基于高速相机的炸点坐标测量技术研究毕业设计论文.docx

基于高速相机的炸点坐标测量技术研究毕业设计论文.docx

《基于高速相机的炸点坐标测量技术研究毕业设计论文.docx》由会员分享，可在线阅读，更多相关《基于高速相机的炸点坐标测量技术研究毕业设计论文.docx（25页珍藏版）》请在冰豆网上搜索。

基于高速相机的炸点坐标测量技术研究毕业设计论文

编号

本科生毕业论文

基于高速相机的炸点坐标测量技术研究

Stoppingpointcoordinatemeasuringtechnologyresearchbasedonhigh-speedcamera

学生姓名

专业

光电信息工程

学号

指导教师

学院

光电工程学院

二零一三年六月

毕业设计（论文）原创承诺书

1．本人承诺：

所呈交的毕业设计（论文）《》，是认真学习理解学校的《长春理工大学本科毕业设计（论文）工作条例》后，在教师的指导下，保质保量独立地完成了任务书中规定的内容，不弄虚作假，不抄袭别人的工作内容。

2．本人在毕业设计（论文）中引用他人的观点和研究成果，均在文中加以注释或以参考文献形式列出，对本文的研究工作做出重要贡献的个人和集体均已在文中注明。

3．在毕业设计（论文）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。

4．本人完全了解学校关于保存、使用毕业设计（论文）的规定，即：

按照学校要求提交论文和相关材料的印刷本和电子版本；同意学校保留毕业设计（论文）的复印件和电子版本，允许被查阅和借阅；学校可以采用影印、缩印或其他复制手段保存毕业设计（论文），可以公布其中的全部或部分内容。

以上承诺的法律结果将完全由本人承担！

作者签名：

年月日

摘要

文中应用摄像测量技术,提出了用面阵CCD摄像测试弹丸炸点相对目标空间三维坐标的一种新方法。

阐述了面阵CCD摄像测量炸点坐标的工作原理以及交汇测量的方法确定图像位置，并对其测试精度进行了分析。

采用低通滤波的方法去除噪音，通过阈值分割方法，边缘检测定位法对炸点图像进行分割。

建立在图像物体的某些特征的基础上对炸点图像进行目标识别，用质心跟踪法和坐标转换把炸点的坐标表达出来。

该方法的有效测试视场完全能够覆盖合格引信所引爆弹丸的爆炸区域,并在很大程度上提高了测试的精度。

关键词:

面阵CCD炸点坐标交汇测量目标识别图像处理

Abstract

Aimingattherequestoftheshootingrange,applyingthetechnologyofphotogrammetry,anewmethodtomeasurethecoordinateofprojectileexplodingpositionrelativetothetargetbysquarearrayCCDisintroduced.Themeasurement

principleofthesquarearrayCCDandthestepsofdigitalimageprocessingareexpatiated.Intersectionmeasurementtodeterminetheimageposition.Anditstestaccuracyareanalyzed.Adoptthemethodoflow-passfiltertoremovenoise.Bythemethodofthresholdsegmentation,edgedetectionmethodforZhaDianimagesegmentation.BasedonsomeofthecharacteristicsofimageobjectsonthebasisofZhaDianimagetargetrecognition.WiththecentroidtrackingmethodandthecoordinatetransformationZhaDiancoordinatesareexpressed.

Andthemeasurementprecisionisanalyzed.Thesystemhastheadvantagesoflargefieldandhighprecision.

Keywords:

squarearrayCCD;coordinateofprojectileexplodingposition;Intersectionmeasurement；Targetrecognition；imageprocessing

第1章绪论

1.1课题研究的目的及意义

为了判断弹丸是否能够对目标起到摧毁作用,其测量的主要参数为弹丸炸点相对目标的空间三维坐标。

对于弹丸炸点的测试方法目前主要用普通摄像机记录弹丸炸点的爆炸过程,通过定格回放,找到最先出现弹丸炸点的一幅图像,用目标长度作为参考进行判读得到弹丸炸点相对于目标头部的两维坐标,由于普通摄像场与场之间不进行光积分的时间较长,如果弹丸爆炸的时刻在这段时间间隔里,将记录不到弹丸爆炸的最初位置,加之通常用目视判读,精度较低。

可以用高速摄像的方法减少场与场之间不进行光积分的时间。

文章论述了一种用面阵CCD摄像交汇测量的方法。

选用两台面阵CCD相机分别从不同角度同时抓拍同一弹丸的爆炸瞬间与目标的图像,通过图像处理得到两组数据,根据两台相机的位置关系计算得到弹丸炸点的空间三维坐标。

该方法具有系统结构简单、价格低、测量精度较高等优点

1.2国内外研究现状

国内对于测量炸点坐标提出了多幕光学法测量技术。

分析了多光幕交汇测量弹丸炸点位置存在的问题，研究了采用侧向相机辅助多光幕交汇测量技术。

通过相机采集到的炸点图像，建立相机、模拟目标和多光幕交汇光幕阵列空间几何计算模型。

利用弹丸的飞行轨迹和弹丸炸点图像平面坐标，研究了弹丸炸点侧向空间坐标的计算方法和多光幕交汇测量系统二维坐标修正原理，给出了弹丸炸点坐标计算函数。

利用微分法从交汇光幕夹角、光幕幕厚、测时和测距等方面分析测量误差。

还有用由面阵CCD相机和电子经纬仪组成的CCD电视经纬仪测量系统,可以实时地对各种重兵器弹丸爆炸时刻的角度坐标进行测量,而采用多套CCD电视经纬仪测量系统组成空间交汇测量网,则可以实现对多个弹丸炸点的三维直角坐标值的测量。

CCD相机将光信号转变为视频信号送入视频处理器,经过A/D转换和视频图象处理,把数字信号送与计算机,经过细分和形心计算,得到炸点中心在靶面上的坐标值,再根据经纬仪度盘的方位和高低指标值,求出炸点目标的坐标角度值。

CCD相机靶面有效象素为768（H）×582（V）,单个象元尺寸为11.5Lm×11.0Lm,CCD相机光学镜头的焦距为12mm,可知单个象元所对应的角分辨率198"×189",该精度已远远超过40"的总指标要求。

因此采用了亚象元细分技术（数学上称为插值法）,经用投影插值法8等细分,单个象元对应的角分辨率24.8"×23.6",细分后的CCD电视量化误差的均方根可达6.88"×6.45"，这样满足了系统的测角精度要求。

还有的根据双目立体视觉的基本原理，首先建立了数学测量模型，然后根据建立的模型进行了布站参数与布站方式的优化，接着简化了标定模型并推导了摄像机的标定公式，研究了两种靶标识别技术并进行了对比分析，之后利用图像处理技术对前期得到的实际视频序列进行了处理，成功提取出目标，得到目标的精确像素平面坐标。

炸点坐标测量系统主要是针对靶场轻武器炮弹炸点坐标的测试而设计的。

该系统具有自动化程度高、准确性好和试验数据实时传输等特点，解决了以往人工测量带来的误差和试验周期。

在军事领域，在发射端，可以利用高速摄像系统进行高速瞬发过程记录和弹体离轨参数的测量；在飞行过程中，利用每秒数百帧的电视跟踪实现弹道轨迹和飞行姿态等目标特性测量；在着靶端，立体视觉测量系统可以精确测量弹体落点位置和偏靶量。

以往轻武器落点坐标测试主要是采用人工单发标记，试验后逐点测量的原始方法，传统的方法不仅消耗大量的材料,而且费时、费力,不能实时得到测量结果,同时无法消除人为误差，人工标记方法存在测量精度低、准确性差和周期长等特点，特别是存在着一定的安全隐患，所有这些都不能满足以人为本、高效、精确的现代化靶场试验要求。

炸点坐标测量系统采用高速CCD摄像机和成熟的图像处理技术，能够自动测量炮弹的炸点坐标，实时进行试验数据的采集处理和无线传输。

还有的采用图像法。

利用图像传感器测量是将图像信息通过某些变换装置变换成电信号，再经过各种处理之后，应用于测量和控制的。

此外由于必须确定被测对象上各点的位置坐标以及与各位置相对应的亮度值等数据，所以还需要利用某种方法对图像进行扫描。

CCD具有自扫描、高分辨率、高灵敏度、结构紧凑及像素位置准确的特性，是应用非常广泛的一种图像传感器。

CCD作为图像敏感元件，在航天航空、卫星侦察、遥感遥测、天文测量、传真、静电复印、非接触工业测量、光学图像处理等领域都得到了广泛的应用；在动态非接触的尺寸检测、液面位置的遥测等光电测试技术中更引起人们的高度重视，特别是在摄像和信号处理等技术领域中应用非常广泛。

利用CCD等光电传感器取代传统的感光胶片，通过在两个或两个以上不同位置捕捉弹体或弹体击中地面瞬间产生的可见红外信号，然后用立体视觉的方法求解弹落点的位置坐标。

基于图像弹落点探测方法的优点主要包括系统简单、维护方便、成本较低和探测精度高。

还有为了测量炸点位置，提出了采用基于定目标为参照的双面阵相机交汇摄像法来获取高空弹丸炸点三维坐标参数。

根据试验测试要求，分析了相机交汇摄像原理与方法，建立了弹丸炸点三维坐标位置计算模型；利用交汇相机的空间几何关系、图像处理技术与模拟目标实际尺寸，研究弹丸炸点相对模拟目标的空间三维坐标算法，并分析了坐标参数修正方法；利用微分法对参数进行误差分析。

分析计算显示，坐标误差均小于４０ｍｍ；实弹试验和图像处理显示，相机交汇摄像法可以获得弹丸炸点三维坐标。

对四光幕法与摄像法的对比表明，两种方法在高低方向所测数值平均差为0.158m，左右方向数值平均差为0.114m。

这是一种基于模拟目标实际尺寸，按照相机布置的空间几何结构，基于摄像法的空中弹丸炸点位置参数测量方法。

介绍一种基于模拟目标实际尺寸，按照相机布置的空间几何结构，基于摄像法的空中弹丸炸点位置参数测量方法。

测量时通常采用静态目标进行试验测试，在距离火炮发射炮口距离为Ｌ处放置被击模拟目标模型，模型与地面的高度为Ｈ。

当火炮发射的弹丸接近被击模拟目标某一范围区域时，引信利用自身的控制起爆装置的点燃弹体内的火药而产生爆炸，利用弹体爆炸产生的破片而毁伤被击目标。

在测试系统中，所求的弹丸炸点位置是以被击目标头部中心为原点的相对空间三维坐标。

本测试原理采用双面阵交汇测试方法，图像采集与计算处理模块是测试系统捕获弹丸炸点图像与相关参数的计算处理核心，并进行同步图像采集控制等，最后，利用远程计算机进行相关数据的采集与参数计算并显示测量的参数。

1.3本课题主要的研究内容

一种用面阵CCD摄像交汇测量的方法。

选用两台面阵CCD相机分别从不同角度同时抓拍同一弹丸的爆炸瞬间与目标的图像,通过图像处理得到两组数据,根据两台相机的位置关系交汇测量计算得到弹丸炸点的空间三维坐标。

然后将当炸点图像输入到计算机里面，先将RGB图转换为灰度图，再采用低通滤波的方法去除噪音。

随后通过阈值分割方法，边缘检测定位法对炸点图像进行分割。

通过建立在图像物体的某些特征的基础上对炸点图像进行目标识别。

用质心跟踪法和坐标转换把炸点的坐标表达出来。

第2章面阵CCD

随着计算机技术的飞速发展以及对炸点图像处理理论的深入研究，采用CCD图像传感器对炸点目标进行监测成为测量领域的一种新的趋势，但是处理过程往往是通过大量的数值计算来实现的，本课题根据面阵CCD图像传感器测量的理论，拟对炸点目标的坐标进行测量。

CCD应用技术是一项具有广泛应用前景的新技术。

三十多年来，CCD技术取得的惊人进展足以说明这一点。

目前CCD已经在三大领域得到广泛应用：

摄像，信号处理和存储。

它之所以能在图像测量领域中得到广泛的应用，是因为它具有灵敏度高、体积小、动态范围大、转换效率高、功率低、寿命长、性能稳定等优点。

CCD用于测量的研究于上世纪九十年代末进入火热期，国内外科研工作者在这个领域进行了广泛、深入的研究并获得了丰硕的成果。

CCD测量具有无接触、准确度高、便于计算机处理，易于和自动控制设备连接等优势，因此CCD用于测量的研究一直延续到现在。

CCD测量技术在其他方面也得到了很好的应用和创新，清华大学研制出一种基于CCD传感器的人体运动图像的检测方法，它采用图像动态采集及标志点自动识别跟踪技术，实现了运动图像的采集与分析，并用该方法构建了二维和三维人体运动图像检测分析系统，将其运用与人体步态和人手运动分析。

目前，国内利用CCD进行工业实时在线检测的系统不多，大多采用线阵CCD而且精度不高，与国外的CCD测量技术相比还有一定的差距。

2.1面阵CCD照相交汇测量系统布置

面阵CCD照像交汇测量弹丸炸点空间三维坐标的系统布置如图2-1所示。

图中两面阵CCD相机对称架设在弹道线的两侧。

图2-1面阵CCD交汇测量系统布置图2-2面阵CCD交汇测量测试原理

两相机光轴分别与弹道线垂直并交汇于目标头部（坐标原点）。

2.2面阵CCD摄像交汇测量弹丸炸点的原理

相机1与相机2所拍摄同一弹丸爆炸瞬间与目标的图像分别经过图像处理,可分别求得两幅图像中炸点相对目标头部的两维坐标为（y1,z1）和（y2,z2）,由图2-2可分别求得直线的方程表达式如下:

（2-1）

联系上式，求解：

（2-2）

相机1与相机2光轴正交时误差最小,即α=45度,H=L,则上式变为

（2-3）

考虑到误差平均原则，取

（2-4）

对式取微分得

（2-5）

（2-6）

结合式可以看出测量误差与目标尺寸误差dl、距离误差dH相关,与两相机像素的判读误差dDy、dDz、dMy、dMz、dnm相关。

2.3面阵CCD相机的选用与设置

本系统选用的面阵ＣＣＤ　ＫＡＩ－０３４０ＤＭ高速相机。

使用常规ＣＣＤ设计了高速相机系统。

采用高度集成视频处理芯片来产生各高速时序信号；通过提高驱动芯片与线路板的热传导效率增加有效散热面积从而降低芯片的温升；建立了高速运放电路的自激振荡模型，并采用有效方法克服了自激振荡；采用串并转换的方法降低了数据整合的难度，通过压缩图像数据的消隐期对输出数据进行异步降频并使用ＣａｍｅｒａＬｉｎｋ接口来传输数据。

实验结果表明，该相机系统工作时驱动器温升仅５．２℃，信噪比＞４０ｄＢ，动态范围不低于６０ｄＢ，可在４种分辨率下工作，当分辨率为６４０×４８０时，可在时间延迟积分（ＴＤＩ）方式下工作。

当相机的分辨率为２２８×１６４，帧频为１　０００ｆｒａｍｅ／ｓ，基本满足高速摄像的应用要求。

图2-3某次试验获取的弹丸炸点图像

图2-4图像处理结果图

2.4本章小结

研究了双目相机交汇测量弹丸炸点的三维坐标计算方法。

通过两个相机交汇于被击目标头部中心，推算了弹丸作用于定目标的正视方向的两维坐标，以及利用所获得的两维坐标结合侧视方向的图像处理结果，推导计算出了弹丸炸点相对被击目标头部中心的实际三维坐标。

本方法解决了常规弹丸炸点三维坐标测量问题，可为各类近炸引信的研制提供故障诊断、改进等重要依据。

第3章炸点的图像处理

先将RGB图转换为灰度图，再采用低通滤波的方法去除噪音。

随后通过阈值分割方法，边缘检测定位法对炸点图像进行分割。

通过建立在图像物体的某些特征的基础上对炸点图像进行目标识别。

用质心跟踪法和坐标转换把炸点的坐标表达出来。

图像输入→图像预处理（低通滤波）→图像分割→特征提取→图像分类→图像识别（结果，类别）。

3.1炸点的图像预处理

当炸点图像输入到计算机的时候，由于输入转换器件（如光敏器件、A/D转换器等性质的差别）及周围环境的影响等，使图像上含有各种各样的噪声，反映在图像上是使原本均匀和连续变化的灰度突然变大或减小，形成一些虚假的边缘和轮廓，这对于边缘的分割尤其是高精度边缘提取是十分不利的。

所以为了稳定地进行特征提取等处理，必须消除噪声，校正失真。

图像预处理的具体内容要针对具体系统的要求而定，归纳起来大致有以下诸方面：

去噪处理：

可能采用的方法如邻域平均法、低通滤波、中值滤波、匹配滤波、卡尔曼滤波等；

图像校正：

有图像的几何校正、图像信号量化的归一化等；

数据压缩：

有分层搜索、灰度压缩、图像投影、幅度排序等，领域平均及滤波也是数据压缩的有效手段；

图像增强及补偿：

有图像整体增强、高频补偿、直方图均衡化、对数变换、去图像信号均值处理等。

根据本系统目标图像的特点，只选择其中之一的去噪处理来对目标图像进行预处理。

目前常用的图像去噪的方法有：

中值滤波器、均值滤波器等。

本课题来寻找一种最能减少了时间开销，提高了系统的实时性的快速算法。

在进行炸点图像分析之前,要去掉这样的噪声和畸变,把图像具有的信息变得容易观看,或把图像变换成某种标准的形式,使特征提取和识别易于进行,包括灰度变换和增强、噪声的去除、几何畸变的校正等等。

拍摄得到的图像传输到计算机进行处理。

测试过程中相机1所拍摄弹丸炸点，处理步骤如下:

将RGB图转换为灰度图。

在灰度连续变化的图像中,如果出现了与相邻像素的灰度相差很大的点,比如说一片暗区中突然出现了一个亮点,人眼能很容易觉察到，这种情况被认为是一种噪声。

灰度突变在频域中代表了一种高频分量,低通滤波器的作用就是滤掉高频分量,从而达到减少图像噪声的目的。

滤波。

由于镜头前置滤光片不均匀等因素而使得所拍摄图像含有较多的颗粒噪音,采用滤波的方法可以滤除图像中的高频部分从而去除噪音,然而有用的目标边缘也是图像中的高频分量,因此需要寻求一种平滑方法既能消除掉这些颗粒噪音而又不使有用的目标边缘轮廓和线条模糊。

文章采用3阶布特沃斯（Butterworth）低通滤波器。

（3-1）

其中:

G（u,v）为滤波后图像的傅立叶变换;H（u,v）为传递函数;F（u,v）为原图像的傅立叶变换。

3阶布特沃斯（Butterworth）低通滤波器的传递函数为:

（3-2）

式中D0为截止频率

（3-3）

得到G（u,v）后,经过反傅立叶变换即得到所希望的平滑图像

3.2炸点图像的分割

对于炸点图像，往往仅对各幅图像中的某些部分感兴趣。

这些部分常称为目标或前景，它们一般对应图像中特定的具有独特性质的区域。

为了辨别和分析目标，需要将这些区域分离提取出来，在此基础上才有可能对目标进一步利用。

用图像分割将炸点图像分成各具特性的区域并提取出感兴趣的目标。

在进行图像分割时，首先要根据目标和背景的先验知识来对炸点图像中的目标、背景进行标记、定位，然后将等待识别的目标从背景中分离出来。

图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今己提出上千种分割算法。

因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。

另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。

因此对于若干具有不同特性的图像，无法用同一种图像分割算法对其进行分割处理。

这也可以从一个方面说明，为什么能研究出上千种方式各异的图像分割算法，而且每年都以上百种的速度在递增。

尽管存在着数量庞大的各种方式各异的图像分割算法，但均可以将其分割处理的特点归结为以下几条：

分割产生的所有区域之和包括了原始图像中原有的所有像素，即分割把原始图像的每个像素都分到某个区域；

分割后的结果互不重叠，即原有像素不能同时分割到两个区域；

分割后的各个区域有其独有的特性即同区域的像素具有某种共性；

分割后的不同区域具有不同的特性分割后同一区域内任两像素在该区域内相互连通，即分割后的区域是一个连通组元。

分割后的不同区域具有不同的特性分割后同一区域内任两像素在该区域内相互连通，即分割后的区域是一个连通组元我们将其分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法4类。

本系统中，利用区域的方法进行图像分割。

使用阈值就是一种区域分割技术，它对物体与背景有较强对比的景物的分割特别有用。

它计算简单，而且总能用封闭而且连通边界定义不交叠的区域。

文章采用微分尖锐化处理对图像进行尖锐化处理。

运用罗伯特梯度法。

这是一种交叉差分法,其绝对值近似计算式如下:

（3-4）

3.3阈值分割方法

阈值分割方法现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。

这两类像素一般分属图像的两类区域，从而达到分割的目的。

从该方法中可以看出，确定一个最优阈值是分割的关键。

现有的大部分算法都是集中在阈值确定的研究上。

最简单的利用取阈值方法来分割灰度图像的步骤如下。

首先对一副灰度取值在min和max之间的图像确定一个灰度阈值T（min＜T＜max），然后将图像中每个像素的灰度值与阈值T相比较，并将对应的像素根据比较结果划为两类:

像素的灰度值大于阈值的为1类，像素的灰度值小于阈值的为另一类（灰度值等于阈值的像素可归入这两类之一）。

这两类像素一般对应图像中的两类区域，可用公式表示。

（3-5）

其中h（x,y）为原图像，f（x,y）为经过二值化处理后得到的二值图像。

图3-1原图

假如阈值选为125

图3-2原图阈值分割后得到的图像

确定阈值是分割的关键。

全面总结了近50多种阈值选取方法，它们分别应用于直方图、类间方差、一维最大熵、模糊、共生矩阵等阈值分割方法。

阈值方法的缺陷在于它仅仅考虑了图像的灰度信息，而忽略了图像中的空间信息，对于图像中小存在明显的灰度差异或各物体的灰度值范围有较大重叠的图像分割问题难以得到准确的结果。

所以选择好阈值是进行目标定位的关键。

另外，只有当目标与背景确实存在灰度差异时，阈值化技术才有可行性。

3.4边缘检测定位法

图像边缘用于图像定位。

图像边缘保留了原始图像中相当重要的部分信息，而又使得总的数据量减小了很多，这正符合特征提取的要求。

用于图像识别的边缘提取往往需要输出的边缘是二值图像，即只有黑白两个灰度的图像，其中一个灰度代表边缘，另一个代表背景。

此外，还需要把边缘细化成只有一个象素的宽度。

总的说来边缘提取的步骤包括去噪声、微分运算、二值化处理、细化四个步骤，但通常都把微分运算直接称为边缘检测。

目标的识别定位可以建立在边缘检测的基础上。

目标图像的边缘被检测出来可以比较方便地进行目标的识别和定位。

目前的边缘检测的方法很多，一类为传统的边缘检测方法，主要是利用一些简单的边缘检测算子，如Sobel算子、Robert算子、Laplacian算子、Log算子等。

这些都是模板运算，首先需要定义一个模板，模板的大小以3×3的较常见，也有2×2，5×5或更大尺寸的。

运算时，把模板中心对应到图像的每一个象素位置，然后按照模板对应的公式对中心象素和它周围的象素进行数学运算，算出的结果作为输出图像对应象素点的值。

用阀值法进行二值化,通过合理的选择门限T即可有效地强调图像的边缘。

这样提取得到的目标边缘往往占有几个象素的宽度,还不能满足要求,需要对此边缘轮廓进行中心线提取以保证所得目标边缘宽度为一个象素。

图3-3边缘检测后的图

图3-4边缘检测后的图

3.5炸点的目标识别

图像预处理和图像分割只是把图像分成有意义的区域和部分。

为了进一步对图像作分析和识别，就必须通过对图像中的炸点作定性或定