CN110992399B - 一种高精度目标大气扰动检出方法 - Google Patents
一种高精度目标大气扰动检出方法 Download PDFInfo
- Publication number
- CN110992399B CN110992399B CN201911096413.3A CN201911096413A CN110992399B CN 110992399 B CN110992399 B CN 110992399B CN 201911096413 A CN201911096413 A CN 201911096413A CN 110992399 B CN110992399 B CN 110992399B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- disturbance
- follows
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
一种高精度目标大气扰动检出方法,其主要步骤:包括输入图像、整像素十字搜索、Newton‑Raphson亚像素定位、设定边界条件、进行网格划分、求解泊松方程、判定应用需求、检出扰动区位置、检出目标位置、反演流场密度。本发明首次采用基于十字搜索的整像素搜索和基于Newton‑Raphson迭代的亚像素定位方式,实现高精度目标大气扰动检出,扰动检出精度理论上可达1/50像素。本发明具备目标大气扰动检出精度不受目标飞行速度、飞行高度、隐身性能等影响的优点,理论上可实现大气层内任意高速运动目标的大气扰动检出,实现大气扰动场可视化。本发明可为高速运动目标气动特性检测等提供一种可视化手段,应用于高速运动目标气动外形优化、动力展开过程优化等领域,无需风洞,可在自然环境中应用,可降低大气扰动检测难度、大幅降低成本。
Description
技术领域
本发明涉及一种高精度目标大气扰动检出方法,具体为一种通过对包含不可视的大气扰动信息的地物图像,进行高精度大气扰动检出的方法,可用于运动目标探测或运动目标细节流场显示等领域。
背景技术
隐身战斗机、隐身轰炸机等隐身运动目标是高威胁目标,具备雷达、红外隐身能力,采用地基雷达、天基红外等手段难以发现这类高威胁目标,需要一种不受隐身运动目标隐身性能影响的探测方法。这类目标在运动过程中都会与大气相互作用,形成大气扰动,大气扰动是大气层内动力飞行的必然产物,是这类目标的固有特性,不受目标隐身性能的影响。所以,通过大气扰动探测这类目标具有很好的可行性。
返回式航天器、降落伞、民航客机等都是在大气层内飞行的快速运动物体,这类目标气动外形优化、动力展开过程优化、运动状态实时监测等都需要流场显示设备。目前,地面风洞是这类目标流场显示的唯一设备,但地面风洞受限于体积、承压能力等限制不能满足全尺寸目标、全工况流场分析的条件,需要一种可对全尺寸目标、全工况条件都能进行流场分析的方法。当这类目标在空中飞行时,若能够对飞行状态进行实时监测,并将目标与大气相互作用的流场信息进行实时显示,有效获取流动参数,可为返回式航天器平稳着陆提供数据支持,也可为降落伞的动力展开过程优化提供数据支撑,同时也可为高速甚至是超音速民航客机的动力外形优化提供支撑。
运动物体大气扰动的可视化光学显示方法主要有阴影法、传统纹影法、干涉法等,光学测量方法主要有激光多普勒测速、PIV粒子测速方法等,但这些方法均需要相对复杂的主动光照明和光学系统,一般只在实验室或风洞内使用。背景纹影成像是在传统纹影成像和PIV粒子测速基础上发展起来的新型流场显示方法,利用随机图案的背景以及成像相机来显示背景前面区域流场变化,无需复杂的主动光源和光学系统,取得了广泛的应用。现有的背景纹影成像研究主要基于水平视觉背景、近距离高分辨率图像来进行流场可视化反演,暂无基于垂直视觉、地物为背景、远距离低分辨率图像的流场可视化反演研究以及运动目标检出研究。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供一种高精度目标大气扰动检出方法,可为高速运动目标尤其是高速隐身目标的探测与识别提供一种可行的技术手段。
本发明的技术解决方案是:一种高精度目标大气扰动检出方法,步骤包括:
1)输入两幅图像;
2)对输入图像进行整像素十字搜索;
3)进行Newton-Raphson亚像素定位;
4)设定求解区边界条件;
5)进行网格划分;
6)根据泊松方程对扰动场折射率进行求解;
7)判定应用需求,根据不同需求执行探测目标或显示细节流场;
8)对扰动区位置进行检出,得到扰动区位置;
9)对目标位置进行检出,得到目标位置;
10)对流场密度进行反演,得到流场密度反演结果。
所述步骤1)的具体方法为:输入一幅相机拍摄的不包含目标大气扰动信息的具备纹理特征的地物图像1,输入另一幅或多幅相机拍摄的包含目标大气扰动信息的具备纹理特征的地物图像2;所述图像1和图像2为具备纹理特征的地物图像,如城市图像、海面图像、沙漠图像等;所述图像1和图像2为分辨率相同、包含相同地物信息的图像;所述图像1为不包含目标大气扰动信息的图像,或包含目标大气扰动信息的图像。
所述步骤2)的具体方法为:采用整像素十字搜索算法,在图像1中设定N×M像素的搜寻窗口,与地物图像2中N×M像素的图像一起代入互相关函数进行迭代求解,不断变换图像2中N×M像素的位置,直到求解得到互相关函数极值点;此时图像2中N×M像素的位置即为整像素十字搜索的结果。
所述步骤3)的具体方法为:采用Newton-Raphson迭代法建立新的相关函数式,在步骤2)基础上,对图2中的N×M像素窗口进行亚像素移动,直到相关函数收敛至极值,从而获得更精准的图像1与图像2的相对位移值。
所述步骤4)的具体方法为:设定边界条件为Dirichlet条件和广义Neumann条件;
所述Dirichlet条件为:
所述广义Neumann条件为:
所述步骤5)的具体方法为:采用三角剖分对图像1和图像2进行剖分,构建目标大气扰动区计算网格。
所述步骤6)的具体方法为:根据前述两个步骤,求解个节点函数值向量,可得到泊松方程的解;
所述泊松方程为:
其中,C为常数,n为大气扰动场折射率,Δx,Δy为步骤3)得到的求解区域在不同方向的位移量。
所述步骤7)的具体方法为:根据不同应用需求,选择执行扰流区位置检出或细节流场检出。
所述步骤8)的具体方法为:根据步骤6)得到的泊松方程的解,即折射率场,设定检出阈值,检出折射率大于阈值的区域,此区域即为扰动区位置。
所述步骤9)的具体方法为:根据步骤8)得到的扰动区位置,以及大气扰动是运动目标固有特性和强扰动区与运动目标一定同时同地存在的特性,检出的扰动区位置即为运动目标的位置。
所述步骤9)的具体方法为:根据步骤6)泊松方程求解结果,结合折射率与密度关系公式格拉司通-戴尔公式,对流场密度进行反演,得到流场密度反演结果;
所述格拉司通-戴尔公式为:
其中,n为气体折射率,ρ为气体密度,KG-D=f(λ,T,P)为格拉斯通-戴尔常数。KG-D可通过参考文献获得。
本发明与现有技术相比的优点在于:
(1)目前无隐身运动目标探测的有效手段与方法,雷达、红外探测效能受到隐身目标的雷达、红外隐身能力限制。本发明通过检出包含在地物图像中的目标大气扰动信息以实现目标检出的方法,不受隐身性能的影响,可发现隐身目标位置,并实时提供隐身运动目标的位置信息。
(2)目前无对返回式航天器、降落伞、民航客机等进行全尺寸目标、全工况流场显示的手段与方法。本发明可通过对高空拍摄的以地物为背景的图像进行大气扰动检出,实现目标流动信息的高精度可视化显示,可为返回式航天器平稳着陆提供数据支持,可为降落伞的动力展开过程优化提供数据支撑,同时也可为高速甚至是超音速民航客机的动力外形优化提供支撑。另外,可降低流动信息获取难度、大幅降低成本。
(3)本发明首次采用“整像素十字搜索+Newton-Raphson亚像素定位”方法,实现1/50像素配准精度,可从远距离低分辨率图像中实现目标大气扰动的高精度检出。本发明具备目标大气扰动检出精度不受目标飞行速度、飞行高度、隐身性能等影响的优点,理论上可实现大气层内任意高速运动目标的大气扰动检出,实现大气扰动场的可视化。
附图说明
图1为本发明系统工作原理示意图;
图2为本发明整像素十字搜索原理图;
图3为本发明扰动检出数值仿真图。
具体实施方式
本发明的一种高精度目标大气扰动检出方法工作原理图如图1所示,包括输入图像、整像素十字搜索、Newton-Raphson亚像素定位、设定边界条件、进行网格划分、求解泊松方程、判定应用需求、检出扰动区位置、检出目标位置、反演流场密度。本发明首次采用基于十字搜索的整像素搜索和基于Newton-Raphson迭代的亚像素定位方式,实现高精度目标大气扰动检出,扰动检出精度理论上可达1/50像素。本发明具备目标大气扰动检出精度不受目标飞行速度、飞行高度、隐身性能等影响的优点,理论上可实现大气层内任意高速运动目标的大气扰动检出,实现大气扰动场可视化。本发明可为高速运动目标气动特性检测等提供一种可视化手段,应用于高速运动目标气动外形优化、动力展开过程优化等领域,无需风洞,可在自然环境中应用,可降低大气扰动检测难度、大幅降低成本。
本发明的一种高精度目标大气扰动检出方法所涉及的输入图像,可以是两帧也可以是多帧;图像1和图像2中包含的地物范围可以完全相同,也可以大部分相同,但要保证包含目标大气扰动信息的部分图像必须相同。
本发明的一种高精度目标大气扰动检出方法的整像素十字搜索原理如图2所示,十字搜索算法根据相关系数分布曲面具有的单峰特性,将相关系数分布从H维的曲面变为一条只有单峰的曲线,搜索路径从二维降到一维,搜索过程被分解为多步,每次只沿着一条直线进行搜索。这样的处理使整像素搜索在计算精度不降低的情况下,大大减少了计算时间。c点为起始搜索点,u0是起始点沿u方向的坐标值,假设沿此点对H维的相关系数曲面作一平行ν方向的截面,则该截面与相关系数曲面相交的曲线就是一条单峰曲线,其顶点e0所在位置,就是沿直线计算的相关系数极值点。然后经过e0并垂直上一截面作一新的截面,交ν轴于ν1,此截面与相关系数曲面相交的曲线顶点为e1。如此重复搜索几次,最后在单峰曲线的顶点en为同一点时,认为该点就是平面内的相关系数极值点,结合c点位置即可得到整像素位移。
相关系数为:
其中,M、N分别为求解的x和y方向的像素数,(x,y)为图像1中某一像素位置,(x,y)为图像2中任意迭代窗口位置,f(x,y)为图像1中准备求取位移量的诊断窗口,g(x,y)为图像2中任意迭代窗口。
本发明的一种高精度目标大气扰动检出方法的Newton-Raphson亚像素定位原理。Newton-Raphson法是通过牛顿法在相关系数极值附近迭代,最终收敛至相关函数极值。主要是采用Newton-Raphson法迭代求解用于评价两幅图像关系的相关函数,基于泰勒级数展开式。相关系数应取极值,即相关系数/>梯度趋于0,即对相关函数求一次偏导、二次偏导,以至N次偏导,从而求得亚像素定位值。
相关函数为:
本发明的一种高精度目标大气扰动检出方法的泊松方程以及泊松方程求解步骤如下。
泊松方程为:
其中,C为常数,n为大气扰动场折射率,Δx,Δy为步骤3)得到的求解区域在不同方向的位移量。
泊松方程属于椭圆形方程,椭圆型方程的一般形式为:
上式中c,a,f以及待求函数u为定义在区域Ω上的复函数。
Dirichlet条件为:
广义Neumann条件为:
现在以采用广义Neumann边界条件来进一步说明椭圆方程的求解,则利用Green公式并将将式(6)代入后得:
故可写出上式的虚功方程为:
上式的解即为椭圆方程的解,即为泊松方程的解。
本发明的一种高精度目标大气扰动检出方法的扰动检出数值仿真结果如图3所示,为了验证本发明大气扰动检出精度,建立了可以精确控制位移的数学仿真散斑图,采用若干随机分布高斯光斑强度迭加的方法模拟发生位移前后的散斑图像。设定散斑图各方向随机的不同数值位移,采用本发明进行扰动检出计算,可得如表1所示像素位移计算值结果,表中u0,v0为给定的沿X和Y方向的位移。将各分布图采用正态分布N(μ,σ2)进行拟合。根据计算结果可得出对于标准高斯分布的散斑图,本发明扰动检出精度可达±0.01像素(即1/50像素)。
表1各像素不同位移计算结果(单位:像素)
u0 | v0 | u0计算值(μ±3σ) | v0计算值(μ±3σ) |
0.01 | 0.01 | 0.01±1.2×10-5 | 0.01±1.23×10-5 |
本发明可用于单目标大气扰动检出,也可以作为多目标大气扰动同时扰动检出。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (1)
1.一种高精度目标大气扰动检出方法,其特征在于步骤包括:
1)输入两幅图像;
2)对输入图像进行整像素十字搜索;
3)进行Newton-Raphson亚像素定位;
4)设定求解区边界条件;
5)进行网格划分;
6)根据泊松方程对扰动场折射率进行求解;
7)判定应用需求,根据不同需求执行探测目标或显示细节流场;
8)对扰动区位置进行检出,得到扰动区位置;
9)对目标位置进行检出,得到目标位置;
10)对流场密度进行反演,得到流场密度反演结果;
所述步骤1)的具体方法为:输入一幅相机拍摄的不包含目标大气扰动信息的具备纹理特征的地物图像1,输入另一幅或多幅相机拍摄的包含目标大气扰动信息的具备纹理特征的地物图像2;所述图像1和图像2为具备纹理特征的地物图像,包括城市图像、海面图像、沙漠图像;所述图像1和图像2为分辨率相同、包含相同地物信息的图像;所述图像1为不包含目标大气扰动信息的图像,或包含目标大气扰动信息的图像;
所述步骤2)的具体方法为:采用整像素十字搜索算法,在图像1中设定N×M像素的搜寻窗口,与地物图像2中N×M像素的图像一起代入互相关函数进行迭代求解,不断变换图像2中N×M像素的位置,直到求解得到互相关函数极值点;此时图像2中N×M像素的位置即为整像素十字搜索的结果;
所述步骤3)的具体方法为:采用Newton-Raphson迭代法建立新的相关函数式,在步骤2)基础上,对图2中的N×M像素窗口进行亚像素移动,直到相关函数收敛至极值,从而获得更精准的图像1与图像2的相对位移值;
所述步骤4)的具体方法为:设定边界条件为Dirichlet条件和广义Neumann条件;
所述Dirichlet条件为:
所述广义Neumann条件为:
所述步骤5)的具体方法为:采用三角剖分对图像1和图像2进行剖分,构建目标大气扰动区计算网格;
所述步骤6)的具体方法为:根据前述两个步骤,求解各节点函数值向量,可得到泊松方程的解;
所述泊松方程为:
其中,C为常数,n为大气扰动场折射率,Δx,Δy为步骤3)得到的求解区域在不同方向的位移量;
所述步骤7)的具体方法为:根据不同应用需求,选择执行扰流区位置检出或细节流场检出;
所述步骤8)的具体方法为:根据步骤6)得到的泊松方程的解,即折射率场,设定检出阈值,检出折射率大于阈值的区域,此区域即为扰动区位置;
所述步骤9)的具体方法为:根据步骤8)得到的扰动区位置,以及大气扰动是运动目标固有特性和强扰动区与运动目标一定同时同地存在的特性,检出的扰动区位置即为运动目标的位置;
所述步骤10)的具体方法为:根据步骤6)泊松方程求解结果,结合折射率与密度关系公式格拉司通-戴尔公式,对流场密度进行反演,得到流场密度反演结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911096413.3A CN110992399B (zh) | 2019-11-11 | 2019-11-11 | 一种高精度目标大气扰动检出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911096413.3A CN110992399B (zh) | 2019-11-11 | 2019-11-11 | 一种高精度目标大气扰动检出方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110992399A CN110992399A (zh) | 2020-04-10 |
CN110992399B true CN110992399B (zh) | 2023-06-06 |
Family
ID=70083679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911096413.3A Active CN110992399B (zh) | 2019-11-11 | 2019-11-11 | 一种高精度目标大气扰动检出方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110992399B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111929702B (zh) * | 2020-09-23 | 2020-12-25 | 中国人民解放军国防科技大学 | 空中目标大气扰动变分辨率探测方法、存储介质和系统 |
CN112685852B (zh) * | 2020-12-22 | 2021-12-17 | 中国船舶重工集团公司第七0三研究所 | 一种轴流压气机负荷定制化气动优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793924A (zh) * | 2014-01-28 | 2014-05-14 | 河海大学 | 一种基于fht-cc的流场图像自适应运动矢量估计方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2870821B1 (fr) * | 2004-05-25 | 2007-08-17 | Airbus France Sas | Aeronef comprenant un dispositif de detection et/ou de mesure de perturbations atmospheriques |
CN102721967A (zh) * | 2012-06-21 | 2012-10-10 | 中国人民解放军电子工程学院 | 基于风场扰动类型的空中目标发现方法 |
CN109996080B (zh) * | 2017-12-31 | 2023-01-06 | 华为技术有限公司 | 图像的预测方法、装置及编解码器 |
DE102018202223A1 (de) * | 2018-02-14 | 2019-08-14 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Bereitstellen einer Integritätsinformation zum Überprüfen von Atmosphärenkorrekturparametern zur Korrektur atmosphärischer Störungen bei einer Satellitennavigation für ein Fahrzeug |
-
2019
- 2019-11-11 CN CN201911096413.3A patent/CN110992399B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793924A (zh) * | 2014-01-28 | 2014-05-14 | 河海大学 | 一种基于fht-cc的流场图像自适应运动矢量估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110992399A (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Opromolla et al. | Uncooperative pose estimation with a LIDAR-based system | |
CN109272537B (zh) | 一种基于结构光的全景点云配准方法 | |
Schanz et al. | Non-uniform optical transfer functions in particle imaging: calibration and application to tomographic reconstruction | |
CN100504299C (zh) | 一种空间非合作物体三维信息的获取方法 | |
CN110992399B (zh) | 一种高精度目标大气扰动检出方法 | |
Heineck et al. | Background oriented schlieren (BOS) of a supersonic aircraft in flight | |
CN107782288B (zh) | 基于背景纹影成像的大气扰动式光学监测飞行器的方法 | |
CN108645416B (zh) | 基于视觉测量系统的非合作目标相对导航仿真验证方法 | |
CN113066162B (zh) | 一种用于电磁计算的城市环境快速建模方法 | |
Wang et al. | The trajectory prediction of spacecraft by grey method | |
CN104748696A (zh) | 一种大倾角机翼全场变形测量方法 | |
Schmidt et al. | Wavelet-based optical flow analysis for background-oriented schlieren image processing | |
CN113761646B (zh) | 一种用于移动风场环境中飞行器动响应的确定方法 | |
CN111125869A (zh) | 一种动目标大气扰动特性仿真方法 | |
Gong et al. | Horn–Schunck optical flow applied to deformation measurement of a birdlike airfoil | |
CN105631100B (zh) | 水场景目标红外尾迹特性的流体模拟方法 | |
McQueen et al. | The double backward-facing step: interaction of multiple separated flow regions | |
Rabinovitch et al. | Full-scale supersonic parachute shape reconstruction using three-dimensional stereo imagery | |
CN116202487A (zh) | 一种基于三维建模的实时目标姿态测量方法 | |
Cho et al. | Real-time 3D reconstruction method using massive multi-sensor data analysis and fusion | |
Zohdi | A voxel-based machine-learning framework for thermo-fluidic identification of unknown objects | |
JP2799048B2 (ja) | 3次元空間内の物体軌跡の表示方法 | |
Yu et al. | 3D imaging application in the studies of micro air vehicles | |
Knyaz et al. | Optical 3d measurements in hydrodynamic tunnel for aircraft icing study | |
Schairer et al. | Predicting camera views for image-based measurements in wind tunnels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |