（北京衛(wèi)星環(huán)境工程研究所，北京100094）

0 引言

航空航天領(lǐng)域?qū)懿考M(jìn)行相對姿態(tài)測量時往往借助于立方鏡，利用立方鏡相鄰之間嚴(yán)格垂直的鏡面，通過高準(zhǔn)確度的電子經(jīng)緯儀對其自準(zhǔn)直測量即可建立該立方鏡坐標(biāo)系，從而確定其相對于其他坐標(biāo)系的姿態(tài)關(guān)系［1］。在對實(shí)際立方鏡進(jìn)行準(zhǔn)直測量時，通常是利用兩臺電子經(jīng)緯儀對立方鏡的相鄰兩個反射面進(jìn)行自準(zhǔn)直測量，得到立方鏡的兩個相鄰反射鏡面的法線矢量［2］。

現(xiàn)有的光電自準(zhǔn)直經(jīng)緯儀作為高精度測量儀器，測角精度高，但測量范圍較小 （約±17′），因此需要輔助準(zhǔn)直手段來引導(dǎo)目標(biāo)進(jìn)入準(zhǔn)直儀視場。輔助準(zhǔn)直可采用手動與自動兩種方式，手動方式就是人工觀察引導(dǎo)目標(biāo)進(jìn)入準(zhǔn)直儀視場，自動方式是采用輔助的測量手段自動引導(dǎo)目標(biāo)進(jìn)入準(zhǔn)直儀視場，自動方式具有更高的測量效率。

單目視覺測量是指僅利用一臺視覺傳感器采集圖像，對物體的幾何尺寸或者物體在空間的位置、姿態(tài)等信息進(jìn)行測量［3］。因?yàn)閮H需一臺視覺傳感器，所以該方法的優(yōu)點(diǎn)是結(jié)構(gòu)簡單、相機(jī)標(biāo)定方便，同時還避免了立體視覺中的視場小、立體匹配難等不足［4］。

相較于準(zhǔn)直儀，視覺測量具有較廣的視場范圍，容易將目標(biāo)設(shè)置在相機(jī)的視場范圍內(nèi)。立方鏡通常為正方體，具有相互垂直的棱邊與面，理論上通過單目立體視覺測量即可得到立方鏡的空間位置和姿態(tài)。對于具有3條相互垂直直線幾何體的單目位姿估計，已有相關(guān)的研究成果［5］。因此，可利用單目視覺測量估計立方鏡的位置姿態(tài)，進(jìn)而可以自動引導(dǎo)使立方鏡進(jìn)入光電自準(zhǔn)直經(jīng)緯儀的視場范圍，提高準(zhǔn)直效率。

本文面向?qū)α⒎界R單目視覺測量的需求，研究立方鏡圖像處理技術(shù)，即從立方鏡圖像中獲取立方鏡棱邊、角點(diǎn)等特征在圖像中的位置信息，為進(jìn)一步的立方鏡位姿計算提供基礎(chǔ)數(shù)據(jù)。

1 圖像處理技術(shù)流程

通過視覺傳感器采集得到的立方鏡照片如圖1所示。由于實(shí)際立方鏡的角點(diǎn)并不是理想的尖角，且在圖像中特征不明顯，因此在圖像處理中未直接采用角點(diǎn)識別的方法。研究中采用的方案為：提取圖像中立方鏡的棱邊，對棱邊進(jìn)行直線擬合，進(jìn)而獲得棱邊在圖像中的角度及位置信息，對棱邊對應(yīng)直線求交點(diǎn)獲得立方鏡角點(diǎn)在圖像中的位置信息，這些信息可用于后續(xù)立方鏡空間位姿的計算。

圖1 立方鏡照片F(xiàn)ig.1 Image of a cubic prism

圖像處理的主要流程如圖2所示。首先通過邊緣提取獲取圖像中的邊緣特征，對獲得的邊緣進(jìn)行輪廓分析，將立方鏡棱邊對應(yīng)的直線特征較為顯著的輪廓提取出來。而后根據(jù)立方鏡棱邊的空間角度及位置特點(diǎn)，對提取得到的直線按照角度、位置進(jìn)行劃分聚類與排序。最后按照聚類排序結(jié)果，對直線進(jìn)行配對計算角點(diǎn)位置。

圖2 圖像處理流程Fig.2 Flow of image processing

2 圖像處理方法

2.1 邊緣檢測

邊緣為圖像中灰度發(fā)生急劇變化的區(qū)域邊界，邊緣點(diǎn)能夠給出目標(biāo)輪廓的位置。邊緣檢測是圖像處理與理解的重要部分，最終的結(jié)果對圖像分析和圖像理解有重要影響。邊緣檢測的本質(zhì)是利用各種算法得到圖像中對象與背景之間的相交線，常見的邊緣檢測算子有 Roberts算子［6］、Sobel算子［7］、 Prewitt 算 子［8］、 Laplacian 算 子［9］、 LOG 算子［10］、 Canny 算子［11］等。

研究中，邊緣檢測采用Canny算子。Canny算子具有很好的信噪比和檢測精度，對含有白噪聲的階梯型邊緣檢測圖像效果最好。Canny算子得到的邊緣與真實(shí)邊緣間的偏差很小，檢測到的虛假邊緣較少，漏檢率較小。該算法的主要步驟包括：Gauss平滑、梯度檢測、沿梯度方向的非極大值抑制和雙閾值邊緣檢測連接算法。Canny算子檢測的邊緣是閉合的、單像素寬的，能比較精確地定位圖像中的邊緣。邊緣檢測結(jié)果如圖3所示。

圖3 Canny邊緣檢測結(jié)果Fig.3 Result of Canny edge detector

2.2 輪廓分析

如圖3所示，邊緣檢測的結(jié)果中除立方鏡棱邊對應(yīng)的邊緣外，還得到了其他邊緣，這些對立方鏡特征的識別測量造成了干擾。從圖3中容易看出，立方鏡棱邊邊緣與其他邊緣的主要特征區(qū)別在于：立方鏡棱邊直線程度明顯，而其他干擾邊緣為曲線。因此，可以直線檢測算法分析邊緣檢測結(jié)果中輪廓的直線程度，利用邊緣直線程度的不同將立方鏡棱邊對應(yīng)的邊緣提取出來。常用的直線檢測算法有最小二乘法、最小距離法、Radon 變換法及 Hough 變換法等［12］。

研究中，采用Hough變換法進(jìn)行直線檢測。Hough變換是將圖像的空間域變換到參數(shù)空問，使原圖上給定形狀的幾何曲線上的點(diǎn)，經(jīng)過變換以后都集中到變換空間的某些位置，在變換空間上形成峰點(diǎn)，通過檢測變換空間中的峰值點(diǎn)，來找出原圖中給定形狀曲線的參數(shù)方程［13］。Hough變換將Descartes空間上滿足特定參數(shù)的數(shù)據(jù)在參數(shù)空間上以累加器的形式反映出來［14］，對于區(qū)域邊界被噪聲干擾或因其他目標(biāo)引起邊界發(fā)生某些間斷的情況，具有很好的容錯性和魯棒性。

輪廓分析借助于Hough變換進(jìn)行，分析的主要任務(wù)是對每條輪廓包含的直線信息進(jìn)行分析統(tǒng)計，剔除直線特征不明顯的輪廓，得到立方鏡棱邊對應(yīng)的直線信息。輪廓分析的主要步驟如下：

1）對Canny邊緣檢測的結(jié)果圖像中每一條連續(xù)的輪廓，單獨(dú)進(jìn)行Hough直線檢測，為Hough直線檢測設(shè)定一個與直線特征強(qiáng)弱程度相關(guān)的閾值，高于該閾值的認(rèn)為是直線。

2）對相近位置處檢測到多條直線的情況，按直線偏角和位置進(jìn)行聚類，并對同類的直線求平均合并為1條直線。

輪廓按直線程度強(qiáng)弱的分類結(jié)果如圖4所示，紅色部分為直線特征明顯的輪廓，而藍(lán)色部分為直線特征不明顯的部分。可以看到，立方鏡棱邊對應(yīng)的輪廓很好地被區(qū)分出來，對應(yīng)的檢測到的直線如圖5所示。

圖4 輪廓按直線程度強(qiáng)弱的分類結(jié)果Fig.4 Result of edges classified by straightness

圖5 立方鏡輪廓直線檢測結(jié)果Fig.5 Result of straight-line features

2.3 直線聚類排序

由圖5可以看到，輪廓分析得到了立方鏡棱邊對應(yīng)的6條直線，包括3條橫線以及3條豎線。立方鏡角點(diǎn)位置可以通過對應(yīng)位置相交的直線求交點(diǎn)獲得，但得到的直線中任意兩條的交點(diǎn)不一定是立方鏡的角點(diǎn)，例如圖5中最上方橫線與最左側(cè)豎線的交點(diǎn)實(shí)際并不在立方鏡上。因此，需要對檢測得到的直線按照角度及位置進(jìn)行聚類排序，而后根據(jù)先驗(yàn)知識獲取立方鏡實(shí)際角點(diǎn)在圖中對應(yīng)的配對相交直線，進(jìn)而求交點(diǎn)得到角點(diǎn)位置。

對直線聚類排序的步驟如下：

1）對所有直線按偏角進(jìn)行聚類，得到立方鏡平行棱邊對應(yīng)的兩組直線。以圖5為例，一組為“橫線”，即圖中接近橫向的3條直線歸為一類；另一組為 “豎線”，即圖中接近豎直的3條直線歸為一類。

2）對同類直線按截距進(jìn)行排序，并按順序編號。以圖5為例，“橫線”由上至下排序，“豎線”由右到左排序。

經(jīng)過直線的排序、求交點(diǎn)后的圖像結(jié)果如圖6所示。黃色直線為聚類得到的橫線，紅色直線為聚類得到的豎線。

圖6 立方鏡頂點(diǎn)計算結(jié)果Fig.6 Calculation result of vertices of the cubic prism

2.4 角點(diǎn)計算

根據(jù)立方鏡頂點(diǎn)的位置，在兩類直線中找出在該點(diǎn)相交的直線，求出兩條直線的交點(diǎn)坐標(biāo)作為立方鏡頂點(diǎn)坐標(biāo)。以圖6為例，最上的橫線與最右的豎線求交點(diǎn)可以得到立方鏡右上后方的頂點(diǎn)坐標(biāo)，第二條橫線與第二條豎線求交點(diǎn)可以得到立方鏡右上前方的頂點(diǎn)坐標(biāo)。

圖6中藍(lán)色的點(diǎn)標(biāo)記為通過直線排序、對應(yīng)、求交點(diǎn)得到的立方鏡頂點(diǎn)，頂點(diǎn)在圖像中的像素坐標(biāo)如表1所示。

表1 立方鏡頂點(diǎn)的圖像坐標(biāo)Table 1 Image pixel coordinates of the vertices of the cubic prism

3 結(jié)論

光電自準(zhǔn)直經(jīng)緯儀測量范圍較小，手動引導(dǎo)立方鏡進(jìn)入準(zhǔn)直儀視場的效率較低，通過單目視覺對立方鏡位姿進(jìn)行測量，可以自動引導(dǎo)立方鏡進(jìn)入準(zhǔn)直儀視場。本文面向單目視覺輔助光電準(zhǔn)直儀對立方鏡進(jìn)行準(zhǔn)直的需求，研究針對立方鏡圖像的數(shù)字圖像處理技術(shù)。

1）研究中采用Canny邊緣檢測方法得到灰度圖像中的邊緣信息，借助Hough變換按照直線程度的強(qiáng)弱對邊緣信息進(jìn)行分類提取，有效排除了不需要的邊緣，得到圖像中立方鏡棱邊對應(yīng)的邊緣及直線信息。進(jìn)一步按照偏角與截距對棱邊直線進(jìn)行分類排序，結(jié)合先驗(yàn)知識得到了立方鏡角點(diǎn)對應(yīng)的配對相交直線，對配對直線求交點(diǎn)最終得到了立方鏡角點(diǎn)在圖像中的位置。

2）研究得出的立方鏡處理方法實(shí)用有效，得到的立方鏡棱邊及角點(diǎn)信息為后續(xù)的立方鏡位姿計算提供了基礎(chǔ)數(shù)據(jù)。

［1］楊振，李廣云，范百興，等.多種互瞄條件下立方鏡準(zhǔn)直傳遞方法研究［J］.宇航計測技術(shù)， 2013，33（6）：10-12.YANG Zhen， LI Guang-yun， FAN Bai-xing， et al.Cubic prism collimation vector delivery methods under various aiming conditions［J］.Journal of Astronautic Metrology and Measurement， 2013， 33 （6）： 10-12.

［2］Kumar H N S， Nataraju B S， Joseph P G， et al.Precise alignment of spacecraft antenna using theodolite based hardware and software interface［J］.IETE Technical Review， 2003， 20 （5）： 471-476.

［3］Marr D.Vision： a computational investigation into the human representation and processing of visual information［M］.The MIT Press， 1982.

［4］王鵬，孫長庫，張子淼.單目視覺位姿測量的線性求解［J］. 儀器儀表學(xué)報， 2011， 32 （5）： 1126-1131.WANG Peng， SUN Chang-ku， ZHANG Zi-miao.Linear pose estimation with a monocular vision system ［J］.Chinese Journal of Scientific Instrument， 2011， 32 （5）：1126-1131.

［5］劉昶，朱楓，歐錦軍.基于三條相互垂直直線的單目位姿估計［J］.模式識別與人工智能， 2012，25（5）：737-744.LIU Chang， ZHU Feng， OU Jin-jun.Monocular pose determination from three perpendicular lines［J］.Pattern Recognition and Artificial Intelligence， 2012， 25 （5）：737-744.

［6］Roberts L G.Machine perception of three-dimensional solids［D］.Massachusettes Institute of Technology， 1963.

［7］Sobel I.Camera models and machine perception［D］.Stanford University，1970.

［8］Prewitt J M.Object enhancement and extraction［M］.New York： Academic Press， 1970.

［9］Gonzalez R C.數(shù)字圖像處理 （第2版）［M］. 北京： 電子工業(yè)出版社，2003.Gonzalez R C.Digital image processing （2nd）［M］.Beijing： Electronics Industry Press， 2003.

［10］Marr D， Hildreth E.Theory of edge detection［C］.Proceedings of the Royal Society of London（Biological Sciences）， 1980， 207 （1167）： 187-217.

［11］Canny J.A computational approach to edge detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986， 8 （6）： 679-698.

［12］Xu L， Oja E.Randomized Hough transform （RHT）：basic mechanism，algorithms，and computational complexities［J］.CVGIP： Image Understanding， 1993， 57 （2）：131-154.

［13］許強(qiáng)，陳震，危水根.圖像序列直線提取和匹配時Hough變換的應(yīng)用研究［J］.南昌航空工業(yè)學(xué)院學(xué)報（自然科學(xué)版）， 2007， 21 （1）： 43-47.

XU Qiang， CHEN Zhen， WEI Shui-gen.Application study of Hough transform when image array straight line is extracted and mating［J］.Journal of Nanchang Hangkong University （Natural Sciences）， 2007， 21 （1）： 43-47.

［14］Jiang T Z.Ma S D.Geometric primitive extraction using tabu search［C］.Proceedings of the 13thInternational Conference on Pattern Recognition， 1996： 266-279.