高速激光光斑检测系统的设计与实现

李一芒，盛 磊，陈云善

(中国科学院长春光学精密机械及物理研究所，长春130033)

引 言

由于激光通信系统具有带宽、高速、抗截获能力强、抗干扰能力强和轻小型等突出优点，使其非常适合深空、星际、星地、空空、空地等链路通信，因此在近年来得到了迅速发展［1-3］。激光通信链路的建立与保持离不开对信标光的捕获、跟踪与瞄准(acquisition，tracking and pointing，ATP)［4］。基于数字图像处理的光斑目标位置信息提取是ATP中的一项关键技术，其提取速度与精度直接影响链路的通断，开展相关研究有着重要的意义。

对基于数字图像处理的激光通信光斑检测技术的研究主要可分为算法理论和实际应用两个方面。算法方面，ZHANG等人［5］提出了基于噪声特性的自动阈值处理算法;LIU等人［6］提出了基于圆心拟合的中心定位算法;SUN等人［7］提出了基于小波的光斑去噪算法;SHAO［8］提出了修正的单点灰度值算法。上述对于算法的研究均是通过仿真环境进行处理效果的验证，其硬件可移植性和算法实时性尚有待考量。在应用方面，LU等人［9］提出的基于粒子滤波的方法应用于分辨率为640piexl×480piexl，帧频为24Hz的序列图像中;CHENG［10］采用中值滤波实现了分辨率1024piexl×1040piexl，帧频25Hz序列图像的光斑提取;XU等人［11］提出的基于上三邻域连续点计数法能够对分辨率320piexl×256piexl，帧频83Hz的图像进行实时处理。随着对激光通信研究的不断深入，对提取光斑目标的频率要求也越来越高，100Hz及以下的提取频率已经不能满足动态链路的建立与保持。

国外一些学者通过以现场可编程门阵列(fieldprogrammable gate array，FPGA)为核心器件的系统已经实现了对高帧频图像的实时处理，为提高国内在研的激光通信系统在图像方面的处理速度，本文中针对高速序列图像中激光光斑目标的检测问题设计了基于FPGA的实时图像处理系统，提出了基于1维滤波算子的方位滤波器，并实现了分辨率为 300piexl×300piexl，帧频1000Hz序列图像的预处理与激光光斑中心位置的实时提取。

1 系统硬件设计

已有的激光光斑检测系统其硬件设计主要分为基于计算机和基于FPGA与数字信号处理器(digital signal processor，DSP)架构两种方案。基于计算机处理的方案通过图像采集卡获取相机拍摄的图像信息，由计算机完成对图像的处理及对光斑中心位置的提取等任务。在高帧频情况下，普通计算机很难完成对图像数据的实时处理，使用研华工控机运行Visual Studio2008软件编写的图像处理软件对包含光斑的分辨率为300piexl×300piexl的图像进行目标提取，每幅图像需耗时0.707s，采用高性能多核计算机并辅以多线程技术虽然能提高这一方案下的数据处理能力，但同时会大幅提高成本，且计算机内部资源需要通过操作系统进行调度，因此这一方案的资源利用率低，实现难度大。基于FPGA+DSP的方案是目前实时图像处理领域常用架构，FPGA主要担负数据缓存和信号控制等任务，DSP则主要进行数据运算。由于DSP进行数据运算时是顺序执行，因此其对高帧频图像的实时处理能力存在一定局限，使用以TMS320C6678型DSP为核心器件的图像处理平台对包含光斑的分辨率为300piexl×300piexl的图像进行目标提取，每幅耗时约0.032s。上述方案均不能满足对1000Hz频率的图像进行实时处理的需求。随着电子技术的不断发展，FPGA在保留其并行处理能力的同时，能够进行除法和卷积等运算操作，为保证系统的实时处理能力，本文中的设计光斑检测系统以FPGA作为核心芯片展开，在硬件设计中，采用赛灵思公司(Xilinx)的XC5VLX110T型FPGA芯片为核心运算器件。该款FPGA内部资源丰富，根据其技术资料显示，有17280个资源单元，每个资源单元内包括4个显示查找表和4个触发器，拥有5328×1000块随机存储器可作为缓存;运算能力方面，该FPGA拥有64个DSP48E数字信号运算内核，能够进行卷积、除法等复杂运算。利用XC5VLX110T型FPGA内的功能内核和丰富的存储资源可以实现对高帧频图像的实时处理与通信控制等功能，其框图如图1所示。

Fig.1 System framework

系统主要由FPGA及外围电路组成。系统的主要工作过程为图像接收模块接收相机采集到的图像信号，并将数字图像信息传输至缓存模块中，图像处理模块从缓存依次提取数据并进行滤波和光斑中心提取等操作，图像处理模块将提取的光斑中心坐标值传输至信号整合模块中，信号整合模块将图像与其光斑中心坐标信息进行数据合并，通过PCI-e通信模块将原始图像信息与光斑中心坐标传输至主控计算机中。

2 系统算法流程

图像处理模块是高速激光光斑检测系统的核心部分，其设计工作流程如图2所示。

Fig.2 Design flow of image processing unit

为保证系统的实时性，在对图像进行预处理时设计采用空域滤波，与频域滤波相比，FPGA的并行处理机制更适合实现空域滤波算法。数字图像信息是1组2维数字信号，因此在设计时首先从2维滤波器入手展开研究，拉普拉斯-高斯(Laplacian of Gaussian，LOG)算子是典型的2维滤波算子。设原始图像可以表示为f(x，y)，2维LOG算子的定义式为:

式中，σ为原始图像f(x，y)的高斯分布标准差，算法基本思想如下:图像以2位数字信号形式与高斯算子卷积达到平滑效果，拉普拉斯算子将边缘点转换成零交叉点，通过交叉零点来实现对图像边缘的检测。由于高斯函数关于轴对称，因此LOG算子属于各向同性算子，当目标性状不规则时，采用经典LOG算子滤波不能对不同方向的边缘进行有效的检测，而且不利于FPGA进行算法实现。为解决上述问题，本文中提出1维LOG算子概念，其中1维高斯分布函数为:

式中，μ是高斯分布的期望值。当μ=0，对其求二次微分并取反得到1维LOG算子L(x)的表达式如下:

(3)式是关于x的一元函数，而待处理图像均为2维数字信号，采用1维算子滤波仅能从行方向或列方向对图像进行处理，因此需设计多方位滤波器对2维数字图像信号进行滤波。

为表述方便，以整幅图像的左上角为坐标原点，行方向从左至右建立x轴，列方向从下至上建立y轴，则原始红外图像可以表示为f(x，y)，根据1维LOG算子函数定义多方位滤波算子如下:

式中，下标l是不同方向的滤波算子标号，σl表示各方位的高斯分布标准差。将原始图像同多方位滤波算子进行卷积运算得到滤波后图像I(x，y)可表示为:

式中，“*”表示卷积运算。(4)式与(5)式表明，多方位滤波算子能够对原图像各点与其八邻域点所构成的射线方向对图像进行滤波。滤波效果与序列长度Mj(j=1，2，…，8)和 σl有关。σl越大，对噪声的滤波效果越好，但会丢失越多的边缘信息;σl越小，对目标的检测效果越好，但对噪声的平滑能力就越弱。序列长度越长，滤波效果越好，但各方位的1维滤波算子是关于变量平方的e负指数函数，当变量的绝对值很大时，算子函数值接近于0，因此序列长度过长没有意义，反而会影响运算速度。设置不同方向的σl值与序列长度可以针对包含不同目标类型的图像进行滤波。由于实际工程中，光斑所成形状不是严格的圆形，因此通过设置不同的σl值能够适合对相应形状光斑的处理。

在阈值分割算法方面，为保证系统实时性，设计中采用控制计算机动态设定全局阈值;为解决光斑破碎的问题，在阈值分割后进行了二值化图像的形态学开运算;最后通过FPGA进行连通域分析与目标提取的操作，确定图像中是否包含光斑目标，如果有则输出目标形心的坐标值。

3 实验结果及分析

搭建的实验平台如图3所示。

Fig.3 Experiment platform

Fig.4 Results of original imagesa—frame 5 b—frame 1143 c—frame 2874 d—frame 3266

Fig.5 Processing resultsa—frame 5 b—frame 1143 c—frame 2874 d—frame 3266

激光器波长为850nm，测得衰减后的输出功率为10.5nW，相机是输出接口为Camera Link的MC-1302型工业相机，调整分辨率为300pixel×300pixel，帧率1000Hz，曝光时间0.9ms，主控计算机选用Amax某小型工作站。实验时，激光经衰减后照射在相机上，数字图像信号经Camera Link口传输至光斑检测系统中，检测系统将处理后得到的结果经PCI-e传输至主控计算机上，主控计算机能够显示并存储所得到的结果。图4是采集得到的原始图像，图5是处理后得到的图像。

实时输出的光斑中心形心位置与事后通过MATLAB对原图质心进行的比较结果如表1所示，其中当未发现激光光斑时，给出的目标坐标值为(0，0)。

Table 1 Comparison between centroid and gravity

通过5000帧图像实时形心计算结果与事后质心计算结果进行比较，将事后质心结果看作真值，则形心计算误差平均值为:x方向0.21pixel，y方向0.15pixel。

经测试检验，系统运行时，需占用12%的块随机存储器和54%的运算单元，系统硬件延时约4μm，算法延时约12μm，单幅图像处理时间为0.03ms，小于0.9ms的单幅曝光时间。

4 结论

设计了用于高帧频序列图像激光光斑目标提取的图像采集与处理系统，系统以现场可编程门阵列为核心器件，系统通过方位滤波器对图像进行预处理，采用连通域分析提取目标形心，实现了对高帧频图像中的激光光斑中心的检测。该系统应用于激光通信系统中，可为动态链路的建立与保持提供必要的实时参量信息。

［1］ GREGORY M，HEINE F，KAMPFNER H，et al.Commercial optical inter-satellite communication at high data rates［J］.Optical Engineering，2012，53(3):031202.

［2］ SOVA R M，SLUZ J E，YOUNG D W，et al.80Gb/s free-space optical communication demonstration between an aerostat and a ground terminal［J］.SPIE，2006，6304:630414.

［3］ HU Z，JIANG H L，TONG S F，et al.Research on ATP system technology of laser communication terminal in space［J］.Acta Armamentarii，2011，32(6):752-757(in Chinese).

［4］ LI X.Optimization research on link and communication performance for intersatellite laser communications［D］.Harbin:Harbin Institute of Technology，2013:1-6(in Chinese).

［5］ ZHANG H Zh，YAO M，LI P，et al.Research of image processing method of far-field laser spots［J］.Laser Technology，2013，37(4):460-463(in Chinese).

［6］ LIU H L，HOU W，FAN Y L，et al.An improved algorithm of laser spot center location［J］.Computer Measurement ＆ Control，2014，22(1):139-141(in Chinese).

［7］ SUN J P，JIANG J.PURE-LET-based fast denoising algorithm for laser spot imagery［J］.Journal of China Coal Society，2013，9(9):1710-1714(in Chinese).

［8］ SHAO W B.Research on the optimization design for the facular image processing algorithm in satellite optical communications［D］.Harbin:Harbin Institute of Technology，2013:22-36(in Chinese).

［9］ LU N，KE X Z，ZHANG H.Research on APT coarse tracking in freespace laser communication［J］.Infrared and Laser Engineering，2010，39(5):943-949(in Chinese).

［10］ CHENG Y.Research on laser spot tracking sysyem for space laser communication［D］.Changchun:Changchun University of Science and Technology，2012:12-37(in Chinese).

［11］ XU W Y，BAI T Z，LIU Y，et al.Real-time laser facula detection based on top-three-neighborhood-region continuous-pixels numbering［J］.Acta Optica Sinica，2013，33(12):138-143(in Chinese).