栅格化极坐标目标定位方法

邓立齐，杨 卫，金晓会



栅格化极坐标目标定位方法

邓立齐1,2，杨 卫1,2，金晓会1,2

（1. 中北大学 电子测试技术重点实验室，山西 太原 030051；2. 中北大学 仪器科学与动态测试教育部重点实验室，山西 太原 030051）

针对战场侦察等环境下，目标侦测定位需要快速、多目标、全方位等特点，本文设计提出栅格化目标定位方法。介绍了该定位方法实现的集成激光测距、热像仪等仪器的一体化平台，利用具有夜视作用的热像仪做图像采集，激光测距仪标定距离，电子罗盘定向；信息处理单元运用图像处理技术，在采集数据的基础上建立栅格化极坐标模型，目标进入能够快速匹配对目标定位，实现全方位快速目标检测定位，尤其对群多目标定位具有较大优势。

栅格化；多目标；目标定位

0 引言

目标定位技术随着科技的进步已经取得了较大发展，在军用和民用领域都存在大量的研究应用。目前应用最广泛的定位技术主要是卫星定位系统，美国的GPS全球卫星定位系统作为全球最为成熟的定位系统之一，其应用领域极其广泛，在日常生活中发挥着重要作用。近年中国自主研制的北斗全球定位系统已初步投入使用，并将大力发展完善其功能，在各领域将为国内外提供更为优质的服务[1]。在军事领域，雷达扫描是常用的目标探测定位技术，机械扫描雷达，相控阵雷达等在战场环境多目标定位上发挥着重要作用[2]。

近年来，随着计算机技术的发展，机器视觉定位得到了越来越多的关注、研究和应用。机器视觉定位是将数字图像处理技术，图像目标检测，目标跟踪与识别等结合起来的类似于人脑机能的综合目标检测与定位方法[3]。机器视觉定位主要有单目定位和双目定位，单目定位技术利用单个图像采集设备获取图像，并利用图像处理技术实现目标的检测定位；双目定位是利用两个图像采集设备模拟人眼机能的目标定位方法[4-5]。另外，仿复眼定位技术的研究模拟生物复眼模式，能够实现大视角成像和动目标快速定位[6]。

本文提出的栅格化极坐标目标定位技术，是在机器视觉的基础上完成的。针对机器视觉定位时，尤其战场环境下，小型目标以高运动速度、高机动性能、高隐蔽性能出现在视觉检测范围内，致使视觉检测系统无法即时地、全面地检测目标问题，以及常用的测距方式一次只能测量单个目标的问题。栅格化极坐标定位方法能够快速对视场内多目标检测与定位，能够达到战场全方位，快速侦察的需求。

1 一体化平台设计

栅格化极坐标定位方法硬件实现平台是集成图像采集，激光测距模块，测角测向模块，云台随动系统的光电综合平台。图像采集采用红外热像仪，其是利用热成像原理的成像设备，反映目标和背景红外辐射的空间分布，因此能够对夜间目标检测与定位，实现全天候值守工作[7]。激光测距模块采用激光测距仪，能够精确实现距离测量。激光测距仪和热像仪集成，能够对图像视场范围内进行距离测量。热像仪与激光测距结构如图1所示，图中热像仪和激光测距一体化集成，并且两者之间通过转轴相连，可以在一定范围内以不同的上下夹角工作，便于对视场内不同高度范围测距。

图1 感知单元结构示意图

云台随动系统控制热像仪的俯仰和旋转，实现360°全方位目标的检测定位。高精度双自由度可控云台，能够带动图像采集设备和激光测距等模块实现上下俯仰和360°转动。平台同时集成电子罗盘用于目标定向，GPS定位系统用于自身定位，信息处理模块对采集信息数据处理。设计的感知单元以及其他各传感器模块，信息处理部分，云台等集成一起，构成一体化平台。该平台可单独使用或安装于智能车等移动平台上实行复杂环境侦察等工作。

2 信息处理

首先，信息处理单元和感知平台利用热像仪和激光测距、电子罗盘对视场范围进行栅格化处理标定，建立栅格化极坐标定位模型；然后控制云台对周围环境全方位扫描，并进行目标检测；检测到目标后经处理得到目标质心，目标质心与栅格化定位模型匹配，综合距离数据和电子罗盘定向数据，获得目标相对感知平台位置，实现目标的检测定位。同时由于集成GPS定位模块，可以完成平台自身定位，即可通过换算获得目标在大地坐标系位置，通过远程通信实现远程监控定位目标。系统流程如图2所示。

图2 系统结构流程图

2.1 图像预处理与目标检测

热像仪是红外成像设备，反应目标和环境的红外热分布，成像情况与物体的温度和发射功率有关。与可见光图像相比，红外图像是灰度图像，空间相关性强，夜视效果较好；同时，相对于可见光图像肉眼分辨率较低，直观性较差，易受环境影响产生噪声；因此，必须对红外图像设计合适的图像处理方法[8]。

图像预处理主要是对采集设备采集的原始图像预先处理加工，提高图像质量，为目标检测等做基础[9]。本文主要针对红外图像特点，采用直方图均衡化和平滑去噪的方法对图像预处理。直方图均衡化通过改变图像的灰度直方图分布达到增强图像对比度的结果，使图像更清晰；平滑去噪采用3×3均值滤波方法对图像去噪处理，降低噪声影响。

目标检测算法常见的有帧差法、背景差分法、光流法等[10]。其中帧差法利用图像视频序列中连续两帧或几帧进行差分，根据其像素变化检测目标[11]。公式模型如下：

1）连续提取相邻的两帧图像I、I－2，并求出两帧图像的差分图像D：

2）设定阈值，将差值图像D进行二值化，像素大于设定的阈值的像素点为目标像素，反之则为背景像素。设二值化图像为B(x,y)，则计算公式如下：

该算法简单，运算量小，速度快，实时性高，对光照等环境影响不敏感，但是检测目标容易不完整，易产生漏洞[12]。

本文设计3帧差法选取连续3帧图像，分别对前两帧和后两帧进行差分，再对结果进行“与”操作得到最终目标检测结果。能够有效改善常用的两帧差法检测目标效果。

2.2 栅格化极坐标定位原理与方法

栅格化极坐标定位方法需要利用一体化感知平台测量距离和方向，利用数字图像处理操作建立栅格化定位模型。

2.2.1 定距与定向

激光测距模块实现平台的基础定距测量。激光测距具有探测距离远，测量精度高，抗干扰强，体积小，重量轻，重复频率高等优点[13]。脉冲式激光测距仪通过发射激光脉冲控制计时器开门，接收器接收返回的激光脉冲控制计时器关门；计算出激光在所测距离上往返传输时间，得到距离。公式如下：

＝×D/2 (3)

式中：为所测距离；为激光速度；D为激光往返传输时间[14]。

电子罗盘是常用的导航工具，能实时提供移动物体的航向和姿态，其主要以传感器感应地磁场变化，确定角度方向[15]。本文将其集成于平台上能够随云台转动，返回角度数据，由此换算得到方向数据。电子罗盘结合激光测距共同为栅格化极坐标系模型的建立提供测量数据。

2.2.2 栅格化极坐标定位原理

栅格化极坐标定位方法如图3所示，为测距模型中心，红外热像仪光轴与¢固定夹角为，红外热像仪视场角为，则云台转动旋转过程中，灰色区域为热像仪可检测区域。

平台集成的激光测距仪对可测区域进行测距，激光测距光线（图4中虚线）将图像视场角二等分，如图4所示。

激光测距可以测得点距离¢点的距离l¢，则有点距离摄像机的垂直距离为：

(5)

图4 图像测距原理图

则有点距离点的距离为：

将视场角分成等份，即将可检测圆环区域等分为距离点＋1个等距圆，当视场角很小时，反映到视频画面上为距离相等的＋1条近似平行的直线，则有第一个等距圆距离圆心距离为0，第2个等距圆距离圆心距离1为：

依次类推，则第个等距圆距离圆心距离为l－1：

按照以上算法，O为原点，到O点距离相等的所有点构成一个以O为圆心的圆，不同距离形成一系列半径不同的同心圆。以O为圆心，在平面内建立极坐标系，圆心O为极点，规定从O点到正北方向的射线Ox为极轴，根据摄像机标定，将每个等距圆的半径l0, l1, l2,…, ln/2, …, ln都通过世界坐标系变换到像素坐标系上，通过与检测到的目标的质心点与等距线匹配测试P点距离。当n＝5时，栅格化极坐标系定位模型平面示意图如图5所示，图中虚线框表示某一时刻单一视场内画面示意图。

根据选用激光测距测量方位和热像仪分辨率，可测范围不同。在可测范围内，当检测距离较远，而热像仪视场角又较小的情况下，可近似认为图像画面中的角度可以均分，即P在任意与等距线交汇点上都能够通过图像中心的方位计算出点的方位，如图6所示。

平面上任一点的位置(,)可以用线段的长度以及从到的角度来确定，长度是通过将点的位置与最近的等距线匹配，任一点的角度可以通过均分图像的形式得到。而后通过电子罗盘的定向功能，通过计算转换可以得到目标在相对于基准方向的角度，即可得到运动目标相对于平台的位置极坐标表示，完成目标的最终定位。当点（目标）不在交汇点上时（如图6），则以就近原则，可以以距点最近的交汇点数据作为点数据，由此可知，栅格化越细化，定位精度越高。

理想状态下，通过云台的旋转和俯仰运动能够完成360°和平台至无穷远的目标定位，但是在云台仰到一定角度，视场下沿会超出地平面或者只有较少部分，视场大面积被天空或高层景物覆盖，对该算法造成较大误差或失效；另外，目标较近遮挡大部分甚至全部画面，会对画面造成影响。出现类似特殊情况时，可选择直接操控激光测距进行测距。

3 结论

本文设计提出的栅格化目标定位方法，对硬件平台、信息处理等做了详细介绍，特别针对栅格化定位原理做了深入阐述。该方法对于目标定位，尤其进入可测范围内的多目标、群目标等，能够快速反应定位。适合战场、高危等环境的快速侦察，全方位目标侦测，对提升侦察能力，快速反应能力以及作战能力有较大帮助。

图6 目标方位确定

[1] 郭晋. 北斗与GPS导航定位系统对比分析研究[J]. 科技资讯, 2011, 28: 60-60.

GUO Jin.Comparative analysis between Beidou and GPS navigation and positioning system[J]., 2011, 28: 60-60.

[2] 丁建江, 张贤达. 低分辨雷达目标智能识别的最新进展[J]. 现代雷达, 2002, 24(3):1-4.

DING Jianjiang, ZHANG Xianda.Latest progress of low resolution radar target recognition[J]., 2002, 24(3): 1-4.

[3] 陆智斐, 汪丽媛, 赵国祥. 计算机视觉技术在测量中的应用[J]. 中国科技博览, 2010, 26: 294-294.

LU Zhipei, WANG Liyuan, ZHAO Guoxiang.Application of computer vision technology in measurement[J]., 2010, 26: 294-294.

[4] 祝琨, 杨唐文, 阮秋琦, 等. 基于双目视觉的运动物体实时跟踪与测距[J]. 机器人,2009, 31(4): 327-334.

ZHU Kun, YANG Tangwen, RUAN Qiuqi, et al. Real-time tracking and measuring of moving objects based on binocular vision[J]., 2009, 31(4): 327-334.

[5] 冯春. 基于单目视觉的目标识别与定位[D]. 南京: 南京航空航天大学, 2013.

FENG Chun. Research on identification and location of object based on monocular Vision[D]. Nanjing:Nanjing University of Aeronautics and Astronautics, 2013.

[6] 邢强. 仿复眼全景图构筑及动目标定位技术研究[D]. 南京: 南京航空航天大学, 2014.

XING Qiang.Mimicking compound eye panorama build and dynamic target location technology[D]. Nanjing:Nanjing University of Aeronautics and Astronautics, 2014.

[7] 于杰. 基于红外摄像机的夜间场景监控方法与实现[D]. 北京: 北京邮电大学, 2012.

YU Jie.Method and implementation of night scene monitoring based on infrared camera[D]. Beijing:Beijing University of Posts and Telecommunications, 2012.

[8] 赵晓健. 车载红外夜视视频处理技术研究[D]. 上海: 东华大学, 2011.

ZHAO Xiaojian.Research on vehicle infrared night vision video processing technology[D]. Shanghai:Donghua University, 2011.

[9] 李昕, 高东林, 黄欢. 数字图像处理技术在膜图像处理中的应用[J]. 北京理工大学学报, 2011, 31(12): 1465-1468.

LI Xin, GAO Donglin, HUANG Huan.Application of digital image processing technology in membrane image processing[J]., 2011, 31(12):1465-1468.

[10] 杨杰, 张翔.视频目标检测和跟踪及其应用[M]. 上海: 上海交通大学, 2012.

YANG Jie, ZHANG Xiang.[M]. Shanghai:Shanghai Jiao Tong University, 2012.

[11] 何西华. 视频运动目标检测和跟踪算法研究[D]. 成都: 电子科技大学, 2008.

HE Xihua.Research on Video Moving Object Detection and Tracking Algorithm[D]. Chengdu:University of Electronic Science and technology of China, 2008.

[12] 刘俊. 运动目标的检测与跟踪算法研究[D] .武汉: 武汉科技大学, 2011.

LIU Jun.Research on moving object detection and tracking algorithm[D]. Wuhan:Wuhan University of Science and Technology, 2011.

[13] 胡鹏程. 精密激光测量技术与系统[M]. 北京: 科学出版社, 2015.

HU Pengcheng.[M]. Beijing:Science Press,2015.

[14] 施智勇, 潘晓声, 张谦, 等. 利用延时法进行高精度脉冲激光测距[J]. 光学精密工程, 2014, 22(2): 252-258.

SHI Zhiyong, PAN Xiaosheng, ZHANG Qian, et al.High precision pulsed laser ranging using time delay method[J]., 2014, 22(2): 252-258.

[15] 刘伟. 电子罗盘目标定位定向方法研究[J]. 中国军转民, 2013(2): 85-87.

LIU Wei.Research on orientation and orientation of electronic compass[J]., 2013(2):85-87.

Rasterized Polar Coordinate Target Positioning Method

DENG Liqi1,2，YANG Wei1,2，JIN Xiaohui1,2

(1.,,030051,;2.,,030051,)

For battlefield reconnaissance and other environmental objectives detection positioning have the features of quickness, multi-target, and omnibearing, this paper proposes and designs rasterized polar coordinate target positioning method and describes the integrated platform to achieve the method, which integrated laser rangefinder, thermal imager and other equipment. The platform usesa thermal imager with night vision effect for image acquisition, a laser rangefinder for calibratingdistance and an electronic compass for calibrating orientation. The information processing unit uses image processing technology to set up rasterized polar coordinate model based on collected data. The method can quickly complete the matching positioning when the target passes into, achieve all-round rapid target detection and location, and especially has a large advantage for multi-targeting group.

rasterize，multiple-target，target location

TP391.4

A

1001-8891(2017)03-0279-05

2016-08-12；

2017-02-28.

邓立齐（1988-），男，河南太康人，硕士，主要从事电子测试技术与目标检测方面研究。E-mail：dengliqi666@163.com。