一种飞机三维姿态解算方法
【专利摘要】一种飞机三维姿态解算方法，首先采用高斯平滑滤波对待处理图像进行预处理以去除噪声对后续算法的影响，其次采用模糊C均值聚类算法FCM对上述平滑后的图像进行分割，获得二值图像，然后对分割后获得的二值目标图像进行Hough变换，检测出目标上直线特征明显的部分，而对于目标上线特征不明显的部分采用骨架提取获得特征点，再对骨架上的特征点进行直线拟合，获得目标轴线，最后结合上述获得的轴线以及目标实际尺寸、相机参数等信息，利用投影几何知识最终解算出目标在相机坐标系下的三维姿态参数。本发明基于能够反映物体结构的几何特征，利用整个目标图像进行Hough变换和骨架提取，获得的轴线更加准确，获得三维姿态参数更加精确。
【专利说明】一种飞机三维姿态解算方法
【技术领域】
[0001]本发明涉及一种飞机三维姿态解算方法，特别是一种利用Hough变换、骨架提取以及投影几何来解算飞机的三维姿态的方法，主要用于视觉导航、航天器对接和目标跟踪。
【背景技术】
[0002]三维姿态(俯仰角、偏航角、翻滚角)是反映飞机在空中飞行状态的重要参数，其精确测量对实验分析、目标跟踪与识别、事故鉴定、训练评估等有重要的应用价值，已经受到国内外相关学者越来越多的关注。而对空中运动目标的定位、识别及航迹测量，光电设备是迄今精度最高的仪器，它能够实时、动态跟踪目标并记录下目标移动的连续序列图像，且不受“黑障”、地面杂波干扰等地影响。目前光电测量中广泛应用光电设备对飞机进行跟踪拍摄，以获取飞机运动的实时连续序列图像，然后通过图像处理来获得其三维姿态。
[0003]当前，常用的单站光测图像确定飞机的三维姿态的方法包括基于模型法、特征对应法和光流法。基于模型的方法可以对单站光测数据进行处理得到飞机的三维姿态角且精度高，但图像处理的模板匹配过程存在“NP问题”；基于特征对应的方法需要在飞机目标上定义一些特征点，线和形状，但特征信息的衰减会给建立特征和像素之间的对应关系带来很大的困难；基于光流的方法是根据多幅图像的差异来估计飞机运动的瞬时速度，从而估计/跟踪飞机的姿态，但该方法对噪声非常敏感，因而容易引入较大误差。因此，在现有的几何先验知识的情况下，寻找一种简单易行、计算精度高的姿态解算方法是目前迫切需要解决的问题。
【发明内容】
[0004]本发明技术解决问题:针对现有技术的不足，提供一种利用Hough变换、骨架提取以及投影几何的方法来解算飞机的三维姿态，在现有的先验知识的情况下，利用参考平面的几何特征和像平面投影的已知参数，再结合物面和像面投影的立体几何关系来求解位姿参数，求解过程仅仅是简单的三角几何关系，从而大大减少了计算量，提高了工作效率。
[0005]为实现这样的目的，本发明的技术方案:一种飞机三维姿态解算方法，包括如下步骤:
[0006]步骤一、图像预处理:采用高斯平滑滤波对待处理图像进行处理，去除噪声的影响，得到滤波后的平滑图像；
[0007]步骤二、使用模糊C均值聚类算法FCM(Fuzzy C-Means Cluster)对步骤一得到的平滑后的图像进行分割，获得二值图像；
[0008]步骤三、利用Hough变换对步骤二得到的二值图像进行处理，检测出飞机上直线特征明显部分的直线作为该部分的轴线；
[0009]步骤四、利用骨架提取的方法对步骤二得到的图像进行处理，提取飞机上的骨架点后，选取一些特征骨架点进行直线拟合，得到的直线作为飞机上该部分的轴线；
[0010]步骤五、求出步骤三和四得到的轴线方程，计算这两条轴线的夹角以及矢量角，结合相机参数和相机与飞机的距离信息解算出飞机三维姿态参数。
[0011]其中，所述步骤二中，使用模糊C均值聚类算法FCM(Fuzzy C-Means Cluster)对步骤一得到的平滑后的图像进行分割，获得二值图像的方法为:
[0012]步骤(21)、初始化:给定聚类类别数C (本发明中C=2)，设定迭代停止阈值ε，初始化模糊划分矩阵，迭代次数1=0，模糊加权指数m (本发明中m=2);
[0013]步骤(22)、将U(Q)代入式(7)，计算聚类中心矩阵V(1):
[0014]
【权利要求】
1.一种飞机三维姿态解算方法，其特征包括如下步骤: 步骤一、图像预处理:采用高斯平滑滤波对待处理的图像进行处理，去除噪声的影响，得到滤波后的平滑图像； 步骤二、使用模糊C均值聚类算法FCM(Fuzzy C-Means Cluster)对步骤一得到的平滑后的图像进行分割，获得二值图像； 步骤三、利用Hough变换对步骤二得到的二值图像进行处理，检测出飞机上直线特征明显部分的直线作为该部分的轴线； 步骤四、利用骨架提取的方法对步骤二得到的图像进行处理，提取飞机上的骨架点后，选取一些特征骨架点进行直线拟合，得到的直线作为飞机上该部分的轴线； 步骤五、求出步骤三和四得到的轴线方程，计算这两条轴线的夹角以及矢量角，结合相机参数和相机与飞机的距离信息解算出飞机三维姿态参数。
2.根据权利要求1所述的飞机三维姿态解算方法，其特征在于:步骤二中所述的利用模糊C均值聚类算法FCM(Fuzzy C-Means Cluster)对步骤一得到的平滑后的图像进行分割的方法实现如下: 步骤(21)、初始化:给定聚类类别数C，设定迭代停止阈值ε，初始化模糊划分矩阵u(0),迭代次数1=0，模糊加权指数m; 步骤(22)、将Ua)代入式(1)，计算聚类中心矩阵V(1):
3.根据权利要求1所述的飞机三维姿态解算方法，其特征在于:步骤三所述的利用Hough变换对步骤二得到的二值图像进行处理，检测出飞机上直线特征明显部分的直线作为该部分的轴线的方法实现如下: 步骤(31)、对步骤二得到的目标图像求大小，根据参数空间中参数的可能取值范围进行量化，根据量化结果构造一个累加器数组Α( P，Θ),初始化为O; 步骤(32)、对每个XY空间中的给定点让Θ取遍所有可能值，用式(3)计算出P，根据P 和 Θ 的值累加 Α:Α(Ρ，θ ) = A(P，Θ )+1 ； P = xcos Θ +ysin θ(3) 其中P和θ分别为参数空间中的两个参数一幅度和角度，(x，y)为图像空间中的点坐标。 步骤(33)、根据累加后A中最大值对应的P和Θ，由式(3)定出XY中的一条直线(SP飞机轴线)，A中的最大值代表了在该直线上给定点的数目。
4.根据权利要求1所述的飞机三维姿态解算方法，其特征在于:步骤四所述的利用骨架提取的方法对步骤二得到的图像进行处理，提取飞机上的骨架点后，选取一些特征骨架点进行直线拟合，得到的直线作为飞机上该部分的轴线的方法，本发明采用逐次消去边界点的迭代细化算法提取骨架实现如下: 设已知目标点标记为1，背景点标记为O,定义边界点是本身标记为I,而其8-连通区域中至少有一个点标记为O的点，考虑以边界点为中心的8-邻域，记中心点为P1，其邻域的8个点顺时针绕中心点分别记为P2, P3, , P9,其中P2在Pi上方; 包括对边界点进行两步操作: (41)标记同时满足下列条件的边界点:
(411)2 ( N(P1) ( 6;
(412)S(P1) = I;
(413)ρ2.ρ4.p6 = O;
(414)ρ4.ρ6.p8 = O; 其中N(P1) ^p1的非零邻点个数，S(P1)是以P2, P3,..., P9, P2为序时这些点的值从O — I的个数，当对全部边界点检验完毕后，将所有标记了的点除去； (42)标记同时满足下列条件的边界点:
(421)I ( N(P1) ( 6 ；
(422)S(P1) = I;
(423)ρ2.ρ4.p8 = O;
(424)ρ2.ρ6.p8 = O; 以上两步操作构成一次迭代，反复迭代直至没有点再满足标记条件，这时剩下的点组成骨架点。提取了目标的骨架点后，将骨架点中的连接点作为特征点，采用直线拟合的反复获得直线，以此作为飞机上机身的轴线。
5.根据权利要求1所述的飞机三维姿态解算方法，其特征在于:步骤五所述的利用步骤三和四得到的轴线方程，计算这两条轴线的夹角以及矢量角，结合相机参数和相机与飞机的距离信息解算出飞机三维姿态参数的方法，实现如下: 步骤(51)、偏航角的计算:设投影面中机身主轴的方向向量为i’bx，也即i’bx在投影平面的坐标为(X1, Y1)，因此:
Ψ = arctan (Y1A1) (4) 反正切函数得到的范围是(-η/2，η/2)，事实上偏航角的范围是[_π，π]，在实际中应根据方向向量横纵坐标的比值以及横纵坐标的正负来调整偏航角的值； 步骤(52)、俯仰角的计算:设相机的焦距为f，光心到目标的距离为D，机身实际长度为L，像面上机身长度为L’， 有:
【文档编号】G06F17/50GK103617328SQ201310656595
【公开日】2014年3月5日 申请日期:2013年12月8日 优先权日:2013年12月8日
【发明者】胡锦龙, 彭先蓉, 魏宇星, 李红川 申请人:中国科学院光电技术研究所