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。

1 編碼標(biāo)志點(diǎn)的設(shè)計(jì)

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。

2 編碼標(biāo)志的定位與識(shí)別

2.1 圖像預(yù)處理

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 環(huán)形編碼對(duì)角標(biāo)志檢測(cè)識(shí)別

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。

2.3 過濾干擾對(duì)象

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)。

2.4 特征點(diǎn)定位

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)。

2.5 解碼識(shí)別

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。

3 實(shí)驗(yàn)驗(yàn)證

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。

3.1 仿真實(shí)驗(yàn)

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。

3.2 實(shí)測(cè)實(shí)驗(yàn)

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。

4 結(jié)束語

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。