1、书书书测控技术2023 年第 42 卷第 1 期模式识别与人工智能收稿日期:2022 03 02基金项目:国家自然科学基金(62033010)引用格式:熊雨农，李宏 一种基于靶标识别定位算法的视觉测量技术 J 测控技术，2023，42(1):28 34XIONG Y N，LI H Vision Measurement Technology Based on Target ecognition and Location AlgorithmJ Measurement Control Technology，2023，42(1):28 34一种基于靶标识别定位算法的视觉测量技术熊雨农，李宏(中国飞行试
2、验研究院，陕西 西安710089)摘要:视觉测量在飞行试验高精度测试中发挥着重要作用。针对常规视觉测量中多标志点识别定位存在误识别、定位精度低等问题，设计了一种新的环形编码对角标志，并提出了一种基于环形编码对角标志识别定位算法的视觉测量技术。重点介绍了基于 EDCircles 圆检测算法的标志点识别、基于 Harries角点检测算法的亚像素级定位和基于坐标变换的编码信息解码等技术的实现。经过实验验证，研究成果编码标志点识别定位算法识别准确、鲁棒性强、定位精度高，在大投影角度下仍能达到 92%的识别率，可以满足飞行试验动态视觉测量任务相关需求。关键词:飞行试验;视觉测量;环形编码对角标志;圆检测
3、;椭圆检测中图分类号:TP391 4文献标志码:A文章编号:1000 8829(2023)01 0028 07doi:10 19708/j ckjs 2023 01 005Vision Measurement Technology Based on Target ecognition and LocationAlgorithmXIONG Yu-Nong，LI Hong(Chinese Flight Test Establishment，Xi an 710089，China)Abstract:Vision measurement plays an important role in high-p
4、recision test of flight test Aiming at the prob-lems of false recognition and low positioning accuracy in multi marker point recognition and positioning in con-ventional vision measurement，a new ring coded diagonal marker is designed，and a multi marker point recogni-tion and positioning algorithm ba
5、sed on EDCircles ellipse detection method technology is proposed The imple-mentation of marker point recognition based on EDCircles，sub-pixel positioning based on Harries corner detec-tion algorithm，and the decoding of encoded information by coordinate transformation are introduced Throughthe experi
6、mental verification of the research results，the coded mark recognition algorithm of the research re-sults has the advantages of accurate recognition，strong robustness and high positioning accuracy It can still a-chieve 92%recognition rate under large projection angle，and can meet the relevant requir
7、ements of dynamicvision measurement tasks in flight testKey words:flight test;vision measurement;circular coded diagonal target;circle detection;ellipse detection在飞行试验测试任务中，视觉测量因测量精度高，与被测对象非接触和测量信息直观、信息量大等特点，被广泛应用于武器投放、空中加油和结构形变等试验科目中。视觉测量的前提和基础是对测试对象上的一个或多个特征点的稳定、可靠识别和跟踪。由于被测试对象经常存在图像信息单一和背景纹理不够丰富等
8、问题，例如机翼和直升机旋翼表面在整个测量视场中，形成的图像梯度达不到跟踪和识别条件，因此，在测试中，往往需要人工在被测试对象中增加人工合作标志。82人工合作标志分为非编码标志点和编码标志点两大类。非编码标志点包括圆形、环形和四象限标志等典型代表，结构简单且容易识别，但其自身不具有唯一性，在多点或密集点测量时，无外加约束条件将无法实现快速可靠的自动匹配。而编码标志点附有唯一的身份信息，对每个标志进行唯一的身份解码后即可根据其编码配准实现自动匹配。环形编码标志具有旋转不变性、缩放不变性等优点，应用最为广泛，不少学者针对环状编码标志的识别检测和解码算法展开了研究。针对在视觉测量中环形编码标志的识别检
9、测，段康容等1 运用基于二值化分割的图像处理算法检测标志点。刘建伟等2 提出了一种基于 Canny 算法的边缘检测算法，得到图像边缘后对错误目标过滤筛选，提高了标志点的检测准确率。解则晓等3 提出了一种基于六点定位获取成像中心的方法，在此基础上对环形编码标志进行识别定位。倪章松等4 设计了编码标志点，提取椭圆边缘环状领域，随后通过基于对偶二次曲线的目标函数模型求取标志点中心，并通过标志的几何特征实现筛选。熊雪菲等5 设计了一种环形圆点编码标志点，并通过椭圆的极点 极弦特性设计算法实现标志点的识别定位。上述文献提出的标志点结构简单、识别容易，配合相应的检测算法在多数情况下识别效果良好，但当投影角
10、度过大时，图像畸变严重，识别效果欠佳，准确率下降。针对环形编码标志的解码问题，黄雪梅等6 为解决任意起始点解码的方式容易错解的问题，提出解码时选取最佳起始点的方法。张小迪等7 提出一种将解码结果与预设编码 ID 进行匹配的解码方法。可以看出，在视觉测量中的标志点检测工作中，编码标志的识别定位是众多学者密切关注的问题，提高其识别和定位精度是研究的热点方向。本文以实现飞行试验测试任务中多特征点的识别追踪为需求导向，针对常用靶标检测算法在大倾角环境下检测率较低、编码标志解码匹配难度大等问题，设计了一种用于物体运动状态测量的环形编码对角标志，并通过对已有椭圆识别和角点定位等算法的学习改进，提出了一种基
11、于 EDCircles8 的环形编码对角标志识别和定位算法的视觉测量技术。经实验验证，该技术鲁棒性强、识别准确、定位精度高，能够满足飞行试验测试任务的需求。1编码标志点的设计在视觉测量中，待测对象的测量结果与靶标的识别定位效果密切相关，因此，在设计时就应严加考虑，并应注意以下原则:编码标志点应具有互异性。编码信息包含足够多的编码数目。标志点结构简单、特征鲜明、容易识别。依据上述要求，本文设计了一种新的环形编码对角标志，如图 1 所示。该编码标志结构主要由 4 个部分组成:外部黑圆、编码环、内部白圆和对角标志。其中外部黑圆用于确定靶标区域，内部白圆用于粗定位，对角标用于精定位，内部白圆配合中心对
12、角标志的设计可提高定位精度。图 1环形编码对角标志结构图靶标编码信息带均分为 12 段，每隔 30为一个编码元，每个编码元可以使用黑色(灰度 0)或白色(灰度255)，按照顺时针顺序组成12 位二进制数，在解码时，选择其中对应十进制值最小的数作为编码值。2编码标志的定位与识别2 1图像预处理飞行试验环境复杂，图像采集时会受到周围环境中多种因素的影响，造成图像的亮度不均衡、影像模糊、噪声、变形等问题，从而影响到编码标记的检测识别。因此，本文采用图像预处理方法为下一步的识别、定位做准备。首先对采集到的图像进行 gamma 矫正及高斯滤波，然后采用 EDPF(Earliest Deadline an
13、d ProcessingTimefirst)算法，实现图像边缘的检测，该算法全部参数处于上限状态，因此无须调整参数，适应性强。该算法通过计算图像梯度信息，对比临近点之间的梯度值，将局部梯度极大值点定为锚点。确定锚点时，F(x，y)为像素点的对比值为F(x，y)=16G(x，y)2G(x+1，y)2G(x，y+1)2G(x 1，y)2G(x，y 1)2G(x，y 2)G(x+1，y 1)G(x+2，y)G(x+1，y+1)G(x，y+2)G(x 1，y+1)G(x 2，y)G(x 1，y 1)(1)式中:在 F(x，y)Fth(Fth为像素阈值)的条件下，G(x，y)被定义为锚点，相反则被定义为
14、普通边缘点。92一种基于靶标识别定位算法的视觉测量技术求取出锚点后，EDPF 算法以一种独特的连接方式，将求取到的锚点连接，获得一个由众多边缘像素组成的边缘段，通过最小二乘直线拟合方法将这些边缘段拟合成直线段。得到众多直线段后，运用 Helmholtz 原理验证这些直线段是否有效，其指出，在随机情况下，偶然出现一个“具有意义”的几何结构事件的期望是非常低的9。该原理提出了误检数量(Number of False Alarms，NFA)的概念，若某一线段的长度为 n，在大小 N N 像素的图像中，至少有 k 个像素点与该线段同向，则该线段的 NFA 为NFA(n，k)=N4ni=kcknpi(1
15、 p)ni(2)式中:N4为在大小 N N 像素的图像中可能存在的线段数，当 NFA(n，k)时，认为线段是有效的。Desol-neux 等10 也指出，这一步骤并非必要的。因为这一验证方法往往拒绝较短的线段，对于长线段则基本不会拒绝。因此当感兴趣的线段都是长线段时，可以略过这一步骤。2 2环形编码对角标志检测识别2 2 1圆弧段检测经过最小二乘直线拟合及 Helmholtz 原理验证后，得到了许多边缘线段。接着 EDCircles 算法提出了一种圆弧段检测方法，该方法通过判定，将满足条件的边缘线段拟合成弧段。算法提出，组成弧段需要至少 3条直线段。首先，依次计算相邻两条线段之间的夹角和方向，
16、当至少有 3 条线段方向相同，且满足夹角阈值条件(6 60)10，则组合这些直线段为圆弧段。圆弧段检测原理如图 2 所示。图 2圆弧段检测原理示意图上述约束可通过向量的内外积计算，若向量集合为 v1，v2，vi，vn，其中，vi=(xi，yi)，vi+1=(xi+1，yi+1);则向量 vi与 vi+1之间的夹角 i和向量 vi的方向 signi可由式(3)计算得出:i=cos1(vi vi+1vivi+1)signi=sign(xiyi+1 xi+1yi)(3)图 2 中 1、2、7均大于 60，v3，v4，v5，v6，v7 组成一段弧，v1，v2，v8 被排除。2 2 2候选圆和椭圆检测提取出满足算法约束的弧段后，对弧段根据长短排序。随后从最长弧段开始，按照一定的圆拟合原则将圆弧段拟合成圆，具体的拟合原则遵循如下。半径差约束。两圆弧半径之间的差值小于较长圆弧半径值的 25%。圆心距约束。两圆弧的圆心之间的距离小于较长圆弧半径值的 25%。角度约束。待拟合圆弧段的长度至少达到拟合后圆周长的 50%。圆弧检测原理示意图如图 3 所示。图 3(a)满足圆心距约束，不满足半径差约束;图 3
