李 霽 陳 瀟
(92941部隊(duì)44分隊(duì) 葫蘆島 125000)
光測(cè)設(shè)備是航空航天領(lǐng)域測(cè)試測(cè)量與檢驗(yàn)考核中常用的設(shè)備,擔(dān)負(fù)著對(duì)高速目標(biāo)高精度的測(cè)量與實(shí)況圖像記錄等任務(wù)[1]。在其跟蹤目標(biāo)的過(guò)程中會(huì)得到多種信息數(shù)據(jù)流,如何快速有效的利用這些信息源數(shù)據(jù)對(duì)高速運(yùn)動(dòng)目標(biāo)狀態(tài)進(jìn)行預(yù)判估計(jì)并引導(dǎo)設(shè)備穩(wěn)定跟蹤是目前難以破解的重點(diǎn)問(wèn)題[2]。
傳統(tǒng)的跟蹤模式中單桿跟蹤、理論彈道跟蹤、外引導(dǎo)數(shù)據(jù)跟蹤、自動(dòng)跟蹤等只能通過(guò)單獨(dú)切換按鈕用于目標(biāo)捕獲跟蹤,主要靠操作手使用經(jīng)驗(yàn)來(lái)辨別,雖然自主性很強(qiáng),但實(shí)際任務(wù)中難以做出準(zhǔn)確有效的判斷和快速反應(yīng)。因此,為提高目標(biāo)檢測(cè)與跟蹤能力,很多學(xué)者進(jìn)行了多傳感器數(shù)據(jù)融合方面的研究,并提出許多成熟且高效的融合方法,如統(tǒng)計(jì)推斷、信息論、決策論、人工智能、神經(jīng)網(wǎng)絡(luò)、信號(hào)處理與理論估計(jì)等[3]。
目前雖然多傳感器數(shù)據(jù)融合技術(shù)應(yīng)用很廣,但存在兩個(gè)方面的問(wèn)題:一是多傳感器數(shù)據(jù)融合集中于圖像源融合方面研究,缺少先驗(yàn)信息和其他數(shù)據(jù)的參與;二是該技術(shù)集中體現(xiàn)在提高目標(biāo)定位精度方面,在提高跟蹤穩(wěn)定性方面的研究較少。因此,在研究總結(jié)跟蹤特點(diǎn)的基礎(chǔ)上,提出了自適應(yīng)性跟蹤策略[4]。主要突出在自適應(yīng)檢測(cè)方法、場(chǎng)景理解及推斷、多圖像源融合決策、多源光測(cè)信息融合跟蹤等方面研究[5]。
目標(biāo)檢測(cè)是在自主跟蹤中前期過(guò)程,其目的是從區(qū)域圖像中檢測(cè)出疑似目標(biāo)。一般而言,受到目標(biāo)觀測(cè)距離、觀測(cè)角度、觀測(cè)環(huán)境、目標(biāo)特性變化等因素影響,任務(wù)中光測(cè)設(shè)備對(duì)目標(biāo)的成像會(huì)實(shí)時(shí)發(fā)生變化[6]。為了實(shí)現(xiàn)高檢測(cè)率目標(biāo)檢測(cè)效果,根據(jù)目標(biāo)成像特性點(diǎn)及場(chǎng)景的變化,可有針對(duì)性自動(dòng)地選用相適應(yīng)的目標(biāo)檢測(cè)方法和參數(shù)[7]。
本方法實(shí)施過(guò)程中,著力突出場(chǎng)景針對(duì)性、效果良好的目標(biāo)檢測(cè)方法,并構(gòu)建目標(biāo)檢測(cè)策略庫(kù)及場(chǎng)景-目標(biāo)檢測(cè)映射表。任務(wù)實(shí)施中依據(jù)場(chǎng)景推斷結(jié)果以及場(chǎng)景-目標(biāo)檢測(cè)映射表的映射關(guān)系,從檢測(cè)庫(kù)中自動(dòng)選擇合適檢測(cè)方法及參數(shù),避免以往依賴操作人員判決實(shí)時(shí)手動(dòng)選擇目標(biāo)的不便性。
場(chǎng)景理解及推斷是實(shí)現(xiàn)目標(biāo)自適應(yīng)檢測(cè)的重要前提環(huán)節(jié)。一是先驗(yàn)信息推斷。先驗(yàn)信息主要由實(shí)時(shí)采集和事前參數(shù)裝訂形式獲得,輸入的先驗(yàn)知識(shí)內(nèi)容包括:T0時(shí)刻、主機(jī)指向角度、目標(biāo)距離、焦距、傳感器信息、實(shí)時(shí)彈道信息和控制命令等。根據(jù)以上參數(shù)信息可以得到下列推斷結(jié)論:任務(wù)階段、目標(biāo)運(yùn)動(dòng)方向矢量、圖像內(nèi)目標(biāo)尺寸比例及跟蹤處理區(qū)域等,其邏輯關(guān)系如圖1所示。
圖1 先驗(yàn)信息推斷邏輯關(guān)系圖
二是運(yùn)動(dòng)場(chǎng)景推斷。根據(jù)先驗(yàn)知識(shí)的部分內(nèi)容,可預(yù)知目標(biāo)和背景運(yùn)動(dòng)方式,一般劃分為三種模式:背景靜止-目標(biāo)靜止、背景靜止-目標(biāo)運(yùn)動(dòng)和背景運(yùn)動(dòng)-目標(biāo)運(yùn)動(dòng)。每一種模式需要不同的分析方式和算法。例如發(fā)射前等待階段屬于背景靜止-目標(biāo)靜止模式,采用灰度統(tǒng)計(jì)及指定區(qū)域模板加載的方式處理。發(fā)射捕獲階段屬于背景靜止-目標(biāo)運(yùn)動(dòng)模式,處理過(guò)程包括背景抑制、運(yùn)動(dòng)目標(biāo)檢測(cè)、目標(biāo)運(yùn)動(dòng)特性估計(jì)等;背景和目標(biāo)都運(yùn)動(dòng)是其余階段,處理過(guò)程包括目標(biāo)穩(wěn)定跟蹤及丟失再捕獲處理等。
而且還要針對(duì)性的建立背景參考模型。背景模型建立首先統(tǒng)計(jì)圖像的灰度與梯度加權(quán)直方圖,建立灰度和梯度特征空間,將這兩個(gè)統(tǒng)計(jì)值作為圖像復(fù)雜度的描述因子。給定一個(gè)目標(biāo)矩形區(qū)域R,該區(qū)域所包含像素的亮度為I(R),該區(qū)域圖像的邊緣通過(guò)估計(jì)從x和y的梯度 ?I/?x、?I/?y里來(lái)獲取。則圖像中位于(i,j)的像素的邊緣強(qiáng)度m和方向θ可以估計(jì)為
其次根據(jù)背景復(fù)雜度描述,將背景劃分為單一背景和復(fù)雜背景。例如對(duì)于復(fù)雜的云雜波背景,可進(jìn)行灰度閾值切割,選取高亮區(qū)域作為目標(biāo)區(qū)域。由于背景模型采用切割區(qū)域計(jì)算,大大減少了計(jì)算量,不但保證了運(yùn)算速度,而且可作為后續(xù)采取的背景抑制及目標(biāo)檢測(cè)的依據(jù)。
三是目標(biāo)特性推斷。跟蹤過(guò)程中通常目標(biāo)的特征量并不會(huì)發(fā)生突變,在導(dǎo)彈運(yùn)動(dòng)全過(guò)程,可以用部分特征量對(duì)目標(biāo)進(jìn)行描述,建立目標(biāo)模型,以區(qū)分目標(biāo)特征變化的不同階段,常用的特征量有目標(biāo)面積、長(zhǎng)寬比、輪廓等,利用這些信息作為目標(biāo)模型因子,結(jié)合軌跡預(yù)測(cè),不但可以作為目標(biāo)階段依據(jù),還可以對(duì)導(dǎo)彈目標(biāo)狀態(tài)實(shí)時(shí)判決,能夠有效的發(fā)現(xiàn)目標(biāo)形變、遮擋及分離等環(huán)節(jié)。目標(biāo)的特征信息還能夠在跟蹤過(guò)程中通過(guò)選取體跟蹤算法不斷更新。目標(biāo)特性建模邏輯如圖2所示。
圖2 目標(biāo)特性建模邏輯關(guān)系
多個(gè)圖像探測(cè)器對(duì)相同目標(biāo)進(jìn)行觀測(cè),將產(chǎn)生多路圖像源目標(biāo)。如果將多路圖像源的目標(biāo)檢測(cè)結(jié)果進(jìn)一步融合識(shí)別處理,特別是對(duì)于目標(biāo)-背景對(duì)比度低的情形,可以極大地提升目標(biāo)識(shí)別準(zhǔn)確率,本方法將對(duì)各路圖像源的目標(biāo)檢測(cè)結(jié)果進(jìn)行融合識(shí)別處理,其融合識(shí)別過(guò)程分為:疑似目標(biāo)區(qū)域二次檢測(cè)和檢測(cè)結(jié)果融合。
多圖像源融合時(shí),各路圖像的疑似目標(biāo)檢測(cè)位置有可能不一致,這時(shí)需要進(jìn)行二次檢測(cè),即將不一致的位置互相映射后重新再次對(duì)映射區(qū)域檢測(cè)。例如設(shè)備上的可見(jiàn)光傳感器與紅外等傳感器基本采用共軸設(shè)計(jì),傳感器到目標(biāo)物的距離相對(duì)于目標(biāo)大小來(lái)說(shuō)接近于無(wú)窮遠(yuǎn),此時(shí)可認(rèn)為目標(biāo)到兩個(gè)傳感器之間的距離相等,假定軸系誤差為零。雖然鏡頭焦距等參數(shù)不同會(huì)產(chǎn)生圖像位置差異,但通過(guò)圖像間的平移、旋轉(zhuǎn)和比例縮放可調(diào)整其具有一致性。從而可確定圖像變換空間模型,用于描述像機(jī)和物體的位置三維空間坐標(biāo)系(XW,YW,ZW),相機(jī)坐標(biāo)系(XC,YC,ZC)和像素坐標(biāo)系(u,v)[9]。其關(guān)系如圖3所示。
圖3 設(shè)備傳感器與目標(biāo)坐標(biāo)系關(guān)系圖
空間點(diǎn)M和它在成像面上的投影m之間的矩陣關(guān)系如式(2)所示,式中包含了焦距f,設(shè)備傳感器間軸系差為δ,像元物理尺寸(dx,dy),圖像物理坐標(biāo)系原點(diǎn)在像素坐標(biāo)系中的坐標(biāo)(u0,v0)及對(duì)應(yīng)兩個(gè)傳感器像面上的像元坐標(biāo)(u1,v1)和(u2,v2)關(guān)系如式(3)所示[10]。
其坐標(biāo)轉(zhuǎn)換模型經(jīng)過(guò)算法仿真驗(yàn)證,輸出結(jié)果誤差小于3個(gè)像素(紅外映射可見(jiàn)光),運(yùn)算時(shí)間短小于2μs,在誤差允許范圍內(nèi),可以快速的在對(duì)應(yīng)圖像內(nèi)找到相應(yīng)的位置匹配點(diǎn)對(duì)。在此基礎(chǔ)上,每路圖像源分別完成各自的捕獲或跟蹤算法,得到目標(biāo)位置、置信度和信息,然后根據(jù)映射位置進(jìn)行交互,相互獲得參考目標(biāo)信息值,完成目標(biāo)關(guān)聯(lián)跟蹤。位置映射關(guān)系圖如圖4所示。此方法不但保證了該方法算法復(fù)雜度,同時(shí)還滿足實(shí)時(shí)性要求。
圖4 位置映射關(guān)系圖
多源光測(cè)信息指的是目標(biāo)運(yùn)動(dòng)軌跡的測(cè)量數(shù)據(jù)和各種先驗(yàn)數(shù)據(jù),具體有圖像源目標(biāo)脫靶量、編碼器位置、目標(biāo)外引導(dǎo)數(shù)據(jù)、理論彈道數(shù)據(jù)、人工單桿干預(yù)數(shù)據(jù)等。多源信息融合跟蹤就是依據(jù)場(chǎng)景理解及推斷結(jié)果,對(duì)多源圖像信息有效地融合處理,輸出設(shè)備坐標(biāo)系下目標(biāo)運(yùn)動(dòng)狀態(tài)(位置、速度等)的準(zhǔn)確估計(jì)值,其跟蹤過(guò)程如圖5所示。
圖5 多源信息融合跟蹤過(guò)程
自適應(yīng)性跟蹤屬于上層控制系統(tǒng),綜合運(yùn)用主控信息、各圖像源處理器信息、伺服控制信息、理論彈道等,自適應(yīng)性融合計(jì)算機(jī)負(fù)責(zé)各分系統(tǒng)之間的通訊交互,并對(duì)目標(biāo)的位置與速度進(jìn)行估計(jì),回傳遞給伺服控制器;而伺服控制器讀取融合計(jì)算機(jī)輸入與編碼器反饋信息,控制讀取桌面按鍵與單桿數(shù)據(jù),構(gòu)成跟蹤架閉環(huán)控制系統(tǒng),通過(guò)功率級(jí)驅(qū)動(dòng)伺服電機(jī)控制光測(cè)設(shè)備跟蹤架完成對(duì)目標(biāo)的穩(wěn)定跟蹤[11]。
這種融合計(jì)算具有多種工作模式,既可利用單一信息源進(jìn)行目標(biāo)跟蹤,也可同時(shí)利用多路信息進(jìn)行融合跟蹤。但不論工作在何種模式下,融合計(jì)算的處理過(guò)程都要由時(shí)間對(duì)齊、數(shù)據(jù)關(guān)聯(lián)、狀態(tài)估計(jì)以及狀態(tài)預(yù)測(cè)等環(huán)節(jié)組成。所以靶場(chǎng)自適應(yīng)性跟蹤是一個(gè)復(fù)雜的跟蹤過(guò)程,其跟蹤誤差主要由多圖像源目標(biāo)融合,外引導(dǎo)數(shù)據(jù)處理,理論彈道數(shù)據(jù)處理等,各自得到目標(biāo)運(yùn)動(dòng)狀態(tài)估計(jì)值和估計(jì)誤差。數(shù)據(jù)合成時(shí),采用方差加權(quán)方法綜合,即:式中為狀態(tài)加權(quán)系數(shù),其值由狀態(tài)估計(jì)誤差確定[12]。
為了分析目標(biāo)運(yùn)動(dòng)狀態(tài)估計(jì)誤差,首先必須得到可用來(lái)進(jìn)行對(duì)比分析的目標(biāo)運(yùn)動(dòng)軌跡真值數(shù)據(jù)[13]。但實(shí)際數(shù)據(jù)公開(kāi)使用,因此可以通過(guò)仿真手段模擬一組目標(biāo)運(yùn)動(dòng)軌跡數(shù)據(jù)。一般在實(shí)際測(cè)量中,要求光測(cè)設(shè)備跟蹤目標(biāo)保精度的角度動(dòng)態(tài)范圍(角速度(0.02~20)°/s、角加速度(0~7)°/s2),將期望的極限角速度與角加速度作為系統(tǒng)輸入,以正弦曲線模擬目標(biāo)運(yùn)動(dòng)軌跡作為仿真理論軌跡,由于經(jīng)緯儀方位、俯仰對(duì)于目標(biāo)運(yùn)動(dòng)起到等效作用[14]。因此設(shè)方位運(yùn)動(dòng)Y=57°sin(0.35t)正弦曲線等效為目標(biāo)運(yùn)動(dòng)仿真理論軌跡,如圖6所示。
圖6 目標(biāo)運(yùn)動(dòng)仿真理論軌跡
然后分別通過(guò)兩種情況的仿真實(shí)驗(yàn)驗(yàn)證自適應(yīng)性跟蹤優(yōu)勢(shì)。第一種情況為光測(cè)設(shè)備僅單獨(dú)利用外引導(dǎo)數(shù)據(jù)進(jìn)行捕獲跟蹤目標(biāo),根據(jù)實(shí)際工程經(jīng)驗(yàn),由編碼器和功率級(jí)等的帶來(lái)的噪聲均方誤差為2.5“;由于外引導(dǎo)數(shù)據(jù)為雷達(dá)或遙測(cè)設(shè)備提供,其跟蹤數(shù)據(jù)頻率僅為光測(cè)設(shè)備的二分之一到四分之一,需要插值實(shí)現(xiàn)平滑跟蹤,且經(jīng)過(guò)坐標(biāo)變換后很難實(shí)現(xiàn)中心位置跟蹤,所以噪聲誤差較大,但隨機(jī)誤差經(jīng)濾波平滑后數(shù)值會(huì)很小。且疊加均方根σ=3"的白噪聲作為目標(biāo)測(cè)量值經(jīng)過(guò)目標(biāo)狀態(tài)估計(jì)和伺服閉環(huán)控制環(huán)節(jié)處理。輸出結(jié)果和目標(biāo)運(yùn)動(dòng)仿真理論軌跡之間的誤差形成跟蹤估計(jì)誤差曲線如圖7所示,得到最大跟蹤估計(jì)誤差為166",隨機(jī)誤差均方根9.1"。
圖7 單一模式跟蹤估計(jì)誤差曲線
同理如光測(cè)設(shè)備單獨(dú)使用圖像自動(dòng)跟蹤進(jìn)行捕獲目標(biāo),則單獨(dú)使用可見(jiàn)光最大跟蹤估計(jì)誤差為7.28",隨機(jī)誤差均方根21.3"。單獨(dú)使用中波紅外最大跟蹤估計(jì)誤差為26",隨機(jī)誤差均方根29.1"。
第二種情況采用自適應(yīng)性跟蹤策略,優(yōu)選多圖像源目標(biāo)融合與外引導(dǎo)數(shù)據(jù)融合跟蹤,其狀態(tài)加權(quán)系數(shù)為4∶1,根據(jù)實(shí)際工程經(jīng)驗(yàn),設(shè)加入100Hz的可見(jiàn)信號(hào)以及100Hz的中波信號(hào)參與到多路信息融合方式的圖像目標(biāo)脫靶量中,經(jīng)過(guò)多圖像源目標(biāo)融合后跟蹤估計(jì)誤差小于兩個(gè)像元,約為15",由編碼器和功率級(jí)等的帶來(lái)的噪聲均方誤差為2.5",在角度反饋與期望角度輸入環(huán)節(jié)都引入白噪聲單元以模擬測(cè)量噪聲。則輸出結(jié)果和目標(biāo)運(yùn)動(dòng)仿真理論軌跡之間的誤差形成跟蹤估計(jì)誤差曲線如圖8所示,仿真后的最大跟蹤估計(jì)誤差83",跟蹤隨機(jī)誤差均方根18.6"。
圖8 自適應(yīng)策略跟蹤估計(jì)誤差曲線
根據(jù)光測(cè)設(shè)備在保精度工作時(shí),其方位、高低角跟蹤的系統(tǒng)誤差最大值 ≤3′,隨機(jī)誤差均方根值 ≤30"的要求??梢钥闯鲈谀M較為極端的目標(biāo)運(yùn)動(dòng)特性與外界環(huán)境條件下,第一種情況采用單一目標(biāo)跟蹤方法,其最大跟蹤誤差和隨機(jī)誤差均方根均在要求指標(biāo)邊緣;而第二種情況采用自適應(yīng)性跟蹤策略,其最大跟蹤誤差和隨機(jī)誤差均方根均在指標(biāo)要求范圍內(nèi),提高了整個(gè)系統(tǒng)的跟蹤精度[15]。
本文通過(guò)自適應(yīng)檢測(cè)方法,依據(jù)場(chǎng)景理解及推斷結(jié)果,結(jié)合多圖像源融合決策,對(duì)光測(cè)設(shè)備多源信息進(jìn)行有效的融合處理,獲得相互參考目標(biāo)信息值,完成靶場(chǎng)目標(biāo)穩(wěn)定跟蹤。自適應(yīng)性跟蹤策略具備多種跟蹤方式融合處理計(jì)算,同時(shí)可保證實(shí)時(shí)性要求,從而大幅提高跟蹤的可靠性及穩(wěn)定性。達(dá)到擴(kuò)展空間覆蓋范圍,增強(qiáng)數(shù)據(jù)信息的可信度,改進(jìn)探測(cè)的性能,提高空間的分辨率的能力。