（陸軍裝甲兵學(xué)院 北京 豐臺(tái) 100072）

引言

現(xiàn)代戰(zhàn)爭(zhēng)形態(tài)正由機(jī)械化向信息化加速轉(zhuǎn)變，未來(lái)作戰(zhàn)條件將發(fā)生重大變化，機(jī)動(dòng)性會(huì)更強(qiáng)。如何在敵我雙方同時(shí)處于機(jī)動(dòng)狀態(tài)下實(shí)現(xiàn)“保存自己，消滅敵人”是提高戰(zhàn)斗力的一種重要途徑[1]。為充分提高現(xiàn)有裝備的作戰(zhàn)效能，通過(guò)采取光電探測(cè)跟蹤技術(shù)利用單目視覺(jué)SLAM算法來(lái)全方位補(bǔ)充目標(biāo)三維狀態(tài)信息，優(yōu)化現(xiàn)有解命中問(wèn)題模型，對(duì)于提高高機(jī)動(dòng)條件下命中率具有重要意義。

1 視覺(jué)SLAM算法

為了能夠快速的探測(cè)到運(yùn)動(dòng)目標(biāo)，并對(duì)目標(biāo)進(jìn)行定位分析，采用視覺(jué)SLAM算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分析。待相機(jī)采集圖像后進(jìn)行特征提取并生成相應(yīng)的特征描述數(shù)據(jù)庫(kù)，根據(jù)特征描述數(shù)據(jù)庫(kù)的相近程度對(duì)圖像特征點(diǎn)進(jìn)行匹配，根據(jù)匹配點(diǎn)對(duì)之間的約束關(guān)系對(duì)相機(jī)位姿進(jìn)行跟蹤，并計(jì)算運(yùn)動(dòng)物體的位置和速度等信息，然后進(jìn)行重定位和閉環(huán)檢測(cè)，最后進(jìn)行圖像位置的優(yōu)化以及三維態(tài)勢(shì)的顯示[2－3]。

2 數(shù)據(jù)采集和處理

圖像采集后，搜索其全部尺度和全部位置，利用高斯差分函數(shù)識(shí)別出尺度不變性和旋轉(zhuǎn)不變性的潛在特征點(diǎn)，實(shí)現(xiàn)極值空間的尺度空間極值檢測(cè)。通過(guò)在每個(gè)候選特征點(diǎn)上擬合出近似模型，來(lái)確定特征點(diǎn)的位置和尺度，最后根據(jù)穩(wěn)定程度選出特征點(diǎn)。在所選定的尺度空間內(nèi)，測(cè)量特征點(diǎn)領(lǐng)域區(qū)域內(nèi)局部圖像梯度，將這些梯度轉(zhuǎn)換為形狀變形和亮度變化。

2．1 尺度空間極值檢測(cè)

特征點(diǎn)檢測(cè)首先要識(shí)別出目標(biāo)的位置和尺度，對(duì)于同一目標(biāo)在不同的視角下這些位置和尺度可以被重復(fù)分配，并且這些檢測(cè)到的位置是不隨圖像尺度的變化而改變，所以用尺度空間的連續(xù)尺度函數(shù)進(jìn)行檢測(cè)。

基于高斯差分尺度空間，建立圖像金字塔。高斯金字塔共分為I組，每組又分s層，組內(nèi)各層分辨率是相同的，即長(zhǎng)和寬相同，但尺度逐漸增加，即越往塔頂圖像越模糊，而下一組的圖像是由上一組圖像按照隔點(diǎn)降采得到，即圖像的長(zhǎng)和寬分別減半，高斯金字塔的組數(shù)由輸入圖像的分辨率得到。

在金字塔的基礎(chǔ)上，尋找極值點(diǎn)，作為特征點(diǎn)的備選點(diǎn)，把每一個(gè)像素點(diǎn)同他尺度的8個(gè)相鄰點(diǎn)與上下相鄰尺度對(duì)應(yīng)的9*2個(gè)點(diǎn)，共26個(gè)點(diǎn)進(jìn)行比較，以確保在尺度空間和二維圖像空間都檢測(cè)到極值點(diǎn)。

2．2 特征點(diǎn)的定位

以上方法檢測(cè)到的極值點(diǎn)是離散空間的極值點(diǎn)，以下通過(guò)擬合三維二次函數(shù)來(lái)精確確定關(guān)鍵點(diǎn)的位置和尺度，同時(shí)去除低對(duì)比度的關(guān)鍵點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn)，以增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力。

離散空間的極值點(diǎn)并不是真正的極值點(diǎn)，通過(guò)對(duì)尺度空間高斯函數(shù)進(jìn)行曲線擬合，利用己知的離散空間點(diǎn)插值得到的連續(xù)空間極值點(diǎn)來(lái)提高關(guān)鍵點(diǎn)的穩(wěn)定性。

3 目標(biāo)跟蹤

通過(guò)從相機(jī)獲得的圖像信息中恢復(fù)相機(jī)的位置和姿態(tài)，當(dāng)相機(jī)在場(chǎng)景中不斷運(yùn)動(dòng)時(shí)，持續(xù)的獲得場(chǎng)景的圖像信息，不斷地恢復(fù)相機(jī)的位置和姿態(tài)，得到相機(jī)的運(yùn)動(dòng)軌跡，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)在未知場(chǎng)景中的定位。

首先根據(jù)檢測(cè)到的前三幀目標(biāo)圖像的灰度質(zhì)心利用最小二乘法擬合目標(biāo)質(zhì)心點(diǎn)在圖像中的運(yùn)動(dòng)軌跡，并將檢測(cè)到的第三幀圖像中的目標(biāo)作為目標(biāo)模板，然后根據(jù)此軌跡估計(jì)出下一幀目標(biāo)的運(yùn)動(dòng)方位。

3．1 運(yùn)動(dòng)軌跡擬合

質(zhì)心由選定區(qū)域中圖像的一節(jié)矩陣和零階矩陣得到，經(jīng)過(guò)邊緣提取后處理的圖像，可計(jì)算其質(zhì)心坐標(biāo)。通過(guò)求出目標(biāo)的灰度質(zhì)心，并可在坐標(biāo)系中描繪出質(zhì)心點(diǎn)，利用最小二乘法擬合出目標(biāo)的運(yùn)動(dòng)軌跡，同時(shí)可根據(jù)時(shí)間間隔預(yù)測(cè)出目標(biāo)質(zhì)心的下一位置。由于目標(biāo)在坐標(biāo)系中的運(yùn)動(dòng)對(duì)應(yīng)著x坐標(biāo)和y坐標(biāo)的變化，所以在對(duì)目標(biāo)軌跡跟蹤中，對(duì)x坐標(biāo)和y坐標(biāo)分別采用二次逼近公式預(yù)測(cè)下一位置的坐標(biāo)和坐標(biāo)。

3．2 位置解算

當(dāng)光電設(shè)備鎖定目標(biāo)之后，光電設(shè)備開(kāi)始跟蹤目標(biāo)，并實(shí)時(shí)保證鎖定目標(biāo)位于捕捉畫(huà)面中心位置處，此時(shí)轉(zhuǎn)臺(tái)的跟蹤角度即為 和 。首先根據(jù)此時(shí)的焦距以及目標(biāo)所占的像素點(diǎn)數(shù)量求出目標(biāo)距離攝像機(jī)的直線距離，然后通過(guò)投影計(jì)算出目標(biāo)相對(duì)于坐標(biāo)原點(diǎn)（攝像機(jī)所在位置）的位置關(guān)系。

我們?cè)O(shè)置攝像機(jī)采集視頻幀率為50Hz，也就是說(shuō)每隔t＝0．02秒抓拍一次圖像。我們可以認(rèn)為目標(biāo)在這兩幀圖像的時(shí)間間隔內(nèi)是勻加速運(yùn)動(dòng)狀態(tài)，可以計(jì)算出目標(biāo)速度和加速度。

3．3 三維態(tài)勢(shì)顯示

根據(jù)上述計(jì)算的運(yùn)動(dòng)目標(biāo)的位置信息、速度以及加速度信息，結(jié)合初始點(diǎn)的位置關(guān)系，將目標(biāo)信息發(fā)送到三維視景中，三維視景通過(guò)調(diào)用目標(biāo)的位置信息以及該目標(biāo)對(duì)應(yīng)的3D模型，然后將目標(biāo)數(shù)字模型實(shí)時(shí)顯示在三維視景中，共同構(gòu)建三維場(chǎng)景，并在場(chǎng)景界面實(shí)時(shí)顯示目標(biāo)位置，姿態(tài)等信息。

4 結(jié)語(yǔ)

對(duì)于未來(lái)戰(zhàn)場(chǎng)中目標(biāo)機(jī)動(dòng)性能的提高，對(duì)于解命中問(wèn)題而言縱向數(shù)據(jù)的補(bǔ)充顯得尤為重要。基于光電探測(cè)跟蹤這一采集數(shù)據(jù)方法準(zhǔn)確、高效且成本低廉。試驗(yàn)結(jié)果表明，該方式極大程度上提高了復(fù)雜條件下高機(jī)動(dòng)目標(biāo)命中概率，使得解命中問(wèn)題有了較為滿意的精度。