基于光电探测跟踪的目标横纵向状态信息采集方案设计

（陆军装甲兵学院 北京 丰台 100072）

引言

现代战争形态正由机械化向信息化加速转变，未来作战条件将发生重大变化，机动性会更强。如何在敌我双方同时处于机动状态下实现“保存自己，消灭敌人”是提高战斗力的一种重要途径[1]。为充分提高现有装备的作战效能，通过采取光电探测跟踪技术利用单目视觉SLAM算法来全方位补充目标三维状态信息，优化现有解命中问题模型，对于提高高机动条件下命中率具有重要意义。

1 视觉SLAM算法

为了能够快速的探测到运动目标，并对目标进行定位分析，采用视觉SLAM算法对运动目标进行分析。待相机采集图像后进行特征提取并生成相应的特征描述数据库，根据特征描述数据库的相近程度对图像特征点进行匹配，根据匹配点对之间的约束关系对相机位姿进行跟踪，并计算运动物体的位置和速度等信息，然后进行重定位和闭环检测，最后进行图像位置的优化以及三维态势的显示[2－3]。

2 数据采集和处理

图像采集后，搜索其全部尺度和全部位置，利用高斯差分函数识别出尺度不变性和旋转不变性的潜在特征点，实现极值空间的尺度空间极值检测。通过在每个候选特征点上拟合出近似模型，来确定特征点的位置和尺度，最后根据稳定程度选出特征点。在所选定的尺度空间内，测量特征点领域区域内局部图像梯度，将这些梯度转换为形状变形和亮度变化。

2．1 尺度空间极值检测

特征点检测首先要识别出目标的位置和尺度，对于同一目标在不同的视角下这些位置和尺度可以被重复分配，并且这些检测到的位置是不随图像尺度的变化而改变，所以用尺度空间的连续尺度函数进行检测。

基于高斯差分尺度空间，建立图像金字塔。高斯金字塔共分为I组，每组又分s层，组内各层分辨率是相同的，即长和宽相同，但尺度逐渐增加，即越往塔顶图像越模糊，而下一组的图像是由上一组图像按照隔点降采得到，即图像的长和宽分别减半，高斯金字塔的组数由输入图像的分辨率得到。

在金字塔的基础上，寻找极值点，作为特征点的备选点，把每一个像素点同他尺度的8个相邻点与上下相邻尺度对应的9*2个点，共26个点进行比较，以确保在尺度空间和二维图像空间都检测到极值点。

2．2 特征点的定位

以上方法检测到的极值点是离散空间的极值点，以下通过拟合三维二次函数来精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点，以增强匹配稳定性、提高抗噪声能力。

离散空间的极值点并不是真正的极值点，通过对尺度空间高斯函数进行曲线拟合，利用己知的离散空间点插值得到的连续空间极值点来提高关键点的稳定性。

3 目标跟踪

通过从相机获得的图像信息中恢复相机的位置和姿态，当相机在场景中不断运动时，持续的获得场景的图像信息，不断地恢复相机的位置和姿态，得到相机的运动轨迹，实现运动目标在未知场景中的定位。

首先根据检测到的前三帧目标图像的灰度质心利用最小二乘法拟合目标质心点在图像中的运动轨迹，并将检测到的第三帧图像中的目标作为目标模板，然后根据此轨迹估计出下一帧目标的运动方位。

3．1 运动轨迹拟合

质心由选定区域中图像的一节矩阵和零阶矩阵得到，经过边缘提取后处理的图像，可计算其质心坐标。通过求出目标的灰度质心，并可在坐标系中描绘出质心点，利用最小二乘法拟合出目标的运动轨迹，同时可根据时间间隔预测出目标质心的下一位置。由于目标在坐标系中的运动对应着x坐标和y坐标的变化，所以在对目标轨迹跟踪中，对x坐标和y坐标分别采用二次逼近公式预测下一位置的坐标和坐标。

3．2 位置解算

当光电设备锁定目标之后，光电设备开始跟踪目标，并实时保证锁定目标位于捕捉画面中心位置处，此时转台的跟踪角度即为 和 。首先根据此时的焦距以及目标所占的像素点数量求出目标距离摄像机的直线距离，然后通过投影计算出目标相对于坐标原点（摄像机所在位置）的位置关系。

我们设置摄像机采集视频帧率为50Hz，也就是说每隔t＝0．02秒抓拍一次图像。我们可以认为目标在这两帧图像的时间间隔内是匀加速运动状态，可以计算出目标速度和加速度。

3．3 三维态势显示

根据上述计算的运动目标的位置信息、速度以及加速度信息，结合初始点的位置关系，将目标信息发送到三维视景中，三维视景通过调用目标的位置信息以及该目标对应的3D模型，然后将目标数字模型实时显示在三维视景中，共同构建三维场景，并在场景界面实时显示目标位置，姿态等信息。

4 结语

对于未来战场中目标机动性能的提高，对于解命中问题而言纵向数据的补充显得尤为重要。基于光电探测跟踪这一采集数据方法准确、高效且成本低廉。试验结果表明，该方式极大程度上提高了复杂条件下高机动目标命中概率，使得解命中问题有了较为满意的精度。