試驗(yàn)測(cè)試任務(wù)的需求。
在視覺測(cè)量中,待測(cè)對(duì)象的測(cè)量結(jié)果與靶標(biāo)的識(shí)別定位效果密切相關(guān),因此,在設(shè)計(jì)時(shí)就應(yīng)嚴(yán)加考慮,并應(yīng)注意以下原則:
① 編碼標(biāo)志點(diǎn)應(yīng)具有互異性。
② 編碼信息包含足夠多的編碼數(shù)目。
③ 標(biāo)志點(diǎn)結(jié)構(gòu)簡(jiǎn)單、特征鮮明、容易識(shí)別。
依據(jù)上述要求,本文設(shè)計(jì)了一種新的環(huán)形編碼對(duì)角標(biāo)志,如圖1所示。該編碼標(biāo)志結(jié)構(gòu)主要由4個(gè)部分組成:外部黑圓、編碼環(huán)、內(nèi)部白圓和對(duì)角標(biāo)志。其中外部黑圓用于確定靶標(biāo)區(qū)域,內(nèi)部白圓用于粗定位,對(duì)角標(biāo)用于精定位,內(nèi)部白圓配合中心對(duì)角標(biāo)志的設(shè)計(jì)可提高定位精度。
圖1 環(huán)形編碼對(duì)角標(biāo)志結(jié)構(gòu)圖
靶標(biāo)編碼信息帶均分為12段,每隔30°為一個(gè)編碼元,每個(gè)編碼元可以使用黑色(灰度0)或白色(灰度255),按照順時(shí)針順序組成12位二進(jìn)制數(shù),在解碼時(shí),選擇其中對(duì)應(yīng)十進(jìn)制值最小的數(shù)作為編碼值。
飛行試驗(yàn)環(huán)境復(fù)雜,圖像采集時(shí)會(huì)受到周圍環(huán)境中多種因素的影響,造成圖像的亮度不均衡、影像模糊、噪聲、變形等問題,從而影響到編碼標(biāo)記的檢測(cè)識(shí)別。因此,本文采用圖像預(yù)處理方法為下一步的識(shí)別、定位做準(zhǔn)備。
首先對(duì)采集到的圖像進(jìn)行g(shù)amma矯正及高斯濾波,然后采用EDPF(Earliest Deadline and Processing Timefirst)算法,實(shí)現(xiàn)圖像邊緣的檢測(cè),該算法全部參數(shù)處于上限狀態(tài),因此無須調(diào)整參數(shù),適應(yīng)性強(qiáng)。該算法通過計(jì)算圖像梯度信息,對(duì)比臨近點(diǎn)之間的梯度值,將局部梯度極大值點(diǎn)定為錨點(diǎn)。確定錨點(diǎn)時(shí),F(xiàn)(x,y)為像素點(diǎn)的對(duì)比值為
F(x,y)=16G(x,y)-2G(x+1,y)-
2G(x,y+1)-2G(x-1,y)-
2G(x,y-1)-2G(x,y-2)-
G(x+1,y-1)-G(x+2,y)-
G(x+1,y+1)-G(x,y+2)-
G(x-1,y+1)-G(x-2,y)-
G(x-1,y-1)
(1)
式中:在F(x,y)≥Fth(Fth為像素閾值)的條件下,G(x,y)被定義為錨點(diǎn),相反則被定義為普通邊緣點(diǎn)。求取出錨點(diǎn)后,EDPF算法以一種獨(dú)特的連接方式,將求取到的錨點(diǎn)連接,獲得一個(gè)由眾多邊緣像素組成的邊緣段,通過最小二乘直線擬合方法將這些邊緣段擬合成直線段。
得到眾多直線段后,運(yùn)用Helmholtz原理驗(yàn)證這些直線段是否有效,其指出,在隨機(jī)情況下,偶然出現(xiàn)一個(gè)“具有意義”的幾何結(jié)構(gòu)事件的期望是非常低的[9]。
該原理提出了誤檢數(shù)量(Number of False Alarms,NFA)的概念,若某一線段的長(zhǎng)度為n,在大小N×N像素的圖像中,至少有k個(gè)像素點(diǎn)與該線段同向,則該線段的NFA為
(2)
式中:N4為在大小N×N像素的圖像中可能存在的線段數(shù),當(dāng)NFA(n,k)≤ε時(shí),認(rèn)為線段是有效的。Desolneux等[10]也指出,這一步驟并非必要的。因?yàn)檫@一驗(yàn)證方法往往拒絕較短的線段,對(duì)于長(zhǎng)線段則基本不會(huì)拒絕。因此當(dāng)感興趣的線段都是長(zhǎng)線段時(shí),可以略過這一步驟。
2.2.1 圓弧段檢測(cè)
經(jīng)過最小二乘直線擬合及Helmholtz原理驗(yàn)證后,得到了許多邊緣線段。接著EDCircles算法提出了一種圓弧段檢測(cè)方法,該方法通過判定,將滿足條件的邊緣線段擬合成弧段。算法提出,組成弧段需要至少3條直線段。首先,依次計(jì)算相鄰兩條線段之間的夾角和方向,當(dāng)至少有3條線段方向相同,且滿足夾角閾值條件(6°~60°)[10],則組合這些直線段為圓弧段。圓弧段檢測(cè)原理如圖2所示。
圖2 圓弧段檢測(cè)原理示意圖
上述約束可通過向量的內(nèi)外積計(jì)算,若向量集合為{v1,v2,…,vi,…,vn},其中,vi=(xi,yi),vi+1=(xi+1,yi+1);則向量vi與vi+1之間的夾角θi和向量vi的方向signi可由式(3)計(jì)算得出:
(3)
圖2中θ1、θ2、θ7均大于60°,{v3,v4,v5,v6,v7}組成一段弧,{v1,v2,v8}被排除。
2.2.2 候選圓和橢圓檢測(cè)
提取出滿足算法約束的弧段后,對(duì)弧段根據(jù)長(zhǎng)短排序。隨后從最長(zhǎng)弧段開始,按照一定的圓擬合原則將圓弧段擬合成圓,具體的擬合原則遵循如下。
① 半徑差約束。兩圓弧半徑之間的差值小于較長(zhǎng)圓弧半徑值的25%。
② 圓心距約束。兩圓弧的圓心之間的距離小于較長(zhǎng)圓弧半徑值的25%。
③ 角度約束。待擬合圓弧段的長(zhǎng)度至少達(dá)到擬合后圓周長(zhǎng)的50%。
圓弧檢測(cè)原理示意圖如圖3所示。圖3(a)滿足圓心距約束,不滿足半徑差約束;圖3(b)滿足半徑差約束,不滿足圓心距約束;圖3(c)滿足圓心距約束和半徑差約束,不滿足角度約束。因此這3種情況下均不能成功擬合。
圖3 圓弧檢測(cè)原理示意圖
完成圓的擬合后,其余弧段用來擬合橢圓。擬合橢圓的方法與圓擬合方法基本類似,不同的是在擬合橢圓時(shí),半徑差約束和圓心距約束的閾值均為 50 %。
2.2.3 使用Helmholtz準(zhǔn)則驗(yàn)證候選圓與橢圓
在上一節(jié)介紹了Helmholtz原理驗(yàn)證直線段的方法。同樣,Helmholtz原理也適用于圓和橢圓的驗(yàn)證。擴(kuò)展到橢圓驗(yàn)證中,若存在位于橢圓邊緣上的點(diǎn)P,該點(diǎn)的角度和該點(diǎn)對(duì)應(yīng)圓切線的角度差小于pπ,其中p=1/n(即pπ=π/n),認(rèn)為點(diǎn)P和橢圓是對(duì)齊的。則橢圓的NFA為
(4)
當(dāng)滿足NFA(n,k)<ε時(shí)認(rèn)為橢圓是有效的。
在實(shí)際測(cè)試環(huán)境中,針對(duì)不同的測(cè)試任務(wù)和測(cè)量目標(biāo),待測(cè)對(duì)象表面往往粘貼不止一種人工標(biāo)志,因此能夠準(zhǔn)確地識(shí)別出目標(biāo)靶標(biāo)對(duì)后需測(cè)試任務(wù)的順利完成尤為關(guān)鍵。本文通過上述步驟,得到候選圓和橢圓的圖像后,通過靶標(biāo)本身的結(jié)構(gòu)特征對(duì)所有對(duì)象進(jìn)行篩選。在對(duì)編碼標(biāo)志識(shí)別時(shí),產(chǎn)生透視形變的圖像往往識(shí)別率及解碼率較低。為了便于處理,首先,需要對(duì)所有橢圓進(jìn)行透視變換,先校正為正圓;接著對(duì)正圓進(jìn)行大津法(OTSU)二值化,根據(jù)靶標(biāo)的結(jié)構(gòu)特征(中心有個(gè)白色的圓,外部為黑色的圓),過濾候選靶標(biāo)。
透視變換是將圖片投影到一個(gè)新的視平面,也稱作投影映射。其變換公式為
(5)
(6)
通過運(yùn)算可得:
(7)
(8)
式中:u、v為原始圖像坐標(biāo);x、y為經(jīng)透視變換后的圖像坐標(biāo);變換矩陣為3×3矩陣。
透視變換后,對(duì)圖像進(jìn)行OTSU二值化,然后根據(jù)靶標(biāo)的結(jié)構(gòu)特征(中心有個(gè)白色的圓,外部為黑色的圓,中心為對(duì)角標(biāo)志)過濾候選靶標(biāo)。
經(jīng)過篩選得到目標(biāo)靶標(biāo),并對(duì)其進(jìn)行定位。根據(jù)標(biāo)志點(diǎn)的結(jié)構(gòu),首先通過求取內(nèi)部白色圓的圓心實(shí)現(xiàn)粗定位,然后以粗定位結(jié)果作為初始位置,采用Harries角點(diǎn)檢測(cè)算法實(shí)現(xiàn)亞像素級(jí)定位。該算法基本思想如下(如圖4所示):首先,設(shè)定一個(gè)固定大小的窗口,如本文選擇5×5的固定窗口;然后,在圖像上以不同方向任意滑動(dòng)窗口,比較窗口滑動(dòng)時(shí)的灰度值變化。若窗口滑動(dòng)到某一像素點(diǎn)或區(qū)域時(shí),灰度值變化明顯,則判定該像素點(diǎn)為角點(diǎn)或者區(qū)域內(nèi)存在角點(diǎn)。
圖4 角點(diǎn)檢測(cè)原理示意圖
圖像在點(diǎn)(x,y)處平移(u,v)后的自相關(guān)性用E(u,v)表示為
(9)
式中:w為窗口函數(shù);本文設(shè)置w(x,y)為高斯分布,其原點(diǎn)位于窗口中心。這樣如果窗口中心為角點(diǎn),滑動(dòng)窗口前后該點(diǎn)灰度變化非常劇烈;I(x+u,y+v)是平移后的圖像灰度;I(x,y)為(x,y)處的灰度值;泰勒展開為
I(x+u,y+u)=I(x,y)+Ixu+Iyv+O(u2,v2)
(10)
將式(10)代入式(9)可得:
E(u,v)=
(11)
其中:
(12)
矩陣M的兩個(gè)特征值,與角點(diǎn)、邊緣、平滑區(qū)域的關(guān)系如圖5所示。
圖5 M的特征值選擇
由圖5可以看出,當(dāng)兩個(gè)特征值均比較大時(shí)認(rèn)為圖像被檢測(cè)區(qū)域存在角點(diǎn);當(dāng)一個(gè)特征值大,一個(gè)特征值小時(shí),認(rèn)為其處在邊緣區(qū)域;兩個(gè)特征值均很小時(shí),認(rèn)為其處在平滑區(qū)域。
最終Harries給出度量角點(diǎn)相應(yīng)的數(shù)學(xué)模型:
R=detM-k(trM)2
(13)
式中:k為常量,取0.04~0.06。當(dāng)R大于設(shè)定的閾值時(shí),判定相應(yīng)點(diǎn)為角點(diǎn),并得到相應(yīng)整像素級(jí)角點(diǎn)坐標(biāo)。
為進(jìn)一步得到精確的角點(diǎn)坐標(biāo),進(jìn)行高斯曲面擬合,求曲面的極值點(diǎn),該點(diǎn)坐標(biāo)即為高精度的角點(diǎn)亞像素級(jí)坐標(biāo)。二維高斯曲面擬合公式為
f(x,y)=Aexp(((x-x0)+(y-y0))/(2σ2))
(14)
一維高斯方程公式為
(15)
求得曲面極值點(diǎn)坐標(biāo)(x0,y0)即為角點(diǎn)亞像素級(jí)坐標(biāo)。
編碼標(biāo)志相比于非編碼標(biāo)志最大的優(yōu)點(diǎn)就是具有獨(dú)立的身份信息,通過對(duì)編碼信息的提取,實(shí)現(xiàn)點(diǎn)位信息的一一對(duì)應(yīng),是視覺測(cè)量中重要的一環(huán)。對(duì)于本文來說,算法能否實(shí)現(xiàn)編碼信息的準(zhǔn)確解碼,直接影響后續(xù)的點(diǎn)位匹配和三維信息測(cè)量工作。
靶標(biāo)編碼信息由12個(gè)編碼元組成環(huán)形編碼信息帶,每個(gè)編碼元灰度值為白色(255)或黑色(0)。解碼時(shí),首先將正圓圖像進(jìn)行極坐標(biāo)變換,提取編碼環(huán)區(qū)域,呈現(xiàn)為一個(gè)豎條矩形圖像。其中極坐標(biāo)變換公式為
(16)
(17)
式中:(xd,yd)為變換后的圖像點(diǎn);(xs,ys)為源圖像的點(diǎn);(xc,yc)為變換中心;L為橢圓長(zhǎng)軸;S為短軸;θ為偏角。
在變換后的矩形圖中,從上往下掃描,獲得每一段的黑白像素個(gè)數(shù),由于標(biāo)志是循環(huán)編碼,當(dāng)首尾都是相同顏色時(shí),需要將首尾像素進(jìn)行合并,計(jì)算合并調(diào)整后每段矩形圖像素個(gè)數(shù),求取該段的編碼。
解碼原理示意圖如圖6所示。通過極坐標(biāo)變換得到矩形編碼信息帶,最后得到的編碼是110010000000,對(duì)此編碼求最小的十進(jìn)制數(shù)是19。
圖6 解碼原理示意圖
通過解碼算法,可獲得采集到的圖像數(shù)據(jù)中所有標(biāo)記點(diǎn)的編碼值,這樣每個(gè)標(biāo)記點(diǎn)就具有獨(dú)一無二的身份信息,可以實(shí)現(xiàn)特征點(diǎn)的匹配。
為驗(yàn)證本文算法效果,設(shè)計(jì)了模擬實(shí)驗(yàn)和實(shí)測(cè)實(shí)驗(yàn)。硬件環(huán)境為計(jì)算機(jī),處理器為Inter Core i5-8300CPU,操作系統(tǒng)為Windows10,相機(jī)焦距為8 mm,分辨率為1920像素×1080像素,軟件環(huán)境為Python3.7。
為驗(yàn)證在多標(biāo)志點(diǎn)識(shí)別時(shí),本文算法能否過濾干擾點(diǎn),對(duì)目標(biāo)靶標(biāo)準(zhǔn)確識(shí)別解碼,設(shè)計(jì)了仿真實(shí)驗(yàn)。實(shí)驗(yàn)中每幅圖片均勻分布25個(gè)本文設(shè)計(jì)的編碼標(biāo)志及其他編碼標(biāo)志,如圖7所示。對(duì)共計(jì)200幅圖片進(jìn)行識(shí)別,并統(tǒng)計(jì)本文算法的識(shí)別結(jié)果,如表1所示。
表1 多標(biāo)志點(diǎn)識(shí)別效果
圖7 識(shí)別效果圖
由表1可以看出,在對(duì)多標(biāo)志點(diǎn)識(shí)別解碼時(shí),本文算法識(shí)別率達(dá)到99.5%,正確解碼率達(dá)到99%,即便存在較多干擾靶標(biāo),該算法仍能夠過濾干擾點(diǎn),準(zhǔn)確識(shí)別解碼。其原因?yàn)椋孩?在圓弧檢測(cè)時(shí),該算法的判定原則科學(xué)有效,同時(shí)配合Helmholtz原理對(duì)擬合得到的圓進(jìn)一步驗(yàn)證,極大地降低了干擾特征產(chǎn)生的影響。② 針對(duì)靶標(biāo)特有的結(jié)構(gòu)特征(中心有個(gè)白色的圓,外部為黑色的圓,內(nèi)部為對(duì)角標(biāo)志),配合候選過濾算法,過濾候選靶標(biāo)。③ 在提取編碼信息帶的有效信息時(shí),通過極坐標(biāo)變換將正圓圖像轉(zhuǎn)換成矩形,保證了解碼的準(zhǔn)確率。
為驗(yàn)證拍攝角度及拍攝距離對(duì)本文算法識(shí)別解碼效果的影響,實(shí)驗(yàn)對(duì)部分標(biāo)志點(diǎn)按投影角度0°~80°和拍攝距離3~7 m進(jìn)行圖像采集和識(shí)別,效果如圖8所示。實(shí)驗(yàn)中勻速改變靶標(biāo)投影角度,從0°~80°往復(fù)運(yùn)動(dòng)3次,高速相機(jī)以60 f/s的拍攝速度對(duì)靶標(biāo)進(jìn)行拍攝,共獲得300幅圖像。
圖8 識(shí)別效果圖
完成圖像采集和識(shí)別后,分析圖像數(shù)據(jù)并統(tǒng)計(jì)試驗(yàn)結(jié)果,得到投影角度、拍攝距離與識(shí)別率之間的關(guān)系,如圖9所示。
圖9 投影角度、拍攝距離與識(shí)別準(zhǔn)確率之間的關(guān)系
可見在一定的拍攝距離下,投影角度對(duì)靶標(biāo)識(shí)別準(zhǔn)確率的影響較大。在投影角度小于 60°時(shí),本文算法的識(shí)別準(zhǔn)確率達(dá)到 100%;當(dāng)角度大于 60°時(shí),算法的識(shí)別準(zhǔn)確率下降,當(dāng)投影角度為 80°時(shí),靶標(biāo)識(shí)別率依然能夠達(dá)到 92%。
為驗(yàn)證本文算法在復(fù)雜環(huán)境下的檢測(cè)和解碼效果,在實(shí)驗(yàn)室中將本文設(shè)計(jì)的5個(gè)不同ID的環(huán)形編碼對(duì)角標(biāo)志與多種其他編碼標(biāo)志與非編碼標(biāo)志混合,并按照不同角度與布置。通過相機(jī)采集圖像并用算法進(jìn)行檢測(cè)解碼,實(shí)驗(yàn)效果如圖10所示。
圖10 復(fù)雜環(huán)境下算法的檢測(cè)解碼效果
由圖10可以看出,算法能夠在復(fù)雜的環(huán)境中準(zhǔn)確識(shí)別出5個(gè)環(huán)形編碼對(duì)角標(biāo)志,且能準(zhǔn)確檢測(cè)出節(jié)點(diǎn),正確解碼。
本文設(shè)計(jì)的環(huán)形編碼對(duì)角標(biāo)志和相應(yīng)的視覺測(cè)量技術(shù)已在某旋翼測(cè)量地面實(shí)驗(yàn)中應(yīng)用。實(shí)驗(yàn)基于本文所提技術(shù),實(shí)現(xiàn)旋翼槳葉上特征點(diǎn)的追蹤和定位。旋翼測(cè)量地面試驗(yàn)檢測(cè)效果圖11所示。
圖11 旋翼測(cè)量地面試驗(yàn)檢測(cè)效果
地面實(shí)驗(yàn)中圖像投影角度約為60°,靶標(biāo)距離相機(jī)約3~5 m。由圖11可以看出,在旋翼測(cè)量地面試驗(yàn)中,所有靶標(biāo)全部準(zhǔn)確識(shí)別,檢測(cè)效果良好。
為驗(yàn)證標(biāo)記點(diǎn)重復(fù)定位精度,設(shè)計(jì)實(shí)驗(yàn)對(duì)同一標(biāo)記點(diǎn)進(jìn)行多個(gè)角度多次拍攝,檢測(cè)其關(guān)鍵特征點(diǎn)的亞像素坐標(biāo)。選取2個(gè)角度,角度一為15°,角度二為45°。每個(gè)角度拍攝20幅圖像,計(jì)算并統(tǒng)計(jì)其重復(fù)精度,如圖12和圖13所示。
圖12 角度一拍攝下重復(fù)定位精度
圖13 角度二拍攝下重復(fù)定位精度
對(duì)圖12、圖13的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì),得到實(shí)驗(yàn)重復(fù)定位精度統(tǒng)計(jì)結(jié)果如表2所示。
表2 重復(fù)定位精度統(tǒng)計(jì)
由表2可以看出,X坐標(biāo)重復(fù)定位誤差優(yōu)于0.1 px,Y坐標(biāo)重復(fù)定位誤差優(yōu)于0.05 px,總體重復(fù)定位誤差優(yōu)于0.15 px,可見該技術(shù)具有較高的定位精度。
在飛行試驗(yàn)測(cè)試任務(wù)中,能否通過視覺測(cè)量的手段有效獲取被測(cè)物的信息,直接影響后續(xù)任務(wù)的進(jìn)展,因此對(duì)飛行試驗(yàn)來說,實(shí)現(xiàn)對(duì)多標(biāo)志的穩(wěn)定識(shí)別及高精度定位意義非凡。針對(duì)飛行試驗(yàn)測(cè)試任務(wù)需求,設(shè)計(jì)了一種易于識(shí)別和高精度定位的環(huán)形編碼對(duì)角標(biāo)志,提出了一種基于EDCircles的環(huán)形編碼對(duì)角標(biāo)志識(shí)別和定位算法的視覺測(cè)量技術(shù)。試驗(yàn)結(jié)果表明,該視覺測(cè)量技術(shù)識(shí)別準(zhǔn)確、魯棒性強(qiáng)、定位精度高,能夠有效解決多標(biāo)志點(diǎn)識(shí)別定位存在誤識(shí)別、定位精度低等問題,可以滿足飛行試驗(yàn)測(cè)試任務(wù)中對(duì)關(guān)鍵目標(biāo)實(shí)現(xiàn)穩(wěn)定識(shí)別跟蹤的任務(wù)需求。