发明名称 一种基于海天线检测的船体水平姿态测量方法
摘要 本发明涉及一种基于海天线检测的船体水平姿态角测量方法。该方法利用上一时刻相机水平姿态信息预测海天线投影直线,在已预测的海天线投影的附近区域内检测图像边缘;然后,利用检测的图像边缘坐标,通过反复选取内点拟合直线的方法确定候选的直线;接着,利用比较区域灰度统计值的方法选择出正确的海天线投影直线,计算出相机水平姿态角作为观测量;最后,利用卡尔曼滤波获得相机水平姿态角的最优估计值,最终通过安装关系获得船体水平姿态角。与传统的海天线提取方法相比,能极大的减少图像处理面积,提高检测速度和鲁棒性,减小误检测的概率;此外相机安装更加灵活,且具有更高的测量精度。
申请公布号 CN103697855A 申请公布日期 2014.04.02
申请号 CN201410005332.9 申请日期 2014.01.07
申请人 中国人民解放军国防科学技术大学 发明人 刘海波;张小虎;刘新明;张跃强;于起峰
分类号 G01C1/00(2006.01)I 主分类号 G01C1/00(2006.01)I
代理机构 湖南省国防科技工业局专利中心 43102 代理人 冯青
主权项 1.一种基于海天线检测的船体水平姿态测量方法,利用视觉成像的方法实现船体水平姿态的测量,其特征在于,包括以下步骤:<b>第一步</b>,建立坐标系1.1 建立相机水平基准坐标系F和成像面坐标系<img file="2014100053329100001DEST_PATH_IMAGE001.GIF" wi="23" he="17" />如下:坐标系F记为XYZ,Z轴为相机水平放置状态下的光轴方向,Y轴垂直水平面指向天空,X轴由右手定则确定;坐标系<img file="2014100053329100001DEST_PATH_IMAGE002.GIF" wi="23" he="16" />的坐标原点为光电探测器像面左上角顶点,<img file="2014100053329100001DEST_PATH_IMAGE003.GIF" wi="14" he="16" />和<img file="2014100053329100001DEST_PATH_IMAGE004.GIF" wi="13" he="16" />分别对应光电探测器像面的行坐标和列坐标,坐标单位为像素;1.2 建立船体甲板坐标系F1如下:坐标系F1记为X1Y1Z1,Z1轴为船体水平状态下的沿船体艏尾线方向指向船艏,Y1轴垂直水平面指向天空,X1轴由右手定则确定;<b>第二步</b>,获取初始<img file="2014100053329100001DEST_PATH_IMAGE005.GIF" wi="16" he="25" />时刻的相机水平姿态角2.1 对初始图像进行边缘检测令<img file="2014100053329100001DEST_PATH_IMAGE006.GIF" wi="36" he="25" />,采集初始时刻的海天线图像,利用图像边缘检测算法,提取图像轮廓坐标,记为集合<img file="2014100053329100001DEST_PATH_IMAGE007.GIF" wi="45" he="30" />,其中<img file="2014100053329100001DEST_PATH_IMAGE008.GIF" wi="20" he="25" />为由相邻的图像轮廓坐标构成的子集,N为相邻的图像轮廓坐标子集的个数,定义子集<img file="352841DEST_PATH_IMAGE008.GIF" wi="20" he="25" />所含轮廓坐标数目为<img file="958397DEST_PATH_IMAGE008.GIF" wi="20" he="25" />的长度,<img file="862768DEST_PATH_IMAGE007.GIF" wi="45" he="30" />中子集按照长度由大至小进行排序;2.2 对初始图像进行海天线检测;2.2.1从<img file="195660DEST_PATH_IMAGE007.GIF" wi="45" he="30" />中长度大于L的子集<img file="633201DEST_PATH_IMAGE008.GIF" wi="20" he="25" />构成集合<img file="2014100053329100001DEST_PATH_IMAGE009.GIF" wi="50" he="36" />,其中<img file="2014100053329100001DEST_PATH_IMAGE010.GIF" wi="72" he="28" />;并对<img file="206396DEST_PATH_IMAGE009.GIF" wi="50" he="36" />中的每个轮廓坐标子集<img file="2014100053329100001DEST_PATH_IMAGE011.GIF" wi="21" he="26" />,利用最小二乘法拟合得到一条直线,共计M条;2.2.2 分别计算集合<img file="283549DEST_PATH_IMAGE007.GIF" wi="45" he="30" />中所有图像轮廓坐标到M条直线的距离,将距离小于<img file="2014100053329100001DEST_PATH_IMAGE012.GIF" wi="20" he="25" />的作为内点,对于每条直线可以得到其内点集合<img file="DEST_PATH_IMAGE013.GIF" wi="21" he="26" />;取<img file="233181DEST_PATH_IMAGE013.GIF" wi="21" he="26" />中的图像轮廓坐标进行最小二乘拟合,得到M条新的直线;2.2.3重复步骤2.2.2,直到内点距离均值小于阈值<img file="DEST_PATH_IMAGE014.GIF" wi="21" he="25" />;2.2.4 利用比较区域灰度统计值的方法,在M条候选直线中选择出正确的海天线投影直线,记为<img file="DEST_PATH_IMAGE015.GIF" wi="104" he="46" />(1)其中,<img file="DEST_PATH_IMAGE016.GIF" wi="22" he="26" />和<img file="DEST_PATH_IMAGE017.GIF" wi="20" he="26" />分别表示<img file="712180DEST_PATH_IMAGE005.GIF" wi="16" he="25" />时刻海天线投影直线的斜率和截距,<img file="DEST_PATH_IMAGE018.GIF" wi="20" he="25" />和<img file="DEST_PATH_IMAGE019.GIF" wi="18" he="25" />分别为表示<img file="141762DEST_PATH_IMAGE003.GIF" wi="14" he="16" />和<img file="833774DEST_PATH_IMAGE004.GIF" wi="13" he="16" />方向上的等效焦距;2.3计算相机水平姿态角<img file="DEST_PATH_IMAGE020.GIF" wi="22" he="26" />和<img file="DEST_PATH_IMAGE021.GIF" wi="21" he="26" />,公式为:<img file="DEST_PATH_IMAGE022.GIF" wi="190" he="81" />(2)式中, <img file="DEST_PATH_IMAGE023.GIF" wi="184" he="42" />(3)<img file="DEST_PATH_IMAGE024.GIF" wi="138" he="45" />(4)其中,<img file="DEST_PATH_IMAGE025.GIF" wi="17" he="18" />为地球半径,<img file="DEST_PATH_IMAGE026.GIF" wi="14" he="20" />为相机距离海平面的高度;<b>第三步</b>,初始化滤波器3.1 设置估计噪声协方差矩阵初值<img file="DEST_PATH_IMAGE027.GIF" wi="78" he="26" />,其中<img file="DEST_PATH_IMAGE028.GIF" wi="28" he="25" />为6×6的单位矩阵,<img file="DEST_PATH_IMAGE029.GIF" wi="14" he="22" />为非0常数;3.2 设置卡尔曼滤波器的状态量的初值<img file="DEST_PATH_IMAGE030.GIF" wi="174" he="30" />,其中<img file="DEST_PATH_IMAGE031.GIF" wi="25" he="30" />表示矩阵转置;<b>第四步</b>,预测海天线投影直线的斜率<img file="DEST_PATH_IMAGE032.GIF" wi="18" he="25" />和截距<img file="DEST_PATH_IMAGE033.GIF" wi="16" he="28" />4.1令<img file="DEST_PATH_IMAGE034.GIF" wi="61" he="20" />,其中<img file="DEST_PATH_IMAGE035.GIF" wi="21" he="20" />为相机采样时间间隔,估计<img file="DEST_PATH_IMAGE036.GIF" wi="9" he="17" />时刻卡尔曼滤波器的预测状态量<img file="DEST_PATH_IMAGE037.GIF" wi="25" he="28" />,公式如式5所示:<img file="DEST_PATH_IMAGE038.GIF" wi="84" he="28" />(5)其中<img file="DEST_PATH_IMAGE039.GIF" wi="218" he="59" />(6a)<img file="DEST_PATH_IMAGE040.GIF" wi="262" he="143" />(6b)<img file="DEST_PATH_IMAGE041.GIF" wi="256" he="141" />(6c)<img file="DEST_PATH_IMAGE042.GIF" wi="20" he="25" />和<img file="DEST_PATH_IMAGE043.GIF" wi="18" he="26" />分别为相机水平姿态角<img file="DEST_PATH_IMAGE044.GIF" wi="17" he="16" />和<img file="DEST_PATH_IMAGE045.GIF" wi="14" he="18" />方向的机动时间常数的倒数;4.2 估计<img file="86900DEST_PATH_IMAGE036.GIF" wi="9" he="17" />时刻海天线投影直线的参数的预测值斜率<img file="797235DEST_PATH_IMAGE032.GIF" wi="18" he="25" />和截距<img file="164763DEST_PATH_IMAGE033.GIF" wi="16" he="28" />,计算公式如式7所示:<img file="DEST_PATH_IMAGE046.GIF" wi="210" he="77" />(7)其中,<img file="DEST_PATH_IMAGE047.GIF" wi="42" he="29" />为预测状态量<img file="842607DEST_PATH_IMAGE037.GIF" wi="25" he="28" />的第<img file="DEST_PATH_IMAGE048.GIF" wi="9" he="18" />个元素值;<img file="868463DEST_PATH_IMAGE049.GIF" wi="80" he="22" />;<b>第五步</b>,获取相机水平姿态角测量值<img file="DEST_PATH_IMAGE050.GIF" wi="20" he="25" />和<img file="DEST_PATH_IMAGE051.GIF" wi="17" he="25" />5.1 对<img file="259736DEST_PATH_IMAGE036.GIF" wi="9" he="17" />时刻局部图像进行边缘检测图像坐标满足<img file="719536DEST_PATH_IMAGE003.GIF" wi="14" he="16" />和<img file="386141DEST_PATH_IMAGE004.GIF" wi="13" he="16" />满足式8的<img file="91054DEST_PATH_IMAGE036.GIF" wi="9" he="17" />时刻图像区域,利用步骤2.1描述的图像边缘检测算法,提取图像轮廓坐标,记为集合<img file="DEST_PATH_IMAGE052.GIF" wi="45" he="30" />,<img file="DEST_PATH_IMAGE053.GIF" wi="185" he="54" />(8)式8中,<img file="DEST_PATH_IMAGE054.GIF" wi="20" he="25" />为图像边缘检测的区域阈值;5.2 对<img file="523785DEST_PATH_IMAGE036.GIF" wi="9" he="17" />时刻局部图像进行海天线检测,方法如2.2所述;5.3 根据步骤5.2的海天线检测结果,计算获取<img file="233115DEST_PATH_IMAGE036.GIF" wi="9" he="17" />时刻的相机姿态水平姿态角测量值<img file="809852DEST_PATH_IMAGE050.GIF" wi="20" he="25" />和<img file="879308DEST_PATH_IMAGE051.GIF" wi="17" he="25" />,方法如步骤2.3所述;<b>第六步</b>,更新滤波器状态量<img file="DEST_PATH_IMAGE055.GIF" wi="22" he="25" />利用第四步获得的状态量预测值<img file="792644DEST_PATH_IMAGE037.GIF" wi="25" he="28" />和第五步获得的相机姿态角测量值<img file="859826DEST_PATH_IMAGE050.GIF" wi="20" he="25" />和<img file="923859DEST_PATH_IMAGE051.GIF" wi="17" he="25" />,采用公式9更新估计,获得<img file="DEST_PATH_IMAGE056.GIF" wi="9" he="16" />时刻对应的卡尔曼滤波器状态量的最优估计值<img file="154596DEST_PATH_IMAGE055.GIF" wi="22" he="25" /><img file="DEST_PATH_IMAGE057.GIF" wi="298" he="36" />(9)其中,<img file="DEST_PATH_IMAGE058.GIF" wi="177" he="48" />(10a)<img file="DEST_PATH_IMAGE059.GIF" wi="96" he="30" />(10b)<img file="DEST_PATH_IMAGE060.GIF" wi="160" he="54" />(10c)式10中,<img file="DEST_PATH_IMAGE061.GIF" wi="20" he="25" />为测量噪声协方差矩阵,表征<img file="63384DEST_PATH_IMAGE045.GIF" wi="14" he="18" />和<img file="363784DEST_PATH_IMAGE044.GIF" wi="17" he="16" />的测量误差;<img file="DEST_PATH_IMAGE062.GIF" wi="22" he="29" />和<img file="DEST_PATH_IMAGE063.GIF" wi="24" he="25" />分别为<img file="39747DEST_PATH_IMAGE045.GIF" wi="14" he="18" />和<img file="910662DEST_PATH_IMAGE044.GIF" wi="17" he="16" />的过程噪声方差,以<img file="DEST_PATH_IMAGE064.GIF" wi="22" he="26" />为例,其表达式为:<img file="DEST_PATH_IMAGE065.GIF" wi="143" he="60" />(11)式11中,<img file="DEST_PATH_IMAGE066.GIF" wi="22" he="28" />为<img file="847525DEST_PATH_IMAGE045.GIF" wi="14" he="18" />角加速度方差,<img file="DEST_PATH_IMAGE067.GIF" wi="349" he="49" />(12a)<img file="DEST_PATH_IMAGE068.GIF" wi="345" he="44" />(12b)<img file="DEST_PATH_IMAGE069.GIF" wi="193" he="43" />(12c)<img file="DEST_PATH_IMAGE070.GIF" wi="216" he="43" />(12d)<img file="DEST_PATH_IMAGE071.GIF" wi="169" he="42" />(12e)<img file="DEST_PATH_IMAGE072.GIF" wi="125" he="44" />(12f)<b>第七步</b>,更新估计噪声协方差矩阵<img file="DEST_PATH_IMAGE073.GIF" wi="16" he="22" />更新<img file="378214DEST_PATH_IMAGE036.GIF" wi="9" he="17" />时刻的估计噪声协方差矩阵<img file="354522DEST_PATH_IMAGE073.GIF" wi="16" he="22" />,计算公式如下:<img file="DEST_PATH_IMAGE074.GIF" wi="270" he="41" />(13)<b>第八步</b>,计算船体水平姿态角<img file="DEST_PATH_IMAGE075.GIF" wi="20" he="25" />和<img file="DEST_PATH_IMAGE076.GIF" wi="17" he="25" />利用公式14,计算<img file="254957DEST_PATH_IMAGE036.GIF" wi="9" he="17" />时刻船体依次绕X1轴和Z1轴的水平姿态角<img file="124956DEST_PATH_IMAGE075.GIF" wi="20" he="25" />和<img file="439262DEST_PATH_IMAGE076.GIF" wi="17" he="25" />,转第四步;<img file="DEST_PATH_IMAGE077.GIF" wi="328" he="110" />(14)式14中,<img file="DEST_PATH_IMAGE078.GIF" wi="59" he="24" />;<img file="DEST_PATH_IMAGE079.GIF" wi="62" he="24" />;<img file="DEST_PATH_IMAGE080.GIF" wi="18" he="25" />、<img file="DEST_PATH_IMAGE081.GIF" wi="20" he="25" />分别满足式15和式16;<img file="DEST_PATH_IMAGE082.GIF" wi="26" he="25" />、<img file="DEST_PATH_IMAGE083.GIF" wi="26" he="25" />、<img file="DEST_PATH_IMAGE084.GIF" wi="26" he="25" />为相机在船体甲板坐标系中的安装姿态矩阵<img file="DEST_PATH_IMAGE085.GIF" wi="26" he="25" />的中的元素,满足式17<img file="DEST_PATH_IMAGE086.GIF" wi="140" he="105" />(15)<img file="DEST_PATH_IMAGE087.GIF" wi="276" he="113" />(16)<img file="DEST_PATH_IMAGE088.GIF" wi="154" he="76" />(17)。
地址 410073 湖南省长沙市砚瓦池正街47号