CN112395775A - 一种战斗部破片飞散参数计算方法 - Google Patents
一种战斗部破片飞散参数计算方法 Download PDFInfo
- Publication number
- CN112395775A CN112395775A CN202011399470.1A CN202011399470A CN112395775A CN 112395775 A CN112395775 A CN 112395775A CN 202011399470 A CN202011399470 A CN 202011399470A CN 112395775 A CN112395775 A CN 112395775A
- Authority
- CN
- China
- Prior art keywords
- fragment
- region
- warhead
- coordinate system
- target plate
- 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.)
- Granted
Links
- 239000012634 fragment Substances 0.000 title claims abstract description 113
- 238000004364 calculation method Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000004880 explosion Methods 0.000 claims description 7
- FPIGOBKNDYAZTP-UHFFFAOYSA-N 1,2-epoxy-3-(4-nitrophenoxy)propane Chemical compound C1=CC([N+](=O)[O-])=CC=C1OCC1OC1 FPIGOBKNDYAZTP-UHFFFAOYSA-N 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 238000004080 punching Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06T2207/10012—Stereo images
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种战斗部破片飞散参数计算方法,属于计算机视觉领域,战斗部爆炸后,对每块等效靶板标序号,标出等效靶板对称轴与等效靶板的交点位置;利用数码相机拍摄相邻图像重叠区域为50%以上等效靶板序列图像;利用无线传输网络实时将图片传输到工作站;基于最大稳定极值区域,提取等效靶板上包含破片穿孔区域的显著特征;利用特征描述子进行显著特征匹配;对匹配的显著特征位置进行同时定位与建图;根据破片穿孔区域特征,分类提取破片穿孔三维坐标;根据重建的交点标记位置,以及布靶参数,建立爆心坐标系;基于坐标系转换,计算相对于爆心坐标系破片穿孔飞散参数。该方法可以准确地自动分类并计算破片飞散参数。
Description
技术领域
本发明属于计算机视觉领域,具体涉及一种战斗部破片飞散参数计算方法。
背景技术
杀爆战斗部的破片场是对目标形成杀伤的关键毁伤元,破片场中的破片飞散角、破片飞散方向角,以及破片分布密度等参数对战斗部的作战效能评估有着重要影响。因破片场形状近似为球形,爆炸前,在靶场上距离爆炸中心一定距离处布置矩形、L型或球型的等效靶板,爆炸后,对破片场击中的等效靶板进行测试,计算出破片飞散参数。目前,主要采用人工划刻线分区、数破片穿孔统计,依据标准计算破片飞散参数等方法。这些方法是对单块等效靶板分别进行统计,不保存破片穿孔的具体位置图片信息,从而影响后续飞散参数计算准确性的核查。同时,基于破片穿孔面积对多种类型破片穿孔进行分类统计,人工判断统计的主观性影响破片分类结果,有必要研究一种准确自动分类的破片飞散参数计算方法。
基于等效靶板位置姿态未变的情况下计算破片飞散参数,发明了一种战斗部静爆场准确自动分类的破片飞散参数计算方法,该计算方法可以根据破片穿孔的位置以及面积信息,准确地自动分类并计算破片飞散参数。
发明内容
为了克服上述现有技术存在的不足,本发明提供了一种战斗部破片飞散参数计算方法。
为了准确地自动分类计算破片飞散参数,本发明提出了一种战斗部破片飞散参数计算方法。通过标出等效靶板对称轴与等效靶板交点位置,建立战斗部爆心坐标系;基于最大稳定极值区域,提取了等效靶板上包含破片穿孔区域的显著特征;利用特征描述子,结合预测的单应矩阵或位姿的特征分布,以及RANSAC策略,增强了特征匹配的鲁棒性;结合先验的坐标相对位置信息,基于SFM、EPNP和BA优化算法进行同时定位与建图,准确地对匹配的显著特征位置进行了三维重建;根据破片穿孔区域特征,分类提取破片穿孔三维坐标。
利用拍摄的战斗部爆炸后序列图像,战斗部破片飞散参数计算方法详细步骤如下:
步骤1、战斗部爆炸后,对每块等效靶板标序号,标出等效靶板对称轴与等效靶板交点的位置;
步骤2、利用数码相机拍摄相邻图像重叠区域为50%以上等效靶板序列图片,破片穿孔区域相机以不同的位姿拍摄3次及以上;
步骤3、利用无线传输网络实时将等效靶板序列图像传输到工作站;
步骤4、基于阈值i=0,...,255分别分割等效靶板序列图像In,n=1,...,k,得到阈值分割图像gn:
根据阈值分割图像gn中目标连通区域的比率值,提取等效靶板序列图像中具有最大稳定极值区域的破片穿孔;
步骤5、基于破片穿孔对破片穿孔的局部区域特征描述子进行区域匹配;
步骤6、结合先验的坐标相对位置信息,基于SFM、EPNP、BA优化算法,对匹配的破片穿孔区域位置进行同时定位与建图;
步骤7、根据破片穿孔区域的形状和面积特征,分类提取最大稳定极值区域中的破片穿孔区域位置;
步骤8、根据重建的交点标记位置,以及布靶参数,建立战斗部爆心坐标系,对破片穿孔区域位置中心的三维坐标进行坐标系转换;
步骤9、根据战斗部放置方式,建立战斗部飞散参数计算坐标系,计算破片穿孔相对于爆心坐标系的飞散角、飞散方向角和球面分布密度等飞散参数。
优选地,所述步骤4中,
根据连通区域Qratio的比率值,确定Qi在变化范围为2Δ内的最大稳定极值区域
其中,Qi表示阈值为i时连通区域大小,Δ为阈值的变化值。
优选地,所述步骤5具体包括:
步骤5.1、基于几何矩对提取的破片穿孔进行椭圆拟合,得到椭圆长短半轴a、b及主轴方向角度θ,按照角度参数θ进行方向旋转至水平,并按照半轴参数a、b对椭圆进行圆形归一化;
步骤5.2、利用sobel梯度算子,对该归一化圆形破片穿孔进行卷积,得到在x和y方向上的梯度Ix和Iy,计算每个像素点处的幅值M(x,y)和梯度方向θ(x,y)为:
步骤5.3、将梯度方向θ(x,y)在范围0°-360°内分成12个统计区域,每个区域为30°,根据归一化圆形破片穿孔区域中每个像素点的梯度方向,利用双线性内插法将其幅值累加到统计直方图中;将统计直方图的数据按照顺序组合成一个含有12个特征值的一维向量,得到HOG算子构建的局部区域特征描述子f;
步骤5.4、然后对于初始两帧图像,利用预测的单应矩阵H3×3,计算第一帧图像的局部区域特征描述子在第二帧图像的位置和分布;对于后续帧图像,利用预测的拍摄位姿矩阵P3×4,计算重建的三维点M(X,Y,Z,1)在后续帧In(xn,yn,kn)的位置和分布;
最后利用RANSAC策略,结合根据计算出最小化的欧氏距离对破片穿孔的局部区域特征描述子进行区域匹配。
优选地,所述步骤5.3具体包括:
步骤5.3.1、构造特征描述子
图像I(x,y)最大稳定极值区域面积为S,根据矩理论,其p+q的几何矩mpq为
p为x的阶数,q为y的阶数;
则p+q的中心矩为:
其中,m00=∫∫I(x,y)dxdy,m01=∫∫yI(x,y)dxdy,m10=∫∫xI(x,y)dxdy;
对最大稳定极值区域拟合的椭圆长短半轴a和b、角度参数θ分别为:
u02是式(6)upq中p=0,q=2的值;u20是式(6)upq中p=2,q=0的值,u11是式(6)upq中p=1,q=1的值;
按照角度参数θ进行方向旋转至水平,对椭圆进行圆形归一化,采用HOG算子构建局部区域特征描述子f;
步骤5.3.2、对于初始两帧图像,根据预测的单应矩阵H3×3,计算图像I1(x1,y1)中的最大稳定极值区域特征点在图像I2(x2,y2)中的位置和分布:
(x2,y2)=H3×3(x1,y1) (10)
步骤5.3.3、对于后续帧图像,预测拍摄位姿矩阵P3×4,计算重建的三维点M(X,Y,Z,1)在后续帧In(xn,yn,kn)的位置和分布:
(xn,yn,kn)=P3×4(X,Y,Z,1) (11)
步骤5.4、采用RANSAC策略,对区域特征描述子进行匹配;
fij=arg min||fi-fj||2 (12)
fi表示第i帧的某一区域特征描述子,fj表示第j帧的某一区域特征描述子。
优选地,所述步骤6具体包括:
步骤6.1、对初始两帧图像I1(x1,y1)和I2(x2,y2),采用SFM算法进行初始三维建图,并估计拍摄的相机位姿;
计算基本矩阵F:
如果相机内参数矩阵为K,然后计算本质矩阵:
E=K′TFK (14)
对本质矩阵进行SVD分解,得到两相机位姿之间的关系R和T;
步骤6.2、对于后续帧图像,利用已经重建的三维点,通过PCA选择4个控制点,建立新的局部坐标系,从而将三维点坐标用新的控制点表示出来;再利用相机投影模型和当前帧的二维点坐标,转换到相机坐标系中;然后在相机坐标系中建立和世界坐标系同样关系的4个控制点,求解出相机坐标系下的四个控制点的坐标;最后利用ICP求解当前帧相机的位姿R和T;
步骤6.3、利用两相机之间的位姿关系,对匹配区域位置点X进行三维重建:
步骤6.4、最后通过重投影误差最小化,利用BA优化Ri和Ti、Xj
wij表示第i帧图像中第j个特征点的权重,qij表示第i帧图像中第j个特征点的位置坐标,Xj为其对应的空间三维坐标,Ci为Xj相对于第i帧图像的旋转平移关系和相机在第i帧图像中的投影矩阵,P表示变换函数。
优选地,所述步骤7具体包括:
步骤7.1、基于形状特征去除不是破片穿孔的稳定极值区域;
步骤7.2、根据极大稳定极值区域的面积,对破片穿孔进行分类。
优选地,所述步骤9具体包括:
步骤9.1、选择战斗部放置方式:立式放置或卧式放置;
步骤9.2、建立战斗部飞散参数计算坐标系,如果为立式放置,以战斗部轴线向上为正航向xx,如果为卧式放置,以战斗部轴线向左为正航向xx;
步骤9.3、计算破片的航向角:如果为卧式放置,破片的三维坐标为(X,Y,Z),其航向角为:
θ=arc tan(Y/X) (17)
如果为卧式放置,其航向角为:
θ=arc tan(Z/X) (18)
步骤9.4、以正航向X顺时针旋转,统计5%破片穿孔总数扫描对应的航向角θ1,统计50%破片穿孔总数扫描对应的航向角θ2,以及统计95%破片穿孔总数扫描对应的航向角θ3;
步骤9.5、飞散参数计算:破片飞散角为:
Ω=θ3-θ1 (19)
破片飞散方向角为:
ψ=90°-θ2 (20)
本发明提供的一种战斗部破片飞散参数计算方法具有以下有益效果:
本发明特征在于基于标出等效靶板对称轴与等效靶板交点的位置,建立战斗部爆心坐标系;
本发明特征在于基于最大稳定极值区域,提取等效靶板上包含破片穿孔区域的显著特征;
本发明特征在于利用特征描述子,结合单应矩阵或位姿预测的特征分布,以及RANSAC策略,增强了特征匹配的鲁棒性;
本发明特征在于结合先验的坐标相对位置信息,基于SFM、EPNP、BA优化同时定位与建图的算法,准确地对显著特征位置进行三维重建;
本发明特征在于根据破片穿孔区域特征,有效分类提取破片穿孔区域。
附图说明
为了更清楚地说明本发明实施例及其设计方案,下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例,对于本领域普通技术人员来说,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1的一种战斗部破片飞散参数计算方法的流程图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施,下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
本发明提供了一种战斗部破片飞散参数计算方法,具体如图1所示,步骤1、战斗部爆炸后,对每块等效靶板标序号,标出等效靶板对称轴与等效靶板交点的位置;
步骤2、利用数码相机拍摄相邻图像重叠区域为50%以上等效靶板序列图片,破片穿孔区域相机以不同的位姿拍摄3次及以上;
步骤3、利用无线传输网络实时将等效靶板序列图像传输到工作站;
步骤4、基于阈值i=0,...,255分别分割等效靶板序列图像In,n=1,...,k,得到阈值分割图像gn:
根据阈值分割图像gn中目标连通区域的比率值,提取等效靶板序列图像中具有最大稳定极值区域的破片穿孔;
其中,根据连通区域Qratio的比率值,确定Qi在变化范围为2Δ内的最大稳定极值区域
其中,Qi表示阈值为i时连通区域大小,Δ为阈值的变化值;
步骤5、基于破片穿孔对破片穿孔的局部区域特征描述子进行区域匹配;
本实施例中,步骤5具体包括:
步骤5.1、基于几何矩对提取的破片穿孔进行椭圆拟合,得到椭圆长短半轴a、b及主轴方向角度θ,按照角度参数θ进行方向旋转至水平,并按照半轴参数a、b对椭圆进行圆形归一化;
步骤5.2、利用sobel梯度算子,对该归一化圆形破片穿孔进行卷积,得到在x和y方向上的梯度Ix和Iy,计算每个像素点处的幅值M(x,y)和梯度方向θ(x,y)为:
步骤5.3、将梯度方向θ(x,y)在范围0°-360°内分成12个统计区域,每个区域为30°,根据归一化圆形破片穿孔区域中每个像素点的梯度方向,利用双线性内插法将其幅值累加到统计直方图中;将统计直方图的数据按照顺序组合成一个含有12个特征值的一维向量,得到HOG算子构建的局部区域特征描述子f;
步骤5.4、然后对于初始两帧图像,利用预测的单应矩阵H3×3,计算第一帧图像的局部区域特征描述子在第二帧图像的位置和分布;对于后续帧图像,利用预测的拍摄位姿矩阵P3×4,计算重建的三维点M(X,Y,Z,1)在后续帧In(xn,yn,kn)的位置和分布;
最后利用RANSAC策略,结合根据计算出最小化的欧氏距离对破片穿孔的局部区域特征描述子进行区域匹配。
进一步地,步骤5.3具体包括:
步骤5.3.1、构造特征描述子
图像I(x,y)最大稳定极值区域面积为S,根据矩理论,其p+q的几何矩mpq为
p为x的阶数,q为y的阶数;
则p+q的中心矩为:
其中,m00=∫∫I(x,y)dxdy,m01=∫∫yI(x,y)dxdy,m10=∫∫xI(x,y)dxdy;
对最大稳定极值区域拟合的椭圆长短半轴a和b、角度参数θ分别为:
u02是式(6)upq中p=0,q=2的值;u20是式(6)upq中p=2,q=0的值,u11是式(6)upq中p=1,q=1的值;
按照角度参数θ进行方向旋转至水平,对椭圆进行圆形归一化,采用HOG算子构建局部区域特征描述子f;
步骤5.3.2、对于初始两帧图像,根据预测的单应矩阵H3×3,计算图像I1(x1,y1)中的最大稳定极值区域特征点在图像I2(x2,y2)中的位置和分布:
(x2,y2)=H3×3(x1,y1) (10)
步骤5.3.3、对于后续帧图像,预测拍摄位姿矩阵P3×4,计算重建的三维点M(X,Y,Z,1)在后续帧In(xn,yn,kn)的位置和分布:
(xn,yn,kn)=P3×4(X,Y,Z,1) (11)
步骤5.4、采用RANSAC策略,对区域特征描述子进行匹配;
fij=arg min||fi-fj||2 (12)
fi表示第i帧的某一区域特征描述子,fj表示第j帧的某一区域特征描述子;
步骤6、结合先验的坐标相对位置信息,基于SFM、EPNP、BA优化算法,对匹配的破片穿孔区域位置进行同时定位与建图;
本实施例中,步骤6具体包括:
步骤6.1、对初始两帧图像I1(x1,y1)和I2(x2,y2),采用SFM算法进行初始三维建图,并估计拍摄的相机位姿;
计算基本矩阵F:
如果相机内参数矩阵为K,然后计算本质矩阵:
E=K′TFK (14)
对本质矩阵进行SVD分解,得到两相机位姿之间的关系R和T;
步骤6.2、对于后续帧图像,利用已经重建的三维点,通过PCA选择4个控制点,建立新的局部坐标系,从而将三维点坐标用新的控制点表示出来;再利用相机投影模型和当前帧的二维点坐标,转换到相机坐标系中;然后在相机坐标系中建立和世界坐标系同样关系的4个控制点,求解出相机坐标系下的四个控制点的坐标;最后利用ICP求解当前帧相机的位姿R和T;
步骤6.3、利用两相机之间的位姿关系,对匹配区域位置点X进行三维重建:
步骤6.4、最后通过重投影误差最小化,利用BA优化Ri和Ti、Xj
wij表示第i帧图像中第j个特征点的权重,qij表示第i帧图像中第j个特征点的位置坐标,Xj为其对应的空间三维坐标,Ci为Xj相对于第i帧图像的旋转平移关系和相机在第i帧图像中的投影矩阵,P表示变换函数;
步骤7、根据破片穿孔区域的形状和面积特征,分类提取最大稳定极值区域中的破片穿孔区域位置;
本实施例中,步骤7具体包括:
步骤7.1、基于形状特征去除不是破片穿孔的稳定极值区域;
步骤7.2、根据极大稳定极值区域的面积,对破片穿孔进行分类;
步骤8、根据重建的交点标记位置,以及布靶参数,建立战斗部爆心坐标系,对破片穿孔区域位置中心的三维坐标进行坐标系转换;
步骤9、根据战斗部放置方式,建立战斗部飞散参数计算坐标系,计算破片穿孔相对于爆心坐标系的飞散角、飞散方向角和球面分布密度等飞散参数。
本实施例中,步骤9具体包括:
步骤9.1、选择战斗部放置方式:立式放置或卧式放置;
步骤9.2、建立战斗部飞散参数计算坐标系,如果为立式放置,以战斗部轴线向上为正航向xx,如果为卧式放置,以战斗部轴线向左为正航向xx;
步骤9.3、计算破片的航向角:如果为卧式放置,破片的三维坐标为(X,Y,Z),其航向角为:
θ=arc tan(Y/X) (17)
如果为卧式放置,其航向角为:
θ=arc tan(Z/X) (18)
步骤9.4、以正航向X顺时针旋转,统计5%破片穿孔总数扫描对应的航向角θ1,统计50%破片穿孔总数扫描对应的航向角θ2,以及统计95%破片穿孔总数扫描对应的航向角θ3;
步骤9.5、飞散参数计算:破片飞散角为:
Ω=θ3-θ1 (19)
破片飞散方向角为:
ψ=90°-θ2 (20)
本发明基于最大稳定极值区域及其特征描述子,结合预测的单应矩阵或拍摄位姿的特征分布,以及RANSAC策略,对等效靶板的显著区域进行了鲁棒检测与匹配;基于SFM、EPNP、BA优化的同时定位与建图技术,对匹配的显著区域位置实时快速地进行了三维重建;根据破片穿孔区域特征,准确自动地实现了破片分类的飞散参数计算。该计算方法可以根据破片穿孔的位置以及面积信息,准确地自动分类并计算破片飞散参数。
以上所述实施例仅为本发明较佳的具体实施方式,本发明的保护范围不限于此,任何熟悉本领域的技术人员在本发明披露的技术范围内,可显而易见地得到的技术方案的简单变化或等效替换,均属于本发明的保护范围。
Claims (7)
1.一种战斗部破片飞散参数计算方法,其特征在于,包括以下步骤如下:
步骤1、战斗部爆炸后,对每块等效靶板标序号,标出等效靶板对称轴与等效靶板交点的位置;
步骤2、利用数码相机拍摄相邻图像重叠区域为50%以上等效靶板序列图片,破片穿孔区域相机以不同的位姿拍摄3次及以上;
步骤3、利用无线传输网络实时将等效靶板序列图像传输到工作站;
步骤4、基于阈值i=0,...,255分别分割等效靶板序列图像In,n=1,...,k,得到阈值分割图像gn:
根据阈值分割图像gn中目标连通区域的比率值,提取等效靶板序列图像中具有最大稳定极值区域的破片穿孔;
步骤5、基于破片穿孔对破片穿孔的局部区域特征描述子进行区域匹配;
步骤6、结合先验的坐标相对位置信息,基于SFM、EPNP、BA优化算法,对匹配的破片穿孔区域位置进行同时定位与建图;
步骤7、根据破片穿孔区域的形状和面积特征,分类提取最大稳定极值区域中的破片穿孔区域位置;
步骤8、根据重建的交点标记位置,以及布靶参数,建立战斗部爆心坐标系,对破片穿孔区域位置中心的三维坐标进行坐标系转换;
步骤9、根据战斗部放置方式,建立战斗部飞散参数计算坐标系,计算破片穿孔相对于爆心坐标系的飞散参数。
3.根据权利要求1所述的战斗部破片飞散参数计算方法,其特征在于,所述步骤5具体包括:
步骤5.1、基于几何矩对提取的破片穿孔进行椭圆拟合,得到椭圆长短半轴a、b及主轴方向角度θ,按照角度参数θ进行方向旋转至水平,并按照半轴参数a、b对椭圆进行圆形归一化;
步骤5.2、利用sobel梯度算子,对该归一化圆形破片穿孔进行卷积,得到在x和y方向上的梯度Ix和Iy,计算每个像素点处的幅值M(x,y)和梯度方向θ(x,y)为:
步骤5.3、将梯度方向θ(x,y)在范围0°-360°内分成12个统计区域,每个区域为30°,根据归一化圆形破片穿孔区域中每个像素点的梯度方向,利用双线性内插法将其幅值累加到统计直方图中;将统计直方图的数据按照顺序组合成一个含有12个特征值的一维向量,得到HOG算子构建的局部区域特征描述子f;
步骤5.4、然后对于初始两帧图像,利用预测的单应矩阵H3×3,计算第一帧图像的局部区域特征描述子在第二帧图像的位置和分布;对于后续帧图像,利用预测的拍摄位姿矩阵P3×4,计算重建的三维点M(X,Y,Z,1)在后续帧In(xn,yn,kn)的位置和分布;
最后利用RANSAC策略,结合根据计算出最小化的欧氏距离对破片穿孔的局部区域特征描述子进行区域匹配。
4.根据权利要求3所述的战斗部破片飞散参数计算方法,其特征在于,所述步骤5.3具体包括:
步骤5.3.1、构造特征描述子
图像I(x,y)最大稳定极值区域面积为s,根据矩理论,其p+q的几何矩mpq为
p为x的阶数,q为y的阶数;
则p+q的中心矩为:
其中,m00=∫∫I(x,y)dxdy,m01=∫∫yI(x,y)dxdy,m10=∫∫χI(x,y)dxdy;
对最大稳定极值区域拟合的椭圆长短半轴a和b、角度参数θ分别为:
u02是式(6)upq中p=0,q=2的值;u20是式(6)upq中p=2,q=0的值,u11是式(6)upq中p=1,q=1的值;
按照角度参数θ进行方向旋转至水平,对椭圆进行圆形归一化,采用HOG算子构建局部区域特征描述子f;
步骤5.3.2、对于初始两帧图像,根据预测的单应矩阵H3×3,计算图像I1(x1,y1)中的最大稳定极值区域特征点在图像I2(x2,y2)中的位置和分布:
(x2,y2)=H3×3(x1,y1) (10)
步骤5.3.3、对于后续帧图像,预测拍摄位姿矩阵P3×4,计算重建的三维点M(X,Y,Z,1)在后续帧In(xn,yn,kn)的位置和分布:
(xn,yn,kn)=P3×4(X,Y,Z,1) (11)
步骤5.4、采用RANSAC策略,对区域特征描述子进行匹配;
fij=arg min||fi-fj||2 (12)
fi表示第i帧的某一区域特征描述子,fj表示第j帧的某一区域特征描述子。
5.根据权利要求4所述的战斗部破片飞散参数计算方法,其特征在于,所述步骤6具体包括:
步骤6.1、对初始两帧图像I1(x1,y1)和I2(x2,y2),采用SFM算法进行初始三维建图,并估计拍摄的相机位姿;
计算基本矩阵F:
如果相机内参数矩阵为K,然后计算本质矩阵:
E=K′TFK (14)
对本质矩阵进行SVD分解,得到两相机位姿之间的关系R和T;
步骤6.2、对于后续帧图像,利用已经重建的三维点,通过PCA选择4个控制点,建立新的局部坐标系,从而将三维点坐标用新的控制点表示出来;再利用相机投影模型和当前帧的二维点坐标,转换到相机坐标系中;然后在相机坐标系中建立和世界坐标系同样关系的4个控制点,求解出相机坐标系下的四个控制点的坐标;最后利用ICP求解当前帧相机的位姿R和T;
步骤6.3、利用两相机之间的位姿关系,对匹配区域位置点X进行三维重建:
步骤6.4、最后通过重投影误差最小化,利用BA优化Ri和Ti、Xj
wij表示第i帧图像中第j个特征点的权重,qij表示第i帧图像中第j个特征点的位置坐标,Xj为其对应的空间三维坐标,Ci为Xj相对于第i帧图像的旋转平移关系和相机在第i帧图像中的投影矩阵,P表示变换函数。
6.根据权利要求5所述的战斗部破片飞散参数计算方法,其特征在于,所述步骤7具体包括:
步骤7.1、基于形状特征去除不是破片穿孔的稳定极值区域;
步骤7.2、根据极大稳定极值区域的面积,对破片穿孔进行分类。
7.根据权利要求6所述的战斗部破片飞散参数计算方法,其特征在于,所述步骤9具体包括:
步骤9.1、选择战斗部放置方式:立式放置或卧式放置;
步骤9.2、建立战斗部飞散参数计算坐标系,如果为立式放置,以战斗部轴线向上为正航向xx,如果为卧式放置,以战斗部轴线向左为正航向xx;
步骤9.3、计算破片的航向角:如果为卧式放置,破片的三维坐标为(X,Y,Z),其航向角为:
θ=arc tan(Y/X) (17)
如果为卧式放置,其航向角为:
θ=arc tan(Z/X) (18)
步骤9.4、以正航向X顺时针旋转,统计5%破片穿孔总数扫描对应的航向角θ1,统计50%破片穿孔总数扫描对应的航向角θ2,以及统计95%破片穿孔总数扫描对应的航向角θ3;
步骤9.5、飞散参数计算:破片飞散角为:
Ω=θ3-θ1 (19)
破片飞散方向角为:
ψ=90°-θ2 (20)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011399470.1A CN112395775B (zh) | 2020-12-04 | 2020-12-04 | 一种战斗部破片飞散参数计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011399470.1A CN112395775B (zh) | 2020-12-04 | 2020-12-04 | 一种战斗部破片飞散参数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112395775A true CN112395775A (zh) | 2021-02-23 |
CN112395775B CN112395775B (zh) | 2024-02-13 |
Family
ID=74605083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011399470.1A Active CN112395775B (zh) | 2020-12-04 | 2020-12-04 | 一种战斗部破片飞散参数计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112395775B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114251984A (zh) * | 2021-12-16 | 2022-03-29 | 中国人民解放军火箭军工程大学 | 一种固体推进装置的等效靶标设计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170019653A1 (en) * | 2014-04-08 | 2017-01-19 | Sun Yat-Sen University | Non-feature extraction-based dense sfm three-dimensional reconstruction method |
CN111488683A (zh) * | 2020-04-09 | 2020-08-04 | 西安工业大学 | 一种基于图像处理技术的破片飞散参数确定方法 |
-
2020
- 2020-12-04 CN CN202011399470.1A patent/CN112395775B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170019653A1 (en) * | 2014-04-08 | 2017-01-19 | Sun Yat-Sen University | Non-feature extraction-based dense sfm three-dimensional reconstruction method |
CN111488683A (zh) * | 2020-04-09 | 2020-08-04 | 西安工业大学 | 一种基于图像处理技术的破片飞散参数确定方法 |
Non-Patent Citations (1)
Title |
---|
黄广炎;冯顺山;刘沛清;: "战斗部破片对目标打击迹线的计算方法", 爆炸与冲击, no. 04 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114251984A (zh) * | 2021-12-16 | 2022-03-29 | 中国人民解放军火箭军工程大学 | 一种固体推进装置的等效靶标设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112395775B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240064391A1 (en) | Methods for refining rgbd camera poses | |
CN107909600B (zh) | 一种基于视觉的无人机实时运动目标分类与检测方法 | |
US9646212B2 (en) | Methods, devices and systems for detecting objects in a video | |
CN108009675B (zh) | 货物装箱方法、装置及系统 | |
WO2019223275A1 (en) | Methods and systems for improved quality inspection | |
US20190362486A1 (en) | Methods and systems for improved quality inspection | |
WO2022170844A1 (zh) | 一种视频标注方法、装置、设备及计算机可读存储介质 | |
CN109544501B (zh) | 一种基于无人机多源图像特征匹配的输电设备缺陷检测方法 | |
US9165365B2 (en) | Method and system for estimating attitude of camera | |
CN111340873B (zh) | 一种多视角图像的物体最小外包络尺寸测算方法 | |
CN111488683B (zh) | 一种基于图像处理技术的破片飞散参数确定方法 | |
WO2021136386A1 (zh) | 数据处理方法、终端和服务器 | |
CN109389105B (zh) | 一种基于多任务的虹膜检测和视角分类方法 | |
US11062521B2 (en) | Virtuality-reality overlapping method and system | |
CN114926747A (zh) | 一种基于多特征聚合与交互的遥感图像定向目标检测方法 | |
CN111259706A (zh) | 一种车辆的车道线压线判断方法和系统 | |
WO2023279584A1 (zh) | 一种目标检测方法、目标检测装置及机器人 | |
CN112395775A (zh) | 一种战斗部破片飞散参数计算方法 | |
CN113454684A (zh) | 一种关键点标定方法和装置 | |
CN112070077A (zh) | 一种基于深度学习的食物识别方法和装置 | |
JP5931646B2 (ja) | 画像処理装置 | |
CN114600160A (zh) | 生成三维(3d)模型的方法 | |
CN113792629B (zh) | 一种基于深度神经网络的安全帽佩戴检测方法及系统 | |
CN114820492A (zh) | 一种电路板上多余物检测方法 | |
CN115049842A (zh) | 一种飞机蒙皮图像损伤检测与2d-3d定位方法 |
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 |