CN113155101A - 一种测量枪口及枪机运动的高速摄影数据处理方法 - Google Patents

Abstract

本发明公开了一种测量枪口及枪机运动的高速摄影数据处理方法，首先剔除枪口及枪机处于静止状态下的原始位移‑时间信息以及处于运动状态下的原始位移‑时间曲线毛刺，将枪口及枪机运动过程中经过每一像素点上的第一个数据点作为有效数据点，其余作为无效数据点并剔除。通过对Akima算法中的波动权重进行重新改进，避免了枪口及枪机运动参数曲线畸形，实现了对无效数据点合理修复还原的目的，有效消除了数据跳变问题，提高了采用高速摄影系统对枪口及枪机运动参数的测试精度。

Description

一种测量枪口及枪机运动的高速摄影数据处理方法

技术领域

本发明属于枪械运动特性测量技术领域，具体涉及一种非接触式测量枪口及枪机运动的高速摄影数据处理方法。

背景技术

高速摄影测量系统能够利用图像信息对测试目标实施非接触式测量，没有附加质量对目标运动的影响，具有测试精度高、重复性好、操作简单等特点，目前已被广泛应用于枪械、自行火炮、坦克和导弹等武器装备的测试试验中。

在枪械运动特性测试试验中，通常需要对枪械的枪口和枪机在某一时间段内的位移、速度和加速度等运动参数进行高精度动态测量，为枪械动力学建模与优化设计奠定数据基础。

在使用高速摄影测量系统对某型枪械的枪口和枪机实施运动特性测试时发现，在定义图像比例尺和跟踪点的基础上，从高速摄影测量结果中容易提取到枪口和枪机的位移-时间数据信息。为全面了解枪口和枪机的运动特性，还需要对位移-时间数据信息进行处理以获得速度-时间与加速度-时间数据信息。然而，利用位移-时间数据信息中相邻两个数据点的位移差除以时间间隔的方式获得速度-时间曲线会出现不同程度的“数据跳变”现象，如图1、图2所示。显然，这与枪械射击过程中枪口和枪机的实际运动规律并不相符。经研究发现，由于高速摄像机的分辨率有限，当其使用过高的帧率进行拍摄时，枪口或枪机的标记点有可能会在某一时间段内多次落在同一个像素点上，而像素点是组成图像的最小单位，具有不可分割性，因此测试系统将落在同一像素点上的枪口或枪机实际位置用该像素点的坐标值代替，这使得从测试系统直接导出的枪口或枪机时间-位移曲线呈现出大规模微小“阶梯”状，如图3所示，这是导致速度-时间和加速度-时间曲线出现“数据跳变”现象的直接原因。

为了解决数据跳变问题，在以往的研究中通常采用等效匀变速运动还原、导数多点平滑和去噪等数据处理方式，但也无法有效消除“数据跳变”现象。

发明内容

本发明的目的在于提供一种测量枪口及枪机运动的高速摄影数据处理方法，通过识别枪口与枪机的位移-时间信息有效数据点，剔除无效数据点，并利用改进Akima算法修复无效数据点，有效消除数据跳变问题，成功还原枪口与枪机的运动状态，提高了高速摄影测量系统的系统精度。

实现本发明目的的技术解决方案为：

一种测量枪口及枪机运动的高速摄影数据处理方法，包括以下步骤：

步骤1、获取枪口和枪机的原始位移-时间数据信息；

步骤2、对原始时间-位移曲线进行预处理：剔除枪口及枪机处于静止状态下的位移-时间信息以及在运动状态下的位移-时间曲线毛刺；

步骤3、将枪口及枪机标记点在运动过程中落在每个像素点中的第一个数据点作为有效数据点，其余作为无效数据点并剔除掉；

步骤4、采用改进Akima算法对所剔除的无效数据点进行修复还原：首先对原始Akima波动权重进行重新改进，赋予斜率更接近零的一侧更多权重，并增加一个调整系数，以控制枪口及枪机的数据点间插值后曲线的过冲；利用改进后的Akima算法在两相邻有效数据点间生成分段三次多项式函数；将步骤3中剔除的无效数据点所对应的时间分量代入对应的分段三次多项式函数中，获得修复后的枪口及枪机的位移成分；

步骤5、复原步骤2中剔除的枪口及枪机处于静止状态下的位移-时间信息；

步骤6、对还原后的位移-时间曲线进行微分处理，获得标记点速度-时间曲线；

步骤7、对步骤6获得的速度-时间曲线进行滤波，消除残余噪声，获得最终枪口及枪机的速度-时间曲线。

综上，本发明所述的测量枪口及枪机运动高速摄影数据处理方法流程如图4所示。

本发明与现有技术相比，其显著优点是：

考虑到射击过程中枪口及枪机快速震荡的运动特性，对原始Akima算法中的波动权重进行了重新修正，有效控制了快速震荡数据点间插值后曲线的“过冲”现象，合理修复了枪口与枪机的运动状态，避免了枪口及枪机运动参数曲线畸形，有效消除了数据跳变问题，提高了采用高速摄影系统对枪口及枪机运动参数的测试精度。

附图说明

图1为对原始位移-时间曲线进行直接微分处理获得的枪口前后速度-时间曲线图；

图2为对原始位移-时间曲线进行直接微分处理获得的枪机前后速度-时间曲线图；

图3为枪口水平方向原始位移-时间曲线图；

图4为数据处理方法流程图；

图5为高速摄影测试现场示意图；

图6为经步骤2处理后的枪口水平方向位移-时间曲线图；

图7为经步骤3处理后的枪口水平方向位移-时间有效数据散点图；

图8为波动权重调整参数a取不同值时的枪口位移-时间曲线修复效果对比图；

图9为经步骤5处理后的枪口水平方向位移-时间曲线图；

图10为经步骤6处理后的枪口水平方向速度-时间曲线；

图11为经步骤7处理后的枪口水平方向速度-时间曲线；

图12为多种算法对无效数据点进行修复的效果对比图；

图13为采用导数多点平滑处理的枪口水平方向速度-时间曲线；

图14为对“跳变”速度-时间曲线进行滤波获得的枪口水平方向速度-时间曲线；

图15为经本发明所述的方法处理后的枪机水平方向速度-时间曲线。

具体实施方式

下面结合附图及具体实施例对本发明做进一步的介绍。

本发明所述的测量枪口与枪机运动的高速摄影数据处理方法包括以下步骤：

步骤1：从高速摄影测量系统中获取枪口和枪机的原始位移-时间数据信息；

试验前，将枪械固定在夹具上，同时将高速摄像机固定在三脚架上。在枪口和枪机测点的位置粘贴标记点，以便测试系统能够更好地捕捉与跟踪到枪口和枪机的运动。调节三角架高度使得高速摄像机镜头正对枪械上的枪口或者枪机标记点，如图5所示。为了确保标记点的运动轨迹分配到足够多的像素点，选用短焦距的镜头，使得镜头尽可能贴近标记点。高速摄影机的拍摄帧率选为4000帧/s。开始试验，不失一般性，进行枪械四连发射击，高速摄影机记录下四连发射击时标记点运动的全过程。

试验后，将高速摄影机所记录下的视频导入配套的图像处理软件中，选择国际单位制为软件参考单位制，输入两标记点之间的实际距离，计算获得视频图像的测量比例尺。将枪口和枪机标记点定义为自动跟踪点并进行自动跟踪测量，得到标记点在不同时刻下的像素坐标值数据文件。

步骤2：对原始时间-位移曲线进行预处理：剔除枪口和枪机处于静止状态下的位移-时间信息以及在运动状态下的位移-时间曲线“毛刺”；

图3为从高速摄影测量系统中提取到的枪口前后方向原始位移-时间曲线。在四连发射击前和完全结束后，枪口处于静止状态，同时测量结果也显示此时枪口标记点没有产生任何位移，这与实际物理现象相符，因此无须对静止状态下的枪口位移-时间信息进行特别的数据处理。放大图3观察曲线可以发现，原始位移-时间曲线除了呈现出大规模微小“阶梯”状以外，还出现了各种类型的“毛刺”。经分析可知，这些“毛刺”的出现是由于当枪口标记点恰好位于两个相邻像素点之间时，测量系统跟踪不稳定所导致的。因此，根据步骤2剔除枪口处于静止状态下的位移-时间信息以及在运动状态下的位移-时间曲线“毛刺”，处理后的结果如图6所示。

步骤3：令位移-时间数据信息中的时刻为t₁，t₂，...，t_m，与相应时刻对应的枪口或枪机标记点在枪管轴线方向上的像素点坐标值分别为x₁，x₂，...，x_m。假设t₁，t₂，...，t_n时刻(n＜m)，标记点位于第一个像素点上，则x_i＝x₁，i＝2，3，...，n；同理，设t_n+1，t_n+2，...，t_p时刻(n＜p＜m)，标记点位于第二个像素点上，则x_j＝x_n+1，j＝n+2，n+3，...，p；依次类推，设t_q+1，t_q+2，...，t_m时刻(p＜q＜m)，标记点位于运动过程中的最后一个像素点，则x_k＝x_q+1，k＝q+2，q+3，...，m。将标记点运动过程中落在每个像素点中的第一个数据点作为有效数据点，即将(t₁，x₁)，(t_n+1，x_n+1)，...，(t_q+1，x_q+1)作为有效数据点，其余作为无效数据点并剔除掉；

图7为经步骤3处理后，获得的枪口标记点水平方向位移-时间有效数据散点图。

步骤4：使用改进Akima算法对步骤3中所剔除的无效数据点进行修复还原，具体过程如下：

步骤4.1：为了使后续描述更简洁、清晰，对有效数据点进行重新编号，即(t′₁，x′₁)＝(t₁，x₁)，(t′₂，x′₂)＝(t_n+1，x_n+1)，...，(t′_N，x′_N)＝(t_q+1，x_q+1)，N为有效数据点总个数；

步骤4.2：现需要构造一条连续曲线，使得满足x_l′＝F(t_l′)，(l＝1，2，...，N)。比起三次样条曲线插值算法与原始Akima算法，改进Akima算法在两个有效数据点之间产生的波动较小，更适用于处理快速震荡的数据点，能够避免插值后的曲线出现“过冲”现象，但又没有pchip插值算法所具有的过于“平坦”特点。改进Akima算法在数据点(t_l′，x_l′)与(t′_l+1，x′_l+1)之间生成的函数表达式f_l(t)为：

x＝f_l(t)＝h₀+h₁(t-t′_l)+h₂(t-t′_l)²+h₃(t-t′_l)³

其中，

式中，d_l为数据点(t′_l，x′_l)处的导数，其值是附近区间斜率的加权平均值，表示为

式中，δ_l为区间[t′_l，t′_l+1)上的斜率，

w₁、w₂为波动权重，在原始Akima算法中，其值为

式中，当l＝1时，δ_l-1＝2δ₁-δ₂，δ_l-2＝2δ_l-1-δ₁；当l＝N时，δ_l＝2δ_l-1-δ_l-2，δ_l+1＝2δ₁-δ_l-1。

为了控制插值后曲线出现的“过冲”现象，对原始Akima波动权重进行重新改进，赋予斜率更接近零的一侧更多权重，并增加一个调整系数a。改进后波动权重值为：

式中，a为波动权重调整参数，a＞0。当a越大，曲线越容易出现过冲；反之，曲线越平缓。

步骤4.3：还原无效数据点。将步骤3中剔除的无效数据点的时刻t₂，...，t_n,t_n+2，...，t_p，...，t_q+2，...，t_m带入由修正Akima算法生成的函数表达式F(t)＝{f₁(t)，f₂(t)，...，f_N(t)}中，即t₂，...，t_n带入f₁(t)中，t_n+2，...，t_p带入f₂(t)中。依次类推，t_q+2，...，t_m带入f_N(t)中，获得修复后的标记点位移信息；

图8为波动权重调整参数a取不同值时的枪口位移-时间曲线修复效果对比图。从图中可以发现，当a越大，曲线越陡峭；反之，曲线越平缓。为了使得修复后的枪口位移-时间曲线更加合理，本实施例中令a＝1，确保两个相邻有效数据点间的峰值与两有效数据点最大值之差小于每像素点所代表的实际距离，避免曲线出现“过冲”现象。

步骤5：复原步骤2中剔除掉的标记点处于静止状态下的位移-时间信息，得到还原后的位移-时间曲线；

图9为复原步骤2中剔除的枪口标记点处于静止状态下的位移-时间信息后的枪口水平方向真实的位移-时间曲线。

步骤6：对还原后的位移-时间曲线进行微分处理，获得枪口标记点的速度-时间曲线；

对还原后的位移-时间曲线采用相邻两个数据点的位移差除以时间间隔的方式获得枪口水平方向速度-时间曲线，如图10所示。

步骤7：采用基于软阈值函数的小波阈值算法对步骤5获得的速度-时间曲线进行滤波，消除残余噪声，获得最终标记点的速度-时间曲线。

对于曲线中残余的微小噪声，采用软阈值函数的小波阈值去噪算法进行滤波，滤波后的结果如图11所示。

为了更直观地呈现出改进Akima算法对无效数据点修复效果，分别采用等效匀变速运动还原、三次样条插值算法(自然边界)、Akima算法、Pchip算法和改进Akima算法(a＝1)等五种方法对无效数据点进行修复。其中，等效匀变速运动还原理论将两个相邻有效数据点之间变速运动作为匀变速运动进行研究，因此在两有效数据点(t′_l，x′_l)与(t′_l+1，x′_l+1)之间的无效数据点修复表达式g_l(t)为：

其中，

式中，T为高速摄像机相邻两帧的时间间隔，其值为拍摄帧率的倒数。本实施例中拍摄帧率为4000帧/s，则T＝0.00025s。

图12为上述五种算法对无效数据点进行修复的效果对比图。从图中可以看到，等效匀变速运动还原、三次样条插值算法(自然边界)和原始Akima算法在对无效数据点修复时出现了“过冲”现象，与枪口水平运动客观规律不相符。改进Akima算法(a＝1)成功避免了修复时出现“过冲”现象，而且不具有Pchip算法中的过于“平坦”特征，更适合处理枪口这类冲击较大且具有快速震荡特性的数据点。

在以往的研究中，通常采用导数多点平滑和去噪等数据处理方式对原始数据进行处理。图13和图14分别为采用导数多点平滑处理和对原始“跳变”速度-时间曲线进行小波阈值去噪获得的枪口水平方向速度-时间曲线。对比图11、13和14可以发现，采用本发明所述的方法进行处理获得速度-时间曲线比采用传统的导数多点平滑和对原始“跳变”速度-时间曲线进行去噪获得的速度-时间曲线更加光滑、真实，有效消除了“数据跳变”现象，成功还原了枪口的客观运动规律。

同理，采用本发明所述的高速摄影数据处理方法对枪机原始位移-时间数据信息进行处理，获得枪机水平方向的速度-时间曲线，如图15所示。对比图2和图15可以发现，本发明所述的方法同样可以处理枪机原始数据，有效还原枪机的客观运动规律。

Claims (4)

1.一种测量枪口及枪机运动的高速摄影数据处理方法，其特征在于，包括以下步骤：

步骤1、获取枪口和枪机的原始位移-时间数据信息；

步骤2、对原始时间-位移曲线进行预处理：剔除枪口及枪机处于静止状态下的位移-时间信息以及在运动状态下的位移-时间曲线毛刺；

步骤3、将枪口及枪机标记点在运动过程中落在每个像素点中的第一个数据点作为有效数据点，其余作为无效数据点并剔除掉；

步骤4、采用改进Akima算法对所剔除的无效数据点进行修复还原：首先对原始Akima波动权重进行重新改进，赋予斜率更接近零的一侧更多权重，并增加一个调整系数，以控制枪口及枪机的数据点间插值后曲线的过冲；利用改进后的Akima算法在两相邻有效数据点间生成分段三次多项式函数；将步骤3中剔除的无效数据点所对应的时间分量代入对应的分段三次多项式函数中，获得修复后的枪口及枪机的位移成分；

步骤5、复原步骤2中剔除的枪口及枪机处于静止状态下的位移-时间信息；

步骤6、对还原后的位移-时间曲线进行微分处理，获得标记点速度-时间曲线；

步骤7、对步骤6获得的速度-时间曲线进行滤波，消除残余噪声，获得最终枪口及枪机的速度-时间曲线。

2.根据权利要求1所述的测量枪口及枪机运动的高速摄影数据处理方法，其特征在于，步骤3剔除无效数据点，具体过程为：

(1)令位移-时间数据信息中的时刻为t₁，t₂，...，t_m，与相应时刻对应的枪口或枪机标记点在枪管轴线方向上的像素点坐标值分别为x₁，x₂，...，x_m；

(2)设t₁，t₂，...，t_n时刻，标记点位于第一个像素点上，则x_i＝x₁，i＝2，3，...，n；n＜m；设t_n+1，t_n+2，...，t_p时刻，标记点位于第二个像素点上，则x_j＝x_n+1，j＝n+2，n+3，...，p；n＜p＜m；设t_q+1，t_q+2，...，t_m时刻，标记点位于运动过程中的最后一个像素点，则x_k＝x_q+1，k＝q+2，q+3，...，m；p＜q＜m；

(3)将标记点运动过程中落在每个像素点中的第一个数据点作为有效数据点，即将(t₁，x₁)，(t_n+1，x_n+1)，...，(t_q+1，x_q+1)作为有效数据点，其余作为无效数据点并剔除掉。

3.根据权利要求1所述的测量枪口及枪机运动的高速摄影数据处理方法，其特征在于，步骤4中采用了改进Akima算法对无效数据点进行修复还原，具体过程如下：

(1)对有效数据点进行重新编号：(t′₁，x′_i)＝(t₁，x₁)，(t′₂，x′₂)＝(t_n+1，x_n+1)，...，(t′_N，x′_N)＝(t_q+1，x_q+1)，N为有效数据点总个数；

(2)采用改进Akima算法在数据点(t′_l，x′_l)与(t′_l+1，x′_l+1)之间生成分段三次多项式f_l(t)表达式：

f_l(t)＝h₀+h₁(t-t′_l)+h₂(t-t′_l)²+h₃(t-t′_l)³

其中，

式中，d_l为数据点(t′_l，x′_l)处的导数：

式中，δ₁为区间[t′_l，t′_l+1)上的斜率，

w₁、w₂为波动权重：

式中，a为波动权重调整参数；

(3)还原无效数据点：将步骤3中剔除的无效数据点的时刻t₂，...，t_n，t_n+2，...，t_p，...，t_q+2，...，t_m带入函数表达式F(t)＝{f₁(t)，f₂(t)，...，f_N(t)}中，即t₂，...，t_n带入f₁(t)中，t_n+2，...，t_p带入f₂(t)中，依次类推，t_q+2，...，t_m带入f_N(t)中，获得修复还原后的标记点位移信息。

4.根据权利要求1所述的测量枪口及枪机运动的高速摄影数据处理方法，其特征在于，步骤7中滤波采用基于软阈值函数的小波阈值算法。

Images