基于立体视觉的目标姿态测量技术

基于动态场景分析的计算机视觉系统尤其是对运动目标的运动参数测量已成为计算机视觉研究的热点;建立了基于双目立体视觉的目标姿态测量系统,使用两个摄像机在不同视角对同一目标进行拍摄,采用DLT方法对摄像机标定;对拍摄到的图像进行去噪、滤波,通过立体图像匹配得到特征点在两幅图像中的同名点,姿态参数求解结合DLT算法和立体图像匹配算法,实现了对目标姿态参数的测量,得到了目标的三维姿态信息;实验结果表明,该测量系统结构简单,计算量小,具有较高的测量精度.     

非接触目标相对姿态测量方法研究

针对空间中非接触目标相对位置、姿态角测量问题,采用双目摄像机、电控角位移台和电控旋转台建立物体相对姿态测量系统。提出了一种利用双目视觉结合物体刚体运动学原理,利用Harris算子提取物体特征角点进行相对姿态角解算。将卫星模型作为实验对象,运动过程中进行了非接触目标相对姿态测量方法的验证试验,实验结果表明姿态角测量误差小于±0.56°,证明了算法的有效性。     

基于TOF相机的非合作矩形目标三维位姿测量方法

针对目前空间非合作矩形目标位姿测量过程中提取像素级特征点误差大、距离测量值不稳定等导致的测量精度不高的问题,提出一种基于TOF（Time-of-Flight）相机的非合作矩形目标三维位姿测量方法。首先对灰度图像进行修正的FAST特征点提取,然后分别计算提取出的特征点在相机坐标系和目标坐标系下的三维坐标,最后检测矩形目标亚像素级角点并融合30帧距离信息后再计算姿态角。实验结果表明,对于1m距离范围内边长为50mm的非合作矩形目标,Z轴、X轴、Y轴方向位置测量的绝对误差平均值分别为2.65mm、1.28mm、0.60mm。姿态角γ测量的绝对误差平均值降为0.52°。相对于传统的基于点云配准的位姿测量方法,姿态角测量的绝对误差降低了48.0%,显著地提高了非合作目标三维位姿测量的精度和稳定性,具有广泛的应用前景。     

空间轴对称目标三维姿态测量方法的研究

提出一种双目视觉测量空间轴对称目标姿态的新方法,应用线性方法获取轴对称目标在像面的轴线,通过两像面轴线与各自光心所成的平面相交,得到被测目标的轴线的方向矢量,进行三维姿态测量,避免了传统姿态测量中左右像面目标特征点的特征匹配或灰度匹配。模拟实验结果表明:该方法姿态角测量误差小于0.5°;且计算速度快,结果稳定,能够满足实时处理的要求。     

基于平面区域跟踪的目标位姿参数自动测量

提出一种从序列图像中自动跟踪测量目标位置和姿态参数的方法。利用单应性原理和上一帧图像中目标位姿参数的测量结果,将目标上的典型平面区域重建为同时含有几何信息和亮度信息的平面区域模板;然后根据投影方程,将该模板在一定的位置姿态参数下进行投影仿真成像,当模板的仿真成像结果与当前帧图像中的该平面区域达到最佳匹配时,认为此时仿真成像的位置姿态参数即为当前帧图像的测量结果。通过对该匹配问题进行最优化建模和求解,实现了序列图像中目标位姿参数的自动测量。实验结果表明,本文方法能够在序列图像中对含有典型平面区域的目标实现较高精度的自动跟踪测量。     

飞行目标落地姿态视觉测量方法研究

飞行目标落地姿态是评定飞行目标系统性能的重要技术指标.为了测量飞行目标落地姿态,采用放置在落弹点区域附近的凝视等待式双目视觉摄像机,高速摄影交汇测量飞行目标的落地姿态.根据目标在摄像机像面成像特点,将目标进行分类,并采用了不同的姿态测量方案.模拟实验与理论分析表明:该姿态测量方法正确、可靠,大目标和过渡目标姿态角测量误差小于1°,为飞行目标的姿态测量提供了一条新的便捷可靠的途径.     

单站光测图像确定空间目标三维姿态方法综述

光学设备作为重要的测量手段,其图像记录了空间目标的轨迹及姿态信息。三维姿态是反映空间目标运动状态的重要参数,对目标的优化设计、故障分析有重要意义。回顾了摄影测量学和计算机视觉中的单站光测图像三维姿态的各种求解方法,并对各种方法进行了分析、比较。     

基于立体视觉的非合作目标位姿测量

非合作航天器间相对位姿(位置和姿态)测量,是实现非合作目标的交会与捕获等在轨服务的前提。本文研究一种基于立体视觉的位姿测量方法,包括图像采集、图像滤波、边缘检测、特征提取、目标识别、3D重建、相对位姿计算等步骤,并分别进行计算机仿真和在自制物理平台上的验证实验。仿真实验结果验证了该方法的准确性和有效性。     

基于图像处理的不规则形体表面积测量方法

为解决不规则形状物体的表面积测量问题,提出了一种基于图像处理的测量方法。对采集到的灰度图像,利用图像分割技术,将目标区域从背景中分割出来,得到目标区域图像;利用边界跟踪得到目标区域的边界点以及各边界点的跟踪方向信息,根据其跟踪方向信息判断各边界点的状态,将边界点的一半以及所有的边界内点累加求和,得到目标区域的面积。经仿真实验证明,该方法可以实现对不规则形体表面积的有效测量。     

基于高温辐射体颜色信息的目标图像识别方法

鉴于准确识别待测目标是利用CCD图像传感器进行高温测量的关键,为此在对高温辐射体彩色图像的噪声特点进行分析的基础上,提出了一种基于高温辐射体颜色信息的目标图像识别方法。该方法首先通过对红、绿基色图像分别进行分割来减小甚至消除高温辐射体图像的各种噪声;然后综合红、绿基色图像的分割结果实现高温辐射体的准确识别,并运用数学形态学方法对分割结果进行后处理,以消除游离点和孔洞,使图像边缘平滑。实验结果表明,该方法可以有效地实现高温辐射体的正确识别,具有较强的实用性。     

基于混合高斯模型和模板匹配的目标测速

针对目前视觉测速方法存在检测精度低、鲁棒性差的问题,研究了一种结合模板匹配和混合高斯模型的测速方法。首先,利用混合高斯模型进行背景建模,提取出仅包含目标轮廓信息的前景区域图像。其次,使用参数优化的模板匹配法获取目标的高精度像素位移。最后,使用改进的二维测量模型法精确获取目标对应的像素尺寸。利用目标物理尺寸与图像中目标像素尺寸的比例关系来计算实际速度。实验结果显示,该方法对不同形状目标在不同速度下的测速结果的相对误差均在5%以内,准确度较高。     

靶场光测图像小目标中轴线提取方法

为高精度地提取靶场光测图像弹体小目标的中轴线,提出一种最优区域拟合的小目标中轴线提取方法。分析小目标成像的具体特点,通过迭代过程确定目标的最优描述区域,并由此解算小目标的中轴线方程。实验结果表明,该方法能够较好地适应靶场弹体小目标图像姿态判读需求,具有鲁棒性强、精度高等特点。     

远程高速弹丸目标运动及红外辐射特性研究与应用

针对光学测量装备在远程高速弹丸目标跟踪测量过程中存在的跟踪测量难题,对弹丸目标的运动特性、红外辐射特性进行了研究分析,采用计算机仿真飞行弹道曲线、飞行表面温度随时间的变化曲线,得到给定条件下目标辐射度随时间的变化曲线,获得了满足试验测量需求的弹丸目标特性;通过仿真测量和半实物仿真测量等方式将研究成果应用于试验工程,在弹丸测量方案制定、装备跟踪性能评估等方面发挥重要作用,提高了试验成功率;研究成果可推广应用于其他类型目标的测试测量试验,具有较好的实用价值.     

基于改进Kalman滤波的可见光极小目标TBD跟踪方法

针对无人机可见光图像极小目标跟踪问题,本文提出一种基于改进卡尔曼滤波的 (Tracking before detection,TBD)跟踪方法。首先利用检测算法定位目标位置作为卡尔曼滤波的测量值,检测过程中的匹配相似度参数作为卡尔曼滤波测量噪声协方差矩阵的参照依据,其次利用卡尔曼滤波建立跟踪框架预测下一帧的目标位置,最后检测模块以预测位置为 参考位置进行局部搜索,完成整个检测跟踪过程。为了提高跟踪效率,本文根据检测和预测位置积累误差判决检测模式,误差超过门限值则采取全局检测模式消除积累误差,否 则使用局部检测模式,降低TBD跟踪算法的运算复杂度。仿真实验证明,本文方法可以有效检测跟踪极小目标,提高跟踪的实时处理能力。     

利用运动线索的单目深度测量

目的 传统的单目视觉深度测量方法具有设备简单、价格低廉、运算速度快等优点,但需要对相机进行复杂标定,并且只在特定的场景条件下适用。为此,提出基于运动视差线索的物体深度测量方法,从图像中提取特征点,利用特征点与图像深度的关系得到测量结果。方法 对两幅图像进行分割,获取被测量物体所在区域;然后采用本文提出的改进的尺度不变特征变换SIFT（scale-invariant feature transtorm）算法对两幅图像进行匹配,结合图像匹配和图像分割的结果获取被测量物体的匹配结果;用Graham扫描法求得匹配后特征点的凸包,获取凸包上最长线段的长度;最后利用相机成像的基本原理和三角几何知识求出图像深度。结果 实验结果表明,本文方法在测量精度和实时性两方面都有所提升。当图像中的物体不被遮挡时,实际距离与测量距离之间的误差为2.60%,测量距离的时间消耗为1.577 s;当图像中的物体存在部分遮挡时,该方法也获得了较好的测量结果,实际距离与测量距离之间的误差为3.19%,测量距离所需时间为1.689 s。结论 利用两幅图像上的特征点来估计图像深度,对图像中物体存在部分遮挡情况具有良好的鲁棒性,同时避免了复杂的摄像机标定过程,具有实际应用价值。     

基于视频图像的飞行姿态检测方法研究

利用流场实验平台对仿生实验的风洞环境进行模拟,以航模飞机为检测对象,给出了一种基于双摄像机的视频图像飞行姿态检测方法。利用颜色特征分别提取两路视频图像中的飞行航模目标,采用提取直线的方法获得航模目标中的直线参数,通过直线参数的变化分别解算飞行的横滚角和俯仰角姿态。与AHRS航姿参考系统MIN—IVA900的数据进行对比表明：该方法检测结果的最大偏差小于1°,取得了飞行姿态检测结果的一致性。     

基于多视角航拍配准的运动小目标检测与跟踪

针对存在3D场景遮挡的航拍视频运动小目标跟踪问题,提出一种基于多视角航拍配准的运动小目标检测和跟踪算法。该算法首先对图像序列间隔采样,利用Harris检测器提取全局特征点,通过Delaunay三角网对待配准图像实现初始匹配,然后利用整合变换模型计算差分图像,并利用累积能量检测出目标,最后通过卡尔曼运动滤波消除运动目标跟踪的抖动。实验结果表明,该算法对城市和郊区场景的航拍视频可以检测出最小30个像素的缓慢运动目标。     

仅有角测量的被动式机动目标跟踪

以往的被动式跟踪研究往往假定目标作匀速直线运动, 采用目标与跟踪站的相对距离和速度为状态变量, 因而相应的跟踪滤波器不能跟踪机动目标. 研究了仅有角测量的机动目标跟踪问题, 采用目标的位置、速度及加速度作为状态变量, 并对测量方程进行适当变换, 推导出一种伪线性机动目标自适应跟踪算法, 可用于单站或多站被动式机动目标跟踪. 大量的仿真研究表明了本算法的有效性, 其中多站跟踪比单站跟踪具有更高的精度、算法稳定性和快速收敛性.     

多尺度分形维的星载舰船显著性检测

目的 星上的舰船检测需要在资源和时间受限条件下实现快速检测,并且对目标的种类和尺寸缺少先验信息的指导,更多时候还需要实现一景图像中不同尺寸舰船的检测,因此,星上舰船检测要求检测方法具有一定的自适应性,从而实现星上多变的检测场景。方法 针对这一问题,提出了一种多尺度分形维的检测方法,可以实现一景遥感图像中不同尺寸舰船目标的检测。首先,针对差分盒算法受盒子尺寸约束的限制使分形维数的计算精度受到影响的问题提出了一种改进算法,改进算法增加了拟合直线的点对数目并引入了拟合误差剔除误差点对,提高了分形维特征计算的精确度。结果 在提高了分形维计算精度的基础上,新算法利用自然物体在不同尺度上具有的自相似性,通过多尺度分形维的计算并借鉴视觉显著性中c-s算子来排除背景对目标的干扰,突出舰船目标。实验结果表明,新算法能够有效检测出一景图像中不同尺寸的舰船,优于双参数CFAR算法的检测结果。结论 本文提出的多尺度分形维的检测算法可以实现对一景图像中不同尺寸舰船目标的检测,在保证一定检测率的同时有效降低了目标检测的虚警率。     

改进CenterNet的无人机小目标捕获检测方法

小目标因浅层特征语义不足而深层特征信息缺失导致极难检测,而无人机视角场景复杂,检测难度进一步增大。普遍提升小目标检测精度的方法是进行不同层级的特征融合,但这会导致特征高冗余问题,并非所有特征层都值得被激活传递到后方的数据预测中去。针对上述问题对CenterNet进行改造,首次将其与自适应特征激活相结合,提出自适应基础模块（MSA）,抑制冗余特征的表达;在主干输出处引入升维全局上下文注意力模块（GC-Block）,强化关键点语义信息;用深度可分离卷积与Mish激活搭建高质量解码块（DW）,在不增加模型复杂度的情况下提升解码精度。在公开的无人机捕获小目标数据集上进行对比实验,改进算法的AP较原始算法提升了2.2个百分点,召回率提升了2.4个百分点,验证了改进算法对小目标检测任务的有效性。