CN111275056B - 用于计算目标脱靶量的目标识别软件系统及目标识别系统 - Google Patents
用于计算目标脱靶量的目标识别软件系统及目标识别系统 Download PDFInfo
- Publication number
- CN111275056B CN111275056B CN202010087964.XA CN202010087964A CN111275056B CN 111275056 B CN111275056 B CN 111275056B CN 202010087964 A CN202010087964 A CN 202010087964A CN 111275056 B CN111275056 B CN 111275056B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- contrast
- miss distance
- matching
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于计算目标脱靶量的目标识别软件系统及目标识别系统,属于技术领域。一种用于计算目标脱靶量的目标识别软件系统,是将采集的图像数据通过如下过程进行处理:第一步,底层图像预处理:图像做中值滤波后,并形成图像的直方图统计;第二步,中层目标特征提取:按照图像灰度的对比度特征分成高、低两个结果;第三步,顶层目标匹配和定位:在中层目标特征提取后,对于弱对比度图像,采用模糊熵阈值分割技术搜索目标点,并计算出目标的脱靶量;对于高对比度图像,算法将继续SIFT特征提取及匹配后搜索目标点,并计算出目标的脱靶量。同时提供了目标识别系统。本申请的技术方案具有设计的流程合理、结果精确、节约时间的优点。
Description
技术领域
本发明涉及一种用于计算目标脱靶量的目标识别软件系统及目标识别系统,属于目标识别技术领域。
背景技术
惯性导航是飞机常用的导航方式,也称为惯性系统,惯导系统的基本工作原理是对惯性器件测得的载体角速度、加速度进行积分运算以得到载体的运动参数信息。在惯导系统工作前必须确定载体的初始姿态、速度等信息,这就是初始对准的过程。初始对准的速度和精度,是惯导系统的重要技术指标。
对于机载惯导,初始对准的快慢直接影响飞机出动的反应速度。通常情况下,飞机的惯导需要在飞机静止的时候完成初始对准,即静基座对准。静基座对准的基本原理是利用陀螺仪敏感地球自转角速度,进行对准解算。静基座对准的速度较慢,惯导系统的高精度陀螺仪启动时需要一段时间预热,并且由于载体静止,其方位角的可观测性较差,误差收敛较慢。通常飞机精对准的对准时间需要15分钟左右,若缩短对准时间,即采用“快对准”的方法,则精度较低,只能达到0.05°左右的对准精度,严重影响机载惯导系统的使用性能。
在岸基飞机静基座对准条件下,惯导系统的加速度计受到的干扰很小,在此情况下俯仰和滚转角可以通过加速度计直接观测,从而较快地实现俯仰和滚转角对准,而方位角的对准较慢,需要外部装置进行辅助。因此发明人设想了一种适用于岸基飞机快速对准的光学测量装置总体设计方案,对载机航向角进行快速测量,以辅助惯导系统对准。该系统结构简单,不需在飞机上增添复杂的设备,即可满足飞机快速对准的精度需求,提高飞机的出动反应速度。在本系统中,需要利用光学相机对目标进行图像采集,并对采集的图像进行处理;因此如何设计一套合理的图像处理系统,是研究的一个重点问题。该图像处理系统要解决的问题是,如何通过图像采集来判断是否捕获目标;以及是如何提高对图片的处理速度的问题。
发明内容
本发明针对如何根据收集的图像进行目标识别的问题,提供一种用于计算目标脱靶量的目标识别软件系统及目标识别系统。
本发明解决上述技术问题的技术方案如下:一种用于计算目标脱靶量的目标识别软件系统,其特征在于,是将采集的图像数据通过如下过程进行处理:
第一步,底层图像预处理:图像做中值滤波后,并形成图像的直方图统计,底层图像预处理的底层算法是通过FPGA完成;
第二步,中层目标特征提取:将直方图统计中按照图像灰度的对比度特征分成高、低两个结果:
确定一个阙值:通过读取图像的像素值,以平均值为对比度阈值,或者根据经验设定一个对比度阈值;
小于对比度阈值时,判定为图像对比度较低,即目标的轮廓、纹理等特征都不会十分明显,此时系统采用低对比度目标跟踪技术,算法进入中层的图像灰度拉伸程序,形成弱对比度图像;
大于对比度阈值的进入SIFT特征匹配程序,判定图像的对比度为高,即图像中目标的所有特征都十分明显,此时系统采用定位精度高的SIFT特征匹配来跟踪目标,算法将进入SIFT特征点提取程序,形成高对比度图像;
第三步,顶层目标匹配和定位:在中层目标特征提取后,对于弱对比度图像,采用模糊熵阈值分割技术搜索目标点,并计算出目标的脱靶量;对于高对比度图像,算法将继续SIFT特征提取及匹配后搜索目标点,并计算出目标的脱靶量。
在此脱靶量定义为当目标点出现在视场内时,目标点在图像坐标系中脱离坐标原点的距离。
图像识别误差对不同目标略有差别,这里按照激光光斑靶标测量结果进行分析验证。使用焦距值大约为100mm的镜头,黑白可见相机采集,激光照射距离1500m左右的目标,成像大小为2×2像素;同时可以建立像素坐标系。
在上述技术方案的基础上,本发明为了达到使用的方便以及装备的稳定性,还可以对上述的技术方案作出如下的改进:
进一步,根据顶层目标匹配和定位中计算出的目标的脱靶量判断是否捕获目标,判断为是则运行结束,当判断为否则重复搜索目标点后计算出目标的脱靶量,然后重复判断是否捕获目标。
还公开了一种用于计算目标脱靶量的目标识别系统,其特征在于,包括采集图像数据模块、底层图像预处理模块、中层目标特征提取模块、顶层目标匹配与定位模块;
所述的采集图像数据模块采集数据图像,并将图像传输给底层图像预处理模块;
底层图像预处理模块:图像做中值滤波后,并形成图像的直方图统计,底层图像预处理的底层算法是通过FPGA完成;
中层目标特征提取模块:将直方图统计中按照图像灰度的对比度特征分成高、低两个结果:当图像对比度为低时,即目标的轮廓、纹理等特征都不会十分明显,此时系统采用低对比度目标跟踪技术,算法进入中层的图像灰度拉伸程序,形成弱对比度图像;当图像的对比度为高时,即图像中目标的所有特征都十分明显,此时系统采用定位精度高的SIFT特征匹配来跟踪目标,算法将进入SIFT特征点提取程序;
顶层目标匹配和定位模块:在中层目标特征提取后,对于弱对比度图像,采用模糊熵阈值分割技术搜索目标点,并计算出目标的脱靶量;对于高对比度图像,算法将继续SIFT特征提取及匹配后搜索目标点,并计算出目标的脱靶量;根据计算出的目标的脱靶量判断是否捕获目标,判断为是则运行结束,当判断为否则重复搜索目标点后计算出目标的脱靶量,然后重复判断是否捕获目标。
本发明的优点在于:本申请通过在底层图像预处理中生成直方图,而后根据图像灰度的高低,在中层目标特征提取中对低图像灰度的图像采用图像灰度拉伸程序处理,对高图像灰度的图像采用SIFT特征点提取程序处理,在顶层目标匹配和定位中计算出目标脱靶量;设计的流程合理,结果精确,节约时间。
附图说明
图1为目标识别跟踪系统处理流程图;
图2为激光光斑图像坐标分布图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
一种用于计算目标脱靶量的目标识别软件系统(参见图1),是将采集的图像数据通过如下过程进行处理:
第一步,底层图像预处理:图像做中值滤波后,并形成图像的直方图统计,底层图像预处理的底层算法是通过FPGA完成;
第二步,中层目标特征提取:将直方图统计中按照图像灰度的对比度特征分成高、低两个结果:
确定一个阙值(参见图2):通过读取图像的像素值,以平均值为对比度阈值;或者根据经验设定一个对比度阈值;
例如,使用焦距值大约为100mm的镜头,黑白可见相机采集,激光照射距离1500m左右的目标,成像大小为2×2像素;获得如图2所述的坐标系,根据拍摄的光斑求出平均值如下表:
序号 | X轴 | Y轴 |
平均值(像素数) | 19.5 | 51.6 |
精度(像素数) | 1.07 | 1.69 |
小于对比度阈值时,判定为图像对比度较低,即目标的轮廓、纹理等特征都不会十分明显,此时系统采用低对比度目标跟踪技术,算法进入中层的图像灰度拉伸程序,形成弱对比度图像;
大于对比度阈值的进入SIFT特征匹配程序,判定图像的对比度为高,即图像中目标的所有特征都十分明显,此时系统采用定位精度高的SIFT特征匹配来跟踪目标,算法将进入SIFT特征点提取程序,形成高对比度图像;
第三步,顶层目标匹配和定位:在中层目标特征提取后,对于弱对比度图像,采用模糊熵阈值分割技术搜索目标点,并计算出目标的脱靶量;对于高对比度图像,算法将继续SIFT特征提取及匹配后搜索目标点,并计算出目标的脱靶量;
根据顶层目标匹配和定位中计算出的目标的脱靶量判断是否捕获目标,判断为是则运行结束,当判断为否则重复搜索目标点后计算出目标的脱靶量,然后重复判断是否捕获目标。是否捕获目标以目标点距离原点的距离与设定的距离比较进行判断,大于则未捕获,小于或等于则捕获。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种用于计算目标脱靶量的目标识别软件系统,该系统其特征在于,是将采集的图像数据通过如下过程进行处理:
第一步,底层图像预处理:图像做中值滤波后,并形成图像的直方图统计,底层图像预处理的底层算法是通过FPGA完成;
第二步,中层目标特征提取:将直方图统计中按照图像灰度的对比度特征分成高、低两个结果:
确定一个阙值:通过读取图像的像素值,以平均值为对比度阈值;或者根据经验设定一个对比度阈值;
小于对比度阈值时,判定为图像对比度较低,即目标的轮廓、纹理等特征都不会十分明显,此时系统采用低对比度目标跟踪技术,算法进入中层的图像灰度拉伸程序,形成弱对比度图像;
大于对比度阈值的进入SIFT特征匹配程序,判定图像的对比度为高,即图像中目标的所有特征都十分明显,此时系统采用定位精度高的SIFT特征匹配来跟踪目标,算法将进入SIFT特征点提取程序,形成高对比度图像;
第三步,顶层目标匹配和定位:在中层目标特征提取后,对于弱对比度图像,采用模糊熵阈值分割技术搜索目标点,并计算出目标的脱靶量;对于高对比度图像,算法将继续SIFT特征提取及匹配后搜索目标点,并计算出目标的脱靶量。
2.根据权利要求1所述的用于计算目标脱靶量的目标识别软件系统,其特征在于,根据顶层目标匹配和定位中计算出的目标的脱靶量判断是否捕获目标,判断为是则运行结束,当判断为否则重复搜索目标点后计算出目标的脱靶量,然后重复判断是否捕获目标。
3.一种用于计算目标脱靶量的目标识别系统,其特征在于,包括采集图像数据模块、底层图像预处理模块、中层目标特征提取模块、顶层目标匹配与定位模块;
所述的采集图像数据模块采集数据图像,并将图像传输给底层图像预处理模块;
底层图像预处理模块:图像做中值滤波后,并形成图像的直方图统计,底层图像预处理的底层算法是通过FPGA完成;
中层目标特征提取模块:将直方图统计中按照图像灰度的对比度特征分成高、低两个结果:
确定一个阙值:通过读取图像的像素值,以平均值为对比度阈值,或者根据经验设定一个对比度阈值;
小于对比度阈值时,判定为图像对比度较低,即目标的轮廓、纹理等特征都不会十分明显,此时系统采用低对比度目标跟踪技术,算法进入中层的图像灰度拉伸程序,形成弱对比度图像;
大于对比度阈值的进入SIFT特征匹配程序,判定图像的对比度为高,即图像中目标的所有特征都十分明显,此时系统采用定位精度高的SIFT特征匹配来跟踪目标,算法将进入SIFT特征点提取程序,形成高对比度图像;
顶层目标匹配和定位模块:在中层目标特征提取后,对于弱对比度图像,采用模糊熵阈值分割技术搜索目标点,并计算出目标的脱靶量;对于高对比度图像,算法将继续SIFT特征提取及匹配后搜索目标点,并计算出目标的脱靶量;根据计算出的目标的脱靶量判断是否捕获目标,判断为是则运行结束,当判断为否则重复搜索目标点后计算出目标的脱靶量,然后重复判断是否捕获目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010087964.XA CN111275056B (zh) | 2020-02-12 | 2020-02-12 | 用于计算目标脱靶量的目标识别软件系统及目标识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010087964.XA CN111275056B (zh) | 2020-02-12 | 2020-02-12 | 用于计算目标脱靶量的目标识别软件系统及目标识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275056A CN111275056A (zh) | 2020-06-12 |
CN111275056B true CN111275056B (zh) | 2022-10-21 |
Family
ID=70999322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010087964.XA Active CN111275056B (zh) | 2020-02-12 | 2020-02-12 | 用于计算目标脱靶量的目标识别软件系统及目标识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275056B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102332165B (zh) * | 2011-09-15 | 2013-08-21 | 中国科学院长春光学精密机械与物理研究所 | 复杂背景下动目标或弱小目标的实时鲁棒跟踪装置 |
JP6656129B2 (ja) * | 2016-09-28 | 2020-03-04 | 日立オートモティブシステムズ株式会社 | 画像処理装置、撮像装置 |
CN108161938A (zh) * | 2017-12-27 | 2018-06-15 | 华南智能机器人创新研究院 | 一种机器人中的视觉跟踪方法及系统 |
CN109991900B (zh) * | 2019-04-03 | 2021-11-30 | 中国科学院国家天文台长春人造卫星观测站 | 嵌入式导星处理系统 |
-
2020
- 2020-02-12 CN CN202010087964.XA patent/CN111275056B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111275056A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529587B (zh) | 基于目标点识别的视觉航向识别方法 | |
CN103697855B (zh) | 一种基于海天线检测的船体水平姿态测量方法 | |
CN103149939A (zh) | 一种基于视觉的无人机动态目标跟踪与定位方法 | |
CN109341686B (zh) | 一种基于视觉-惯性紧耦合的飞行器着陆位姿估计方法 | |
CN106127145A (zh) | 瞳孔定位及跟踪方法 | |
CN114549549B (zh) | 一种动态环境下基于实例分割的动态目标建模跟踪方法 | |
CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
CN115760893A (zh) | 一种基于核相关滤波算法的单雾滴粒径和速度测量方法 | |
CN113740864B (zh) | 基于激光三维点云的探测器软着陆末段自主位姿估计方法 | |
CN112862862B (zh) | 基于人工智能视觉跟踪的飞机自主受油装置及应用方法 | |
CN111275056B (zh) | 用于计算目标脱靶量的目标识别软件系统及目标识别系统 | |
CN117496401A (zh) | 一种用于视频测量影像序列椭圆形目标点全自动识别与跟踪方法 | |
CN104484647A (zh) | 一种高分辨率遥感图像云高度检测方法 | |
CN117095315A (zh) | 一种高精度溢洪道底板混凝土结构表面裂缝特征检测方法 | |
CN116929352A (zh) | 一种基于半球谐振陀螺的隧道线型检测方法及系统 | |
CN116295363A (zh) | 一种星点快速提取与高精度定位方法 | |
CN111539278A (zh) | 一种用于目标车辆的检测方法及系统 | |
CN113655806B (zh) | 一种无人机群辅助降落方法 | |
CN111340849A (zh) | 一种目标追踪以及目标脱靶量计算软件系统及软件产品 | |
CN113436276B (zh) | 基于视觉相对定位的多无人机编队方法 | |
CN112789571A (zh) | 无人机降落方法、装置及无人机 | |
CN111738082A (zh) | 基于机器视觉自动跟踪定位火灾火源点的识别方法和装置 | |
殷宗琨 et al. | Research on point cloud segmentation and measurement based on 2D preprocessing | |
CN117115598B (zh) | 一种视觉线特征提取精度评价方法 | |
CN112198884A (zh) | 基于视觉引导的无人机移动平台降落方法 |
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 |