CN102494663A - 摆动喷管的摆动角度的测量系统及摆动角度的测量方法 - Google Patents

Abstract

摆动喷管的摆动角度的测量系统及摆动角度的测量方法，涉及一种角度测量技术，具体设计到一种摆动喷管的摆动角度的测量技术。它实现了对装配完成的喷管的摆动角度的测量。测量系统中的图像采集装置用于连续采集待测尾喷管的图像信息，并将采集到的图像信息发送给图像处理计算机，图像处理计算机用于将接收到的图像信息进行处理，并根据连续采集的图像信息获得待测尾喷管的摆角信息。测量方法中，首先执行对测量系统进行标定的步骤，然后开始测量尾喷管的摆动角度的步骤，该步骤为下述两个步骤循环执行：一、采集尾喷管的图像的步骤；二、根据采集的图像计算获得此刻待测尾喷管的摆动角度的步骤。本发明适用于对装配完成的喷管的摆动角度的测量。

Description

摆动喷管的摆动角度的测量系统及摆动角度的测量方法

技术领域

本发明涉及一种角度测量技术，具体设计到一种摆动喷管的摆动角度的测量技术。

背景技术

现有技术中，在未装配状态下的喷管转角测量中，可以通过在喷管上安置位移传感器或者加速度传感器等方式实现测量，此时需要较大尺寸的工装设备辅助。但当喷管处于装配完整状态时，受空间限制，喷管显然无法使用工装设备，从而无法使用接触式传感器。

发明内容

为了实现对装配完成的喷管的摆动角度的测量，本发明设计了一种摆动喷管的摆动角度的测量系统及摆动角度的测量方法。

本发明所述的摆动喷管的摆动角度的测量系统包括图像采集装置和图像处理计算机，所述图像采集装置用于连续采集待测尾喷管的图像信息，并将采集到的图像信息发送给图像处理计算机，所述图像处理计算机用于将接收到的图像信息进行处理，并根据连续采集的图像信息获得待测尾喷管的摆角信息。

所述图像采集设备可以采用CCD高速相机实现。

所述图像处理计算机中嵌入有图像处理模块，该图像处理模块用于将接收到的图像信息进行处理，并根据连续采集的图像信息获得待测尾喷管的摆角信息；

所述图像处理模块包括图像获取单元、图像处理单元、人机界面单元模块和接口传输单元，其中：

图像获取单元，用于通过接口传输单元读取图像采集装置发送的连续的图像信息，还用于将读取的连续的图像信息依次发送给图像处理单元；

图像处理单元，用于对接收到的多幅图像信息进行处理，进而获得待测尾喷管的运动角度，还用于将获得的运动角度信息发送给人机界面单元；

人机界面单元，用于实现操作者与硬件系统的命令及信息交互，还用于显示输出接收到的运动角度信息；

接口传输单元，用于实现图像处理计算机与外部硬件系统之间的数据传输。

本发明所述的摆动角度的测量方法包括如下步骤：

首先执行对测量系统进行标定的步骤，然后开始测量尾喷管的摆动角度的步骤，该步骤为下述两个步骤循环执行：

采集尾喷管的图像的步骤；

根据采集的图像计算获得此刻待测尾喷管的摆动角度的步骤。

在上述执行对测量系统进行标定的步骤之前，将图像采集装置通过卡具与装有待测尾喷管的设备固定连接在一起。

所述对测量系统进行标定的步骤进一步包括：

基准圆的绘制步骤：使图像采集装置采集图像，并在该幅图像的中心位置画出一个圆心标记；以上述圆心标记为圆心绘制一个圆作为基准圆，并保证所述待测尾喷管的全部图像均位于该基准圆内；以此基准圆所在平面为图像采集装置的镜头所在平面，然后执行尾喷管图像采集的步骤；

尾喷管图像采集的步骤：图像采集装置采集待测尾喷管的图像，然后执行拟合圆的绘制步骤；

拟合圆的绘制步骤：摄取该幅图像中的待测尾喷管的图像信息，采用圆拟合算法拟合出所述图像信息中待测尾喷管的圆轮廓、以及该圆轮廓的圆心和半径，并根据计算结果在该图像中绘制出拟合圆，定义该拟合圆所属的平面为待测尾喷管所在平面，然后执行判断步骤；

判断步骤：判断所述图像中的原轮廓和基准圆的圆心是否重合、半径是否相等，当两个条件都满足时，标定完成；如果有任意一个条件不满足，则调整图像采集装置的镜头的摄像角度，返回执行尾喷管图像采集的步骤，直到两个条件都满足为止。

所述根据采集的图像计算获得此刻待测尾喷管的摆动角度的步骤的包括下述步骤：

尾喷管识别的步骤、尾喷管定位的步骤和摆动角度计算的步骤，其中：

尾喷管识别的步骤为：通过边缘检测，识别待测尾喷管是否出现在图像中；

尾喷管定位的步骤为：通过模版匹配的方法获得待测尾喷管的初步位置；然后通过最小二乘法对获得的初步位置进行修改，实现精确定位，获得尾喷管的最终位置；

摆动角度计算的步骤为：根据尾喷管的最终位置计算获得此时尾喷管的摆动角度。

本发明所述的摆动喷管的摆动角度测量系统的能够测量喷管的摆动角度的方向范围达到了单轴±5.5°；角度测量结果以Y、Z单轴对应角度显示，测量精度不低于±0.3°；采样速率不小于50Hz；能够实现对采集的数据进行初步实时处理，并实时显示运动方向及角度数值、同时描绘出运动轨迹。

本发明所述的摆动喷管的摆动角度测量系统能够综合测试摆动喷管的摆动角度，进而给喷管控制系统提供精确的测量信息，使得摆动喷管的动作能够与指令保持一致，达到规定要求。

附图说明

图1是待测量的喷管截面示意图，图2是本发明所述的PC-Based视觉系统的原理框图，图3是具体实施方式五中所述的被搜索图S的示意图，图4是模板示意图。

具体实施方式

具体实施方式一：本实施方式所述的摆动喷管的摆动角度的测量系统包括图像采集装置和图像处理计算机，所述图像采集装置用于连续采集待测尾喷管的图像信息，并将采集到的图像信息发送给图像处理计算机，所述图像处理计算机用于将接收到的图像信息进行处理，并根据连续采集的图像信息获得待测尾喷管的摆角信息。

所述图像采集装置一般采用三角架固定，可使图像采集装置的的镜头方向在三维空间内以任意自由度向任意方向调整。

本实施方式中的图像采集装置的图像分辨率不低于1024×1024、图像采集速率不低于50fps。

本实施方式中，图像采集设备采用CCD高速相机实现，例如，可以采用型号为Adimec公司Opal 1000系列相机，该相机具有GigE Vision接口，可直接通过千兆以太网口直接连接到计算机。

在测量过程中，将图像采集装置通过卡具与装有待测尾喷管的设备固定连接在一起，进而保证在测量过程中，待测尾喷管与图像采集装置之间的相对位置稳定，便于图像采集装置的标定，提高测量精度。

本实施方式所述的摆动喷管的摆动角度的测量系统可以采用基于PC-Based视觉系统实现，该系统的原理框图参见图2所示，该系统中，采用摄像机对尾喷管进行图像采集，采集的图像数据经采集卡传输至图像处理计算机，并存储至存储器，由图像处理计算机上运行的图像处理模块实时完成图像的处理及角度的测算，或者在所有图像采集完成后对图像数据进行处理及角度的测算。由于PC-Based视觉系统可以在图像采集之后对数据进行处理，从而可以计算复杂度高但精度也较高的图像处理算法，从而提高测量精度，且由于采用存储器对图像数据进行了存储，方便历史测试信息的查询。

上述PC-Based视觉系统中，可以采用大容量内存实现图像数据的存储。

在该方案中，图像数据通过安装于图像处理计算机中的图像采集卡直接存储至图像处理计算机中，或者通过GigE接口和1000M网卡直接存储至图像处理计算机的内存中，在内存中进行图像处理后，可以转储至图像处理计算机的硬盘中。

上述系统中，图像处理计算机的其CPU性能不低于酷睿II 2.4GHz；内存不低于1G；硬盘不低于500G；并且配有10M/100M/1000M自适应标准网卡，可选择工控机实现。

上述系统中，图像处理计算中的图象处理模块是实现对图像采集装置获取的图像信息进行处理及角度的测算，该图像处理模块包括图像获取单元、图像处理单元、人机界面单元模块和接口传输单元；

图像获取单元，用于通过接口传输单元读取图像采集装置发送的连续的图像信息，还用于将读取的连续的图像信息依次发送给图像处理单元；

图像处理单元，用于对接收到的多幅图像信息进行处理，进而获得待测尾喷管的运动角度，还用于将获得的运动角度信息发送给人机界面单元；

人机界面单元，用于实现操作者与硬件系统的命令及信息交互，还用于显示输出接收到的运动角度信息；

接口传输单元，用于实现图像处理计算机与外部硬件系统之间的数据传输。

上述图像处理模块采用软件实现，编辑该模块的过程中可以采用SaperaProcessing，Sapera是一套用于图像处理与分析的高度优化的软件编程库，该软件编程库包括用于滤波、形态分析、点对点操作、几何分析、变换和测量的图像处理库，以及能进行模式匹配、字符识别、条形码和Blob分析的高级图像分析工具集。

所述快速原型开发工具Sapera Processing是用于图像处理与分析的基于Windows的综合编程库，旨在简化视觉应用的开发过程。Sapera Processing提供一个综合的优化工具集，可作为套件使用，也可单独使用。虽然Sapera Processing针对DALSA Coreco生产的板卡进行了优化，但它独立于硬件以外，可以移植到第三方平台上。Sapera使用高性能的C++类和MMX、SSE(流式SIMD扩展)以及SSE2，以满足当前的图像处理系统复杂的操作要求。

具体实施方式二：本实施方式是对具体实施方式一所述的摆动喷管的摆动角度的测量系统的中的图像采集装置作进一步限定，本实施方式中所述的图像采集装置由辅助光源和摄像设备组成，所述摄像设备采用带有高速图像传输接口的图像采集设备实现，所述摄像设备通过该高速图像传输接口与图像处理计算机连接；所述辅助光源用于照射待测尾喷管，给摄像设备提供辅助光源。

由于喷管视场比较大，且喷管运动速度较高，因此在摄像时视场内的亮度对图像质量影响比较大，因此需要辅助光源对摄像设备的视场区域进行补光，进而为图像系统提供稳定且易突出图像特征的照明。

本实施方式中所述的辅助光源，可以采用一对光源实现，所述一对光源对称摆放在待测尾喷管的两侧，保证摄像设备摄像区域的光源分布均匀。所述辅助光源可以采用LED光源实现。

所述摄像设备的镜头是摄像设备的关键部件，对其的选择直接影响摄像设备取图像的质量。

所述摄像设备的镜头的焦距是根据实际测量物体的大小远近来确定的，一般情况，镜头的焦距可根据如下公式来计算，

f＝wD/W

式中f表示镜头焦距，w表示被摄物体在CCD靶面上的成像宽度，W表示被测物体的实际宽度，D表示被摄物体至镜头的距离。

例如，当视场W取650mm，摄取图像采用的工业相机使用了1/2”CCD(6.4*4.8)，考虑CCD尺寸较小方向，因此w取4.8mm，物距D可选取1300mm，此时根据焦距计算公式可算出镜头焦距由公式计算获得为：

$f=\frac{4.8\×1300}{650}\≈9.6\mathrm{mm},$

根据上述计算结果，实际可选取焦距为12mm的镜头，该焦距的镜头可兼顾畸变与长焦的抖动敏感问题，在利用较大焦距镜头的小畸变优势的同时，也可在一定程度上减弱因轻微抖动造成的测量误差。

在对动态物体进行摄像的技术中，曝光时间是个关键参数，其不但要保证摄像时的光线的充足、图像清晰，还需要保证不产生不产生模糊现象，因此，在摄像技术中，曝光参数是个关键技术参数。

本实施方式中设定图像设备的曝光时间为：曝光时间≤摄像设备的像素当量/待测尾喷管的运动速度。

例如，当摄像设备的像素当量为0.635时，待测尾喷管的运动速度是20度/s时，曝光时间应满足：

上式中，所述的待测喷管的运动速度是指待测喷管末端的切线速度。当待测尾喷管的固定锥点高度为457mm时，由上式计算获得曝光时间约为3.98ms。

根据上述计算结果，可以选择摄像设备的最小曝光时间为2μs，能够满足最大3.98ms曝光时间的限制。

具体实施方式三、本实施方式所述是采用本发明所述的摆动喷管的摆动角度的测量系统实现摆动角度的测量过程的说明。

本实施方式所述的测量过程为：

首先执行对测量系统进行标定的步骤，然后开始测量尾喷管的摆动角度的步骤，该步骤为下述两个步骤循环执行：

采集尾喷管的图像的步骤；

根据采集的图像计算获得此刻待测尾喷管的摆动角度的步骤。

具体实施方式四、本实施方式是对具体实施方式三所述的测量方法中的对测量系统进行标定的步骤的进一步说明，本实施方式所述的对测量系统进行标定的步骤进一步包括：

基准圆的绘制步骤：使图像采集装置采集图像，并在该幅图像的中心位置画出一个圆心标记；以上述圆心标记为圆心绘制一个圆作为基准圆，并保证所述待测尾喷管的全部图像均位于该基准圆内；以此基准圆所在平面为图像采集装置的镜头所在平面，然后执行尾喷管图像采集的步骤；

尾喷管图像采集的步骤：图像采集装置采集待测尾喷管的图像，然后执行拟合圆的绘制步骤；

拟合圆的绘制步骤：摄取该幅图像中的待测尾喷管的图像信息，采用圆拟合算法拟合出所述图像信息中待测尾喷管的圆轮廓、以及该圆轮廓的圆心和半径，并根据计算结果在该图像中绘制出拟合圆，定义该拟合圆所属的平面为待测尾喷管所在平面，然后执行判断步骤；

判断步骤：判断所述图像中的原轮廓和基准圆的圆心是否重合、半径是否相等，当两个条件都满足时，标定完成；如果有任意一个条件不满足，则调整图像采集装置的镜头的摄像角度，返回执行尾喷管图像采集的步骤，直到两个条件都满足为止。

当所述基准圆和拟合圆的圆心重合、切半径相等，就可以认为相机轴线与尾喷管轴线重合，进而达到消除透视畸变误差的校正。

本发明所述的摆动喷管的摆动角度的测量系统在使用之前，需要进行标定，进而修正图像采集装置中的镜头产生的畸变误差，确定目标与摄像机的相对坐标，提高角度测量精度。

下面，以像素为1024*1024的图像为例说明上述标定过程：

首先在采集到的图像中画出圆心为(512，512)(位于图像中心处)，半径为340的圆(保证画出的圆小于图像大小且留出一定余量)，单位为像素，此圆所在平面为相机平面；然后利用圆拟合等算法拟合出图像中的尾喷管的轮廓圆，并得到拟合圆的圆心和半径，判断圆心是否为(512，512)，半径是否为340；若不等，则调图像采集装置镜头的角度，重复上述过程，得到新的拟合圆心和半径值，再次判断；以任意自由度使脚架上的相机向上下、左右、前后任意方向不断调整位置，直到两圆圆心重合，半径相等为止，则此时相机轴线与尾喷管轴线重合。

在本实施方式所述的标定步骤中，可以采用喷管模拟器代替测量对象，该模拟器用于模拟喷管的动作特性，辅助测量系统的调试以及精度校准。

所述喷管模拟器的外形与实际待测喷管的外观、尺寸、运动方式完全一致。

上述喷管模拟器可以由待测尾喷管样件和驱动装置实现，所述待测尾喷管样件采用铝合金材料制作，其外形尺寸与喷管及喷管外侧的壳体完全相同，并且各部分颜色与实际待测尾喷管完全一致；驱动装置用于带动待测尾喷管样件进行摆动。所述驱动装置采用步进电机实现，所述步进电机的转动角度误差在0.05度以内，使尾喷管的实际转动角度误差相同。

上述喷管模拟器的精度需高于视觉测量系统，其转动角度误差应小于0.1度，按照误差传递1/3原则，本实施方式所述的测量系统精度仅为0.3度。

具体实施方式五、本实施方式是对具体实施方式三所述的测量方法中，根据采集的图像计算获得此刻待测尾喷管的摆动角度的步骤的进一步说明，该步骤包括尾喷管识别的步骤、尾喷管定位的步骤和摆动角度计算的步骤，其中：

尾喷管识别的步骤为：通过边缘检测，识别待测尾喷管是否出现在图像中；

尾喷管定位的步骤为：通过模版匹配的方法获得待测尾喷管的初步位置；然后通过最小二乘法对获得的初步位置进行修改，实现精确定位，获得尾喷管的最终位置；

摆动角度计算的步骤为：根据尾喷管的最终位置计算获得此时尾喷管的摆动角度。

本实施方式中，所述边缘检测采用Canny边缘检测器实现，具体过程为：

1)、用高斯滤波器对待处理图像进行平滑处理，采用Gauss滤波函数的标准方差σ和邻域对待处理图像进行卷积运算，得到平滑图像；利用平滑滤波可以达到抑制噪声的目的，但同时也会造成边缘损失。

2)、采用一阶偏导数的有限差分计算梯度的幅值和方向；

3)、对待处理图像，采用梯度幅值进行非极大值抑制的方法获得待处理图像中的所有边缘点；具体过程为：以图像上某一点处的边缘强度值大小并不能确定该点是否为边缘点，需要采用非极大值抑制确定边缘点。

非极大值抑制的基本思想是，如果图像上某像素点的边缘强度小于沿梯度线方向上的两个相邻像素点的边缘强度，则认为该像素点为非边缘点，将该处梯度幅值置0。经过非极大值抑制处理后的图像依然存在许多由噪声和细纹理引起的假边缘，仍需用双阈值算法进一步检测边缘并进行边缘连接。

4)、采用双阈值算法检测方法连接步骤3)获得的的所有边缘点，获得待处理图像中的待测尾喷管的轮廓。

Canny算子边缘检测性能较好其中原因之一是采用了双阈值技术。通常在只有一个阈值的情况下，阈值选择过大会导致边缘信息丢失，阈值选择过小会保留一部分伪边缘，选择一个合适的阈值是比较困难的，而双阈值技术是一种比较好的解决方案。

所述双阈值算法是设定两个阈值τ₁和τ₂(τ₂＞τ₁)，对非极大值抑制图像进行双阈值化，可得到一个高阈值检测结果和一个低阈值检测结果。然后在高阈值检测结果中连接边缘轮廓，连接到端点时，到低阈值检测结果中寻找边缘点，直到高阈值检测结果所有间隙连接起来为止。固定的阈值作用于图像是不能满足实际需要的，在双阈值算法的基础上，采用动态阈值算法可以弥补Canny算法对灰度值不均匀图像进行边缘检测时丢失边缘的不足，具有检测模糊边缘的能力。

边缘是指图像局部亮度变化最显著的部分。边缘主要存在于目标与目标、目标与背景、区域与区域之间，是图像分割、纹理特征提取和形状特征提取等图像分析的重要基础。图像分析和理解的第一步常常是边缘检测。

本项目中的尾喷管检测考虑到光照不均匀及光照强度变化等因素的干扰，如果基于图像灰度进行检测，检测结果会出现较大误差，在光照变化较剧烈的情况下甚至会出现误识别现象。为避免上述情况的发生，可利用对光照较不敏感的边缘图像进行检测，本项目的尾喷管检测算法是基于边缘图像的，因此边缘检测是定位算法的第一步。

图像边缘是图像灰度(亮度)发生空间突变或者在梯度方向上发生突变的像素的集合。图像边缘可以划分为阶跃状边缘和脉冲状边缘，其中，阶跃状边缘两边的灰度值有明显的变化，而脉冲状边缘处于灰度增加和减小的交界处。在数学上可以利用其灰度变化曲线的一阶、二阶导数来描述两种不同的边缘。

检测阶跃边缘的基本思想是检测出图像中局部梯度值最大的点，但实际的图像由于是经过摄像机获取，由于其光学和电路系统带宽限制，图像相当于经过了一个低通滤波器的平滑，因此边缘变得不十分陡立。同时图像也会受到摄像机本身的系统噪声和场景噪声等的干扰，为精确确定边缘位置，既要滤除噪声，又要保留边缘信息，有一种线性算子可以在滤除噪声和精确定位之间选择一个最佳折衷方案，这就是高斯函数的一阶导数。

Canny边缘检测器是高斯函数的一阶导数，在高斯噪声中，一个典型的边缘代表一个阶跃的强度变化。根据这个模型，Canny提出了评价边缘检测性能优劣的3个指标：

(1)好的信噪比，即尽可能少丢失真正的边缘点又尽可能避免将非边缘点检测为边缘点。漏检真实边缘和误检非边缘这两种错误概率都是输出信噪比SNR的单调递减函数，因此信噪比可用来作为衡量边缘检测算子性能的指标之一。设输入图像为G(x)，边缘检测滤波函数为f(x)，滤波器为有限冲激响应，窗口为[-W，W]，边缘发生在x＝0，信号中的噪声是加性高斯白噪声n(x)，其方差为σ₀ ²，则信噪比SNR可表示为

$\mathrm{SNR}=\frac{\left|{\∫}_{-W}^{W}G(-x)f\left(x\right)\mathrm{dx}\right|}{{\mathrm{\σ}}_0\sqrt{{\∫}_{-W}^W{f}^2\left(x\right)\mathrm{dx}}}$

(2)好的定位性能，即检测的边缘尽可能接近真实的边缘。可以用检测精度L进行定量描述

$L\frac{\left|{\∫}_{-W}^W{G}^{\′}(-x)f^{\′}\left(x\right)\mathrm{dx}\right|}{{\mathrm{\σ}}_0\sqrt{{\∫}_{-W}^W{f}^{\′2}\left(x\right)\mathrm{dx}}}$

L的值越大，对于边缘的定位越准确。

将(1)与(2)两个准则结合起来，可以用检测边缘的信噪比SNR和检测精度L的乘积来描述边缘检测算子，即

$\mathrm{SNR}\×L=\frac{\left|{\∫}_{-W}^{W}G(-x)f\left(x\right)\mathrm{dx}\right|}{{\mathrm{\σ}}_0\sqrt{{\∫}_{-W}^W{f}^2\left(x\right)\mathrm{dx}}}\frac{\left|{\∫}_{-W}^W{G}^{\′}(-x)f^{\′}\left(x\right)\mathrm{dx}\right|}{{\mathrm{\σ}}_0\sqrt{{\∫}_{-W}^W{f}^{\′2}\left(x\right)\mathrm{dx}}}$

(3)对单一边缘有唯一响应，即单个边缘产生多个响应的概率要低，并且最大限度地抑制虚假边缘的响应。

Canny边缘检测的基本思想是：首先对图像选择一定的Gauss滤波器进行平滑滤波，然后求取一阶偏导，对求导后的图像进行非极大值抑制，得到最后的边缘图像。从本质上讲，Canny边缘检测算子属于具有平滑功能的一阶微分算子。

视觉系统受外界自然光线影响较大，外界杂光对摄像系统会产生光照强度改变及光照不均的情况，这对基于图像灰度进行检测的算法来说影响较大，而边缘图像对光照较不敏感，因此定位算法在预处理阶段对获取的原始图像进行了边缘提取，以此为基础进行定位，可较好地克服自然光线改变所带来的影响。

通过模版匹配的方法获得待测尾喷管的初步位置的过程中，采用边缘检测步骤获得的待测尾喷管的轮廓图像进行模版匹配。

模板匹配是计算机视觉技术中常用的识别或验证方法，它可以从图像中检测某一特定目标是否出现及出现的位置，是目前视觉应用中较为成熟的技术之一，具有速度快、精度高的特点。

本实施方式中，是基于边缘图像进行模版匹配方法，而不是对于整个图像进行模版匹配，因此，计算量小、节约计算资源，且处理速度块。

模板匹配问题可以用一般的相关模型来描述。设g(i，j)为一模板，f(i，j)为一待匹配图像，所谓匹配就是确定图像中是否有模板目标存在以及模板相对于匹配图像的位置。基于以上目的，最简单的一种方法就是将模板放置在图像中的某一位置，比较模板和图像对应位置处的灰度值，如果灰度值相同，即可确定图像该位置存在模板中的目标。但通常情况下灰度值很少能够较好地匹配，因此需要另外定义一些相似性测度来判断模板是否匹配于图像某一特定位置。如下定义是常用的误差平方和测度，即

$\underset{[m,n]\∈\mathrm{Re}}{\mathrm{\Σ}}{(S-T)}^2$

其中，Re代表模板区域。

上式是一种应用最广泛的相似性测度，通过该式，可导出另外一种相似性侧度，以大大减小计算量。将误差平方和式展开，得

$\underset{[m,n]\∈\mathrm{Re}}{\mathrm{\Σ}}{(S-T)}^2=\underset{[m,n]\∈\mathrm{Re}}{\mathrm{\Σ}}{S}^2+\underset{[m,n]\∈\mathrm{Re}}{\mathrm{\Σ}}{T}^2-2\underset{[m,n]\∈\mathrm{Re}}{\mathrm{\Σ}}\mathrm{ST}$

一般情况下，可将S和T看成是固定不变的，上式右边第一项和第二项分别是图像和模板的能量，它们与模板匹配无关，因此可用

替代误差平方和测度，由式可见，越大，则模板与图像相应位置子图的匹配程度越高。

称为S与T的互相关。如模板大小为M×N，则互相关值可以下式计算

$R(i,j)=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}T(m,n)\×S^{i,j}(m,n)$

模板匹配的目的是找到互相关值最大且大于某一阈值的位置，该位置即是模板的最佳匹配位置。然而，当假设S与T为常量时，模板T虽然可以看成固定不变，但随着模板的移动，图像S上与模板对应的子图却是变化的，此时，互相关值R取决于S中与模板对应的子图，因此，单通过互相关公式无法确定正确的匹配位置。这一问题可通过归一化互相关的方法来解决。此时的互相关值R可通过下式来计算

$R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}T(m,n)\×S^{i,j}(m,n)}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S^{i,j}(m,n)\right]}^2}}$

归一化后，互相关值满足不等式0≤R(i，j)≤1，当且仅当T(m，n)＝kS(m，n)时，R(i，j)＝1。这里k为标量常数。

模板可看成是一幅小的图像，模板匹配的一般过程就是在带匹配图像中进行搜索，其过程可参见图3和图4表示，其中图3是被搜索图S，图4是模板。

子图S^i，j就是被搜索图S中与模板对应的部分，以模板从某一起始位置开始在被搜索图中逐像素移动并作互相关，即可得到每一像素位置处的互相关值，搜索完毕后，找出互相关最大且大于某一规定阈值的位置，该位置即为模板最佳匹配位置。这种方式计算量比较大，计算速度缓慢。

作为一个有实际应用意义的图像匹配系统，必须满足快速匹配的要求，在不损失或基本不损失匹配效果的基础上高速完成匹配过程，这就要求在一般的图像匹配算法的基础之上再进行算法研究，从而得到既保证匹配效果，又兼顾匹配速度的图像匹配算法。

本实施方式中，相机是在静止的状态下拍摄运动的尾喷管，并给出尾喷管坐标信息或角度信息，尽可能减少处理等待时间。

所述模板匹配的过程可以采用金字塔分层搜索算法实现模版匹配，具体过程为：

1)、图像预处理

对待匹配的图像进行分层预处理，将每n×n个像元加权平均为一个像元构成第二级图像，如此继续下去可构成一系列的序列：

为M×M维的实时图序列，

为N×N维的模板图像序列，

式中l＝0，1，2，…，I，I是实际分层的层数，分层层数的选取，要根据实时图和模板图的大小以及n的大小确定，一般来讲，在实际应用中通常选取不超过5的分层数。

将每一个图像序列叠摞起来形成一个金字塔结构，获得两个金字塔结构，位于金字塔底层的图像的分辨率最高，维数最大，即l＝0层，金字塔顶层，即l＝I层的图像分辨率最低；

第一次相关搜索从分辨率最低和维数最小的图像对开始，由于最高一层图像对的像元数比较少，加上损失了一部分高频信息，所以，在粗相关过程中正确匹配的概率是不大的。因此，为了提高匹配概率，应该设法改善金字塔上层图像对的信噪比。如将较高分辨率的图像对通过低通滤波器以后，再以二倍于它的空间采样间隔进行采样，从而得到具有比直接分层法更高信噪比的图像对。对于其它各层，也作相应处理，这种技术称之为分层搜索预处理。

2)、从金字塔的顶层开始、向底层逐层进行相关性搜索，逐一对比两个金字塔的第1层图像，在每一层的搜索过程中，在每一个搜索位置上进行相关计算，并确定该层中的所有相匹配的位置；然后在下一层的搜索过程中，只对与本次搜索获得的每一个相匹配的位置对应的位置区域进行相关性搜索，依次类推，直到在最高分辨率的最底层的匹配时，获得模板图和实时图上找到匹配位置为止。

所述金字塔分层搜索算法又称金字塔加速算法，是模仿人类搜寻目标时先粗后细的顺序而设计的，它可以有效地提高模板匹配的速度。

本实施方式中，在模型匹配过程中除了在分辨力最低和尺寸最小的图上作全区搜索之外，其它各层的搜索都是在少数几个可能的匹配位置上进行的，大大节省了相关搜索的范围。

当最低分辨率的两图进行相关时，总的搜索位置为

${(\frac{M}{n^I}-\frac{N}{n^I}+1)}^2\≈\frac{{(M-N)}^2}{n^{2I}}$

而当以最高分辨率(l＝0)的两图进行相关时，搜索位置数为(M-N+1)²≈(M-N)²

因此，如果不考虑中间各层搜索位置数(通常很少)的话，那么分层搜索位置为一般算法的

从而提高了处理速度。

实验表明，当用分层搜索算法时，搜索位置数只有Klg(M-N+1)²个，其中K＝1～2。

基于以上原理，本实施方式在实现中首先对经过边缘提取的实时图进行隔行隔列匹配，相当于取n＝2，I＝2，在确定了匹配点的大概位置后，以该位置为中心，在3×3的小范围内进行搜索以获得精确匹配点，采用此方法可提高匹配速度一倍以上。

对完成模版匹配的图像，采用最小二乘圆拟合的方法进行修正，进而对待测尾喷管进行精确定位。

所述最小二乘法适用于圆边界不完整的情况，与传统的霍夫变换相比，计算效率较高。

最小二乘法常用来解超定方程组。设有一圆，其解析式如下。

(x-xc)²+(y-yc)²＝r²

式中(xc，yc)为圆心，r为半径。将上式展开，得

x²+y²-2x×xc-2y×yc+xc²+yc²-r²＝0

令a＝-2xc

b＝-2yc

c＝xc²+yc²-r²

则圆公式可变为

ax+by+c＝-(x²+y²)

上式写成矩阵形式为

$\left[\begin{array}{ccc}x& y& 1\end{array}\right]\left[\begin{array}{c}a\\ b\\ c\end{array}\right]=-(x^2+y^2)$

将跟踪到的圆边缘点坐标代入上式，可得一个方程组。由于跟踪到的边缘点数远远大于未知数个数，因此得到的方程组为超定方程组，其没有普通意义下的解，但可求其最小二乘解。

在边缘跟踪过程中已得到了一系列圆边缘点(x_i，y_i)，用最小二乘法拟合圆函数f(x)，并由此确定未知参数(a，b，c)的最佳值，此过程相当于使拟合的均方误差(MSE)最小，MSE可由下式给出。

$\mathrm{MSE}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{[y_i-f\left(x_i\right)]}^2$

解超定方程组可使用伪逆法，假设边缘点个数为m，未知系数个数为n，且m≥n。

将边缘点代入后组成的方程组可用矩阵形式表示为

AX＝B

式中 $A=\left[\begin{array}{ccc}{x}_1& y_1& 1\\ .& .& .\\ .& .& .\\ .& .& .\\ x_m& y_m& 1\end{array}\right],$ $X=\left[\begin{array}{c}a\\ b\\ c\end{array}\right],$ $B=\left[\begin{array}{c}-({x_1}^2+{y_1}^2)\\ .\\ .\\ .\\ -({x_m}^2+{y_m}^2)\end{array}\right].$

以E表示数据误差，则误差可写为

E＝B-AX

则均方差可由下式给出

$\mathrm{MSE}=\frac{1}{N}{\left|\right|E\left|\right|}^2=\frac{1}{N}{E}^{T}E$

为令均方误差最小，对上式求导并令导数为零，可得

X＝(A^TA)^-1A^TB

上式中(A^TA)^-1A^T称为伪逆，利用它可以求出超定方程唯一的最小二乘解。在模板粗匹配的基础上，利用边缘跟踪得到的点进行圆拟合即可得到尾喷管的圆心和半径。

定位是计算机视觉的一个重要应用领域，为提高定位效率，本实施方式中使用了识别与定位的两步算法。由于模板匹配技术识别尾喷管速度较快，因此可首先利用其识别出尾喷管并确定其大概位置，此为粗定位。然后以此位置为中心，在模板大小范围内进行边缘跟踪，以获得尾喷管边缘点位置，此过程中，尾喷管初始边缘点的确定比较重要。最后，以最小二乘算法拟合圆形以获得尾喷管圆心和半径等参数。最小二乘算法可适应由光照不均匀造成的尾喷管边缘不完整的情况，且其计算速度较传统霍夫变换为快，拟合精度可达到亚像素级。采用识别与定位的两步算法还可有效消除由人工选择模板所带来的误差。

尾喷管定位后，须将屏幕像素坐标转换为实际物理距离，并根据角度计算公式计算尾喷管偏转角度并存储，方便查看与绘制曲线。

摆动角度计算的步骤为：

首先确定坐标原点，然后根据尾喷管的最终位置和坐标原点换算获得尾喷管的实际偏转角度。

在实际测量中，由于装配及测量误差等原因，使用三维空间中固定坐标系会产生较大误差，因此本系统利用图像标记等措施在每次测量中使用以弹体为参照的坐标系，通过对多个对称图像标记的识别定位，计算几何中心，确定相对坐标原点，保证对不同弹体不同条件下测量的准确性。

偏转角度计算是相对于摄像机标定中确定的坐标原点的，使用测量得到的尾喷管偏转像素数与尾喷管锥高利用反正切公式计算。

首先根据像素当量将偏转像素数转换为物理距离，然后利用固定锥点高度和反正切公式确定偏转角度。

像素当量，是在摄像机标定过程中确定的参数。

设通过图像处理获得的尾喷管偏转像素数为n，则根据公式：

物理距离Distance＝n×像素当量，

获得物理距离，然后，根据公式：

偏转角度Degree＝arctan(物理距离Distance/457mm)，

获得偏转角度。

当像素当量为0.635mm/pixel时，为素当量，457mm为固定锥点高度。Degree为待求的尾喷管偏转角度。

Claims (10)

1.摆动喷管的摆动角度的测量系统，其特征在于，所述测量系统包括图像采集装置和图像处理计算机，所述图像采集装置用于连续采集待测尾喷管的图像信息，并将采集到的图像信息发送给图像处理计算机，所述图像处理计算机用于将接收到的图像信息进行处理，并根据连续采集的图像信息获得待测尾喷管的摆角信息。

2.根据权利要求1所述的摆动喷管的摆动角度的测量系统，其特征在于，图像采集设备采用CCD高速相机实现。

3.根据权利要求1所述的摆动喷管的摆动角度的测量系统，其特征在于，所述图像处理计算机中嵌入有图像处理模块，该图像处理模块用于将接收到的图像信息进行处理，并根据连续采集的图像信息获得待测尾喷管的摆角信息；

所述图像处理模块包括图像获取单元、图像处理单元、人机界面单元模块和接口传输单元，其中：

图像获取单元，用于通过接口传输单元读取图像采集装置发送的连续的图像信息，还用于将读取的连续的图像信息依次发送给图像处理单元；

图像处理单元，用于对接收到的多幅图像信息进行处理，进而获得待测尾喷管的运动角度，还用于将获得的运动角度信息发送给人机界面单元；

人机界面单元，用于实现操作者与硬件系统的命令及信息交互，还用于显示输出接收到的运动角度信息；

接口传输单元，用于实现图像处理计算机与外部硬件系统之间的数据传输。

4.根据权利要求1所述的摆动喷管的摆动角度的测量系统，其特征在于，所述的图像采集装置由辅助光源和摄像设备组成，所述摄像设备采用带有高速图像传输接口的图像采集设备实现，所述摄像设备通过该高速图像传输接口与图像处理计算机连接；所述辅助光源用于照射待测尾喷管，给摄像设备提供辅助光源。

5.采用权利要求1所述的摆动喷管的摆动角度的测量系统实现摆动角度的测量方法，其特征在于，所述测量过程包括如下步骤：

首先执行对测量系统进行标定的步骤，然后开始测量尾喷管的摆动角度的步骤，该步骤为下述两个步骤循环执行：

采集尾喷管的图像的步骤；

根据采集的图像计算获得此刻尾测尾喷管的摆动角度的步骤。

6.根据权利要求5所述的摆动角度的测量方法，其特征在于，在执行对测量系统进行标定的步骤之前，将图像采集装置通过卡具与装有待测尾喷管的设备固定连接在一起。

7.根据权利要求5所述的摆动角度的测量方法，其特征在于，对测量系统进行标定的步骤进一步包括：

基准圆的绘制步骤：使图像采集装置采集图像，并在该幅图像的中心位置画出一个圆心标记；以上述圆心标记为圆心绘制一个圆作为基准圆，并保证所述待测尾喷管的全部图像均位于该基准圆内；以此基准圆所在平面为图像采集装置的镜头所在平面，然后执行尾喷管图像采集的步骤；

尾喷管图像采集的步骤：图像采集装置采集待测尾喷管的图像，然后执行拟合圆的绘制步骤；

拟合圆的绘制步骤：摄取该幅图像中的待测尾喷管的图像信息，采用圆拟合算法拟合出所述图像信息中待测尾喷管的圆轮廓、以及该圆轮廓的圆心和半径，并根据计算结果在该图像中绘制出拟合圆，定义该拟合圆所属的平面为待测尾喷管所在平面，然后执行判断步骤；

判断步骤：判断所述图像中的原轮廓和基准圆的圆心是否重合、半径是否相等，当两个条件都满足时，标定完成；如果有任意一个条件不满足，则调整图像采集装置的镜头的摄像角度，返回执行尾喷管图像采集的步骤，直到两个条件都满足为止。

8.根据权利要求5所述的摆动角度的测量方法，其特征在于，根据采集的图像计算获得此刻尾测尾喷管的摆动角度的步骤的包括下述步骤：

尾喷管识别的步骤、尾喷管定位的步骤和摆动角度计算的步骤，其中：

尾喷管识别的步骤为：通过边缘检测，识别待测尾喷管是否出现在图像中；

尾喷管定位的步骤为：通过模版匹配的方法获得待测尾喷管的初步位置；然后通过最小二乘法对获得的初步位置进行修改，实现精确定位，获得尾喷管的最终位置；

摆动角度计算的步骤为：根据尾喷管的最终位置计算获得此时尾喷管的摆动角度。

9.根据权利要求8所述的摆动角度的测量方法，其特征在于，所述边缘检测采用Canny边缘检测器实现。

10.根据权利要求8所述的摆动角度的测量方法，其特征在于，所述摆动角度计算的步骤为：

首先根据像素当量将偏转像素数转换为物理距离，然后利用固定锥点高度和反正切公式确定偏转角度。

Images