賀長水，高明杰，解英梅，王健博

?

新一代運載火箭機器視覺瞄準(zhǔn)技術(shù)研究

賀長水，高明杰，解英梅，王健博

（北京航天發(fā)射技術(shù)研究所，北京，100076）

提出一種用于新一代運載火箭的機器視覺瞄準(zhǔn)技術(shù)，在瞄準(zhǔn)儀上集成攝像系統(tǒng)，用于采集被瞄目標(biāo)圖像，利用機器視覺圖像識別算法，包括灰度變換、形態(tài)學(xué)分析、OCR算法等，進行圖像識別，實時測量火箭上的被瞄目標(biāo)相對于瞄準(zhǔn)光軸的位置信息。該方法具有高精度、快速、環(huán)境適應(yīng)性強等特點，新一代運載火箭利用該技術(shù)實現(xiàn)了智能化無人值守瞄準(zhǔn)。

火箭；機器視覺；瞄準(zhǔn)

0 引 言

運載火箭地面瞄準(zhǔn)系統(tǒng)，是在火箭發(fā)射前，將制導(dǎo)系統(tǒng)中慣性器件的方位敏感軸調(diào)整到與射向（或與射向成已知角的方向）相垂直[1]，或者通過精確測量，獲得慣性器件方位敏感軸與射向的偏差角，從而保證火箭初始方位精度，滿足運載火箭系統(tǒng)方位入軌精度的要求。

隨著深空探測的發(fā)展，未來運載火箭將向大直徑、大推力方向發(fā)展[2]，同時要求具備全天候、零窗口發(fā)射能力，給火箭瞄準(zhǔn)工作帶來新的技術(shù)問題，例如火箭變形或風(fēng)晃情況下的快速捕獲目標(biāo)，火箭棱鏡大角度安裝偏差下的快速跟蹤瞄準(zhǔn)，無人值守的智能化控制等，這些問題將造成瞄準(zhǔn)過程的復(fù)雜、瞄準(zhǔn)成敗的不確定性。

機器視覺瞄準(zhǔn)技術(shù)是將機器視覺技術(shù)用于火箭跟蹤瞄準(zhǔn)，用鏡頭、相機和圖像識別軟件代替人眼，通過數(shù)字圖像技術(shù)，識別火箭上被瞄目標(biāo)相對于瞄準(zhǔn)光軸中心的位移，實時輸出被瞄目標(biāo)位置信息。利用該技術(shù)可以實現(xiàn)火箭變形或風(fēng)晃情況下的快速跟蹤瞄準(zhǔn)，為智能化無人值守瞄準(zhǔn)提供技術(shù)支撐。

1 機器視覺瞄準(zhǔn)的需求分析

新一代運載火箭具備全天候、零窗口發(fā)射能力，并能適應(yīng)較大的地面風(fēng)晃，機器視覺瞄準(zhǔn)需適應(yīng)火箭發(fā)射前的各種復(fù)雜地面環(huán)境，在環(huán)境光照度、對比度發(fā)生變化及被瞄目標(biāo)局部被遮擋的情況下，都能實時處理，并準(zhǔn)確識別被瞄目標(biāo)中心相對于瞄準(zhǔn)光軸中心的位置偏離量。需突破以下關(guān)鍵技術(shù)：

a）火箭發(fā)射場白天、夜間的背景光照度變化范圍大約是100~100 000 lx以上，機器視覺瞄準(zhǔn)需適應(yīng)整個光照度范圍；

b）由于機器視覺攝像系統(tǒng)與瞄準(zhǔn)儀準(zhǔn)直系統(tǒng)共用一套望遠鏡系統(tǒng)，被瞄目標(biāo)圖像與望遠鏡目視分線疊加在一起，機器視覺需具備剔除貫穿整個視場的狹長細(xì)線的能力，消除狹長分劃線對圖像識別的干擾，并能完整保留除掉干擾線后的有效信息；

c）當(dāng)被瞄目標(biāo)被部分遮擋，或者視場內(nèi)存在某些多余物干擾等情況時，能正確辨認(rèn)出被瞄目標(biāo)，不誤判、漏判，保證被瞄目標(biāo)識別的可靠性。

2 機器視覺瞄準(zhǔn)技術(shù)方案

機器視覺瞄準(zhǔn)系統(tǒng)主要由瞄準(zhǔn)儀、鏡頭及CCD相機、圖像識別軟件、被瞄目標(biāo)等組成，圖1為系統(tǒng)組成示意。

圖1 機器視覺系統(tǒng)組成示意

在火箭被瞄目標(biāo)附近的殼體上，標(biāo)識特征字符（見圖2），利用瞄準(zhǔn)儀望遠鏡系統(tǒng)和成像鏡頭，將被瞄目標(biāo)連同標(biāo)識字符成像至CCD相機的像面上，通過圖像識別算法，對圖像進行分析處理，實時輸出被瞄目標(biāo)中心相對于目視分劃線中心的偏移量。

圖2 被瞄目標(biāo)和特征字符

圖3為圖像識別流程，主要由初始化、零點標(biāo)定、單位標(biāo)定、實時辨認(rèn)等模塊組成。

圖3 圖像識別流程

3 關(guān)鍵技術(shù)的實現(xiàn)途徑

3.1 適應(yīng)全天候背景光照度的圖像識別方法

為了適應(yīng)火箭背景光強100~100 000 lx變化，對圖像的預(yù)處理和后處理中，分別采用自適應(yīng)灰度直方圖均衡化方法和自適應(yīng)閾值分割法。

a）自適應(yīng)灰度直方圖均衡化方法。

數(shù)字圖像是由很多離散點組成的，在空間坐標(biāo)和灰度上都離散化并進行數(shù)字編碼的圖像。用橫坐標(biāo)表示灰度級，縱坐標(biāo)表示具有該灰度級的像素的頻數(shù)，即為灰度直方圖。

自然狀態(tài)下獲取的圖像可能存在過曝光或曝光不足的情況，反映在直方圖上，就是直方圖所占據(jù)的灰度值范圍較窄，且集中在灰度值一邊，如圖4所示。

通過函數(shù)變換的方法對直方圖進行均衡化，將圖像的灰度值分布范圍拉寬，并且使灰度級均勻分布。假定原始圖像的灰度級總數(shù)為，第級灰度值為，圖像中具有灰度級的像素數(shù)目為，圖像中像素總數(shù)為，則該圖像中灰度級的像素出現(xiàn)的概率（或稱頻數(shù)）[3]為

（2）

a）原始圖像

b）灰度直方圖

圖4 原始圖像和灰度直方圖

經(jīng)過均衡化后，圖像的灰度值占據(jù)了從0~255的整個區(qū)間范圍，并且灰度分布密度較均勻,如圖5所示，。

a）直方圖均衡化之后的圖像

b）均衡化之后的灰度直方圖

圖5 均衡化之后的圖像和灰度直方圖

直方圖均衡化增加了圖像灰度動態(tài)范圍，同時也增加了圖像的對比度，使圖像有較大的亮、暗反差。但在許多細(xì)節(jié)變得更加清晰的同時，會導(dǎo)致圖像的可視粒度變強，即被識別字符筆劃變得較粗，變換到頻率域來看，有效圖像主要分布在較低頻的區(qū)域，而產(chǎn)生的顆粒噪聲主要分布在高頻區(qū)域，此時通過低通濾波，可有效濾除顆粒噪聲的影響。

灰度直方圖均衡化不敏感圖像的平均灰度。對于不同的背景光照度，均衡化的結(jié)果都是將圖像的灰度值均勻分布在0~255的區(qū)間內(nèi)，對于過曝光和曝光不足均衡化的結(jié)果具有一致性。圖像處理效果如圖6、圖7所示。對比可見，該方法能夠解決較大范圍背景光強變化對有效圖像造成的影響。

a）過曝光的圖像

b）均衡化之后的圖像

圖6 過曝光的原始圖像和處理后的圖像

a）曝光不足的圖像

b）均衡化之后的圖像

圖7 曝光不足的原始圖像和處理后的圖像

b）自適應(yīng)閾值分割方法。

普通的閾值分割方法，需要人為確定一個閾值，灰度值在該閾值范圍內(nèi)的像素點被提取出來，其余像素點被屏蔽。當(dāng)周圍環(huán)境光照度發(fā)生變化時，仍沿用該閾值，將不能確保有效信息的正確提取。用自適應(yīng)閾值分割方法，就是當(dāng)背景光強整體發(fā)生了變化，或者被識別物一部分范圍內(nèi)亮度有變化時，通過自動調(diào)整閥值，仍能不丟失有效像素，準(zhǔn)確地提取出有效信息。

對不同背景光強下的目標(biāo)，選取不同閥值的效果如圖8、圖9所示，由圖中可以看到，在不同背景光強下，要識別、提取同樣的有效信息，選取的灰度閾值差異較大。

圖8 背景較暗、灰度閾值在54~118之間的像素點

圖9 過曝光圖像、灰度閾值在146~224之間的像素點

自適應(yīng)閾值分割的具體實現(xiàn)方法如下。

將原始圖像進行平滑濾波處理，平滑圖像作為背景圖像，如圖10b所示，然后將背景圖像與原始圖像進行比較，將同一位置像素灰度值變化較大的點選取出來，效果如圖11b所示。從圖11中可以看出，自適應(yīng)閾值分割可以較好的剔除暗區(qū)域的干擾。

a）原始圖像

b）平滑之后的圖像

圖10 原始圖像和平滑后的圖像

a）固定閾值分割法結(jié)果

b）自適應(yīng)閾值分割法結(jié)果

圖11 固定閾值分割和自適應(yīng)閾值分割的處理效果

3.2 剔除狹長細(xì)線干擾的處理方法

瞄準(zhǔn)儀望遠鏡的目視分劃線貫穿于整個圖像視場，并和被瞄目標(biāo)及特征字符重合。另外，火箭殼體上的加強筋在光照下會留下細(xì)長的陰影，這些干擾都會降低字符識別的置信度。需要切斷干擾線和字符間的連接，使干擾線和字符各自成為獨立的目標(biāo)。采用形態(tài)學(xué)方法，將腐蝕算法與開運算結(jié)合，可以剔除狹長細(xì)線的干擾，提高圖像識別置信度。具體方法如下。

用式（3）對圖像進行腐蝕處理，使干擾細(xì)線變細(xì)：

腐蝕的程度由結(jié)構(gòu)元素決定，利用結(jié)構(gòu)元素按照一定的規(guī)則在圖像區(qū)域內(nèi)進行平移，實現(xiàn)對圖像的形態(tài)學(xué)處理[4]。對灰度圖像收縮正的峰值，擴展負(fù)的峰值，達到圖像整體變暗的效果，小亮斑被腐蝕掉，小暗斑變得更大。然后，利用開運算斷開細(xì)線的連接，剔除掉圖像中的分劃線和其他狹長細(xì)線，保留有效字符的各個筆劃。開運算是數(shù)學(xué)形態(tài)學(xué)最重要的算法之一，對灰度圖像開運算的結(jié)果是剔除一些亮的斑點[5]，具有平滑邊界，濾掉比結(jié)構(gòu)元素小的斑點、突刺，斷開狹長連接的作用。圖12為開運算前、后的圖像。通過對比可知，開運算實現(xiàn)了狹長細(xì)線干擾的有效剔除。

a）開運算處理之前的圖像

b）開運算處理之后的圖像

圖12 開運算之前和之后的效果

3.3 目標(biāo)圖像局部被遮擋的處理方法

當(dāng)目標(biāo)圖像或標(biāo)識的特征字符“MZHBK”局部被遮擋時，為了確保仍能識別、解算被瞄目標(biāo)中心偏移量，采取以下方法：

a）單個字符置信度判斷。

建立標(biāo)準(zhǔn)字符庫文件，將提取的每一個字符圖形與字符庫文件中的標(biāo)準(zhǔn)字符進行比對，計算出每個圖形與標(biāo)準(zhǔn)字符相似度，稱其為該圖形的置信度。通過篩選置信度，找到與各個標(biāo)準(zhǔn)字符最像的圖形，剔除置信度低的圖形。

b）5個字符獨立辨認(rèn)。

獨立辨認(rèn)每個目標(biāo)字符，確保在僅能識別到一個字符時，也能正確解算出被瞄目標(biāo)中心坐標(biāo)。

c）字符相對位置判斷。

建立字符關(guān)系矩陣模塊，由于5個字符的相對位置固定不變，對每個字符間的位置關(guān)系進行計算，并與字符關(guān)系矩陣進行比較，剔除虛假信息，提高識別的可靠度。

d）目標(biāo)運動速度判斷。

根據(jù)被瞄目標(biāo)中心的最大運動速度，以及采樣的時間間隔，計算出兩次采樣的被瞄目標(biāo)中心的最大偏移量，正確識別出的目標(biāo)位置不能超過最大偏移量。

e）通過中值濾波剔除異常點。

利用特征字符與被瞄目標(biāo)中心的位置裝換矩陣，用每一個識別出的字符解算出一個中心偏移量，對得到的5個偏移量數(shù)據(jù)，采用中值濾波的方法濾除其中的異常點。

4 試驗驗證情況

用火箭瞄準(zhǔn)窗等效裝置作為被瞄目標(biāo)，開展機器視覺圖像識別試驗，瞄準(zhǔn)距離與實際工作距離一致，將被瞄目標(biāo)固定在精密導(dǎo)軌上，在不同光照條件下，按不同步長移動被瞄目標(biāo)，測試機器視覺圖像識別的功能和性能，測試數(shù)據(jù)見表1。

人為遮擋某些特征字符，驗證機器視覺圖像識別的正確度，識別被瞄目標(biāo)中心穩(wěn)定度，測試數(shù)據(jù)見表2。

測試結(jié)果表明，在室內(nèi)、室外、白天、夜間不同光照度下，通過機器視覺圖像識別，測量被瞄目標(biāo)中心位移量，精度不大于1 mm。

在某些特征字符被遮擋情況下，經(jīng)機器視覺圖像識別解算的數(shù)據(jù)穩(wěn)定不變，即局部字符被遮擋不影響圖像識別功能和精度。

表1 被瞄目標(biāo)位置測量試驗數(shù)據(jù)

表2 被瞄目標(biāo)被遮擋情況下的試驗結(jié)果

續(xù)表2

測試條件測試字符是否正確識別被瞄目標(biāo)中心位置解算偏差/mm 2個字符MZ正確0 MH正確0 MB正確0 MK正確0 ZH正確0 ZB正確0 ZK正確0 HB正確0 HK正確0 BK正確0 1個字符M正確0 Z正確0 H正確0 B正確0 K正確0

5 結(jié)束語

將機器視覺技術(shù)應(yīng)用到新一代運載火箭地面瞄準(zhǔn)中，通過在火箭表面標(biāo)示特征字符，利用機器視覺對特征字符進行識別、提取和處理，實時解算被瞄目標(biāo)中心相對于瞄準(zhǔn)光軸中心的偏移量。試驗結(jié)果表明，在復(fù)雜背景、環(huán)境光照度變化和干擾存在的情況下，利用該技術(shù)，能夠有效、可靠地識別被瞄目標(biāo)，并能準(zhǔn)確、實時解算目標(biāo)偏移量。測量精度不大于1 mm，同時識別時間不超過100 ms，能夠滿足新一代運載火箭瞄準(zhǔn)需求。利用該技術(shù)，新一代運載火箭實現(xiàn)了智能化無人值守瞄準(zhǔn)。該項技術(shù)為機器視覺在火箭發(fā)射中的應(yīng)用探索了一個新方向。

[1] 肖錫珙. 發(fā)射技術(shù)(中)[M]. 北京: 宇航出版社, 1990.

[2] 何巍, 龍樂豪, 等. 重型運載火箭及其應(yīng)用探討[J]. 導(dǎo)彈與航天運載技術(shù), 2011(1): 5-9.

[3] Gonzalez R C, Woods R E. Digital image processing[M]. Beijing: Pearson Education, 2007.

[4] 王娟, 周金芝. 基于Matlab的形態(tài)學(xué)圖像處理研究[J]. 計算機論壇, 2010(4): 135-136.

[5] 尹星云, 時慧坤. 數(shù)學(xué)形態(tài)學(xué)在灰度圖像處理中的理論和應(yīng)用[J]. 電腦知識與技術(shù), 2006(17): 191-192.

Research on Machine-vision Aiming Technology for New Generation Launch Vehicle

He Chang-shui, Gao Ming-jie, Xie Ying-mei, Wang Jian-bo

（Beijing Institute of Space Launch Technology, Beijing, 100076）

This paper introduces an aiming technology for new generation launch vehicle based on machine vision. A camera is integrated on a collimator, which is used for collecting the aiming object on the vehicle. Machine-vision image identification algorithm, including gray level transformation, morphology analysis, OCR algorithm and so on, is used to identify the images and measure the position information of aiming object on the launch vehicle real-time which relatives to aiming optical-axis. This scheme has advantages of high precision, rapid and strong environmental adaptability. The schemehas been used for the intelligent unattended operation at aiming system of new generation launch vehicle.

Launch vehicle, Machine vision, Aiming

1004-7182(2016)02-0031-05

10.7654/j.issn.1004-7182.20160207

V556

A

2015-12-04；

2016-02-26

賀長水（1978-），男，高級工程師，主要研究方向為光電瞄準(zhǔn)技術(shù)