基于高速相机的炸点坐标测量技术研究_毕业设计论文(编辑修改稿)

基于高速相机的炸点坐标测量技术研究_毕业设计论文(编辑修改稿)内容摘要：

XZZ = + ZH x H yXZ=( ) ( )ZZH X H y  相 机相 机（ ）（ ）坐 标 可 由 下 式 求 得 ：（ ） （ ） （ 23） 考虑到误差平均原则，取 1 2 1 2 1222Z ) 1Z = { }22 ( ) ( )Z X Z X Z ZZH x H y       （ （ 24） 对式取微分得 长春理工大学毕业论文 6 23222 2 21 2 1 2 2122122 2 21 2 1 1 2222122 2 ( 1 2 ) ( 2 1 2 ) 4 2 ( 1 2 )( 2 1 2 )2 ( 2 2 ( y y yd y +( 2 )2 H y y y 2 H H y ydy( 2 )xH y y H y y H y yd d HH y yH H y y HH y yH y y              ）（ ） （ 2 ）（ 25） 22 1 2 2221222231 2 1 2 1 22212222 2 21 2 1 2 22212 2 2 y 2 y y H 2 H + ydy = H +2 H y y2 H y 2 H y2 2 H y y 2 H y y 4 2 H y y1 12 H y y222 ( 2 ) 2 ( )( 2 )HydHHyH H y y H y y ydyH y y                 （ ）（ ）（ ） （ ） （ ）（ ）1222 1 2 1 1 2 21221222 2 22 1 2221222 2 ( ) 2 ( ){}( 2 )22 2 ( 1 2) 1 2 ( 2 ){}( 2 )2H y H y y y H y y ydyH y yHyH y H y y y H H y yH y yHy              (26) 结合式可以看出测量误差与目标尺寸误差 dl、距离误差 dH 相关 ,与两相机像素的判读误差 dDy、 dDz、 dMy、 dMz、 dnm 相关。 面阵 CCD相机的选用与设置 本系统选用的 面阵ＣＣＤ ＫＡＩ－０３４０ＤＭ高速相机。 使用常规ＣＣＤ设计了高速相机系统。 采用高度集成视频处理芯片来产生各高速时序信号；通过提高驱动芯片与线路板的热传导效率增加有效散热面积从而降低芯片的温升；建立了高速运放电路的自激振荡模 型，并采用有效方法克服了自激振荡；采用串并转换的方法降低了数据整合的难度，通过压缩图像数据的消隐期对输出数据进行异步降频并使用Ｃａｍｅｒａ Ｌｉｎｋ接口来传输数据。 实验结果表明，该相机系统工作时驱动器温升仅５．２℃，信噪比＞４０ｄＢ，动态范围不低于６０ｄＢ，可在４种分辨率下工作，当分辨率为６４０４８０时，可在时间延迟积分（ＴＤＩ）方式下工作。 当相机的分辨率为２２８１６４，帧频为１ ０００ｆｒａｍｅ／ｓ，基本满足高速摄像的应用要求。 长春理工大学毕业论文 7 图 23 某次试验获取的弹丸炸点图像 图 24 图像处理结果图 本章小结 研 究了双目相机交汇测量弹丸炸点的三维坐标计算方法。 通过两个相机 交汇于被击目标头部中心，推算了弹丸作用于定目标的正视方向的两维坐标，以及利用所获得的两维坐标结合侧视方向的图像处理结果，推导计算出了弹丸炸点相对被击目标头部中心的实际三维坐标。 本方法解决了常规弹丸炸点三维坐标测量问题，可为各类近炸引信的研制提供故障诊断、改进等重要依据。 长春理工大学毕业论文 8 第 3 章 炸点的图像处理 先将 RGB 图转换为灰度图，再采用低通滤波的方法去除噪音。 随后通过阈值分割方法，边缘检测定位法对炸点图像进行分割。 通过建立在图像物体的某些 特征的基础上对炸点图像进行目标识别。 用质心跟踪法和坐标转换把炸点的坐标表达出来。 图像输入 →图像预处理（ 低通滤波）→图像分割→特征提取→图像分类→图像识别（结果，类别）。 炸点的图像 预处理 当 炸点 图像输入到计算机的时候，由于输入转换器件 (如光敏器件、 A/D 转换器等性质的差别 )及周围环境的影响等，使图像上含有各种各样的噪声，反映在图像上是使原本均匀和连续变化的灰度突然变大或减小，形成一些虚假的边缘和轮廓，这对于边缘的分割尤其是高精度边缘提取是十分不利的。 所以 为了稳定地进行特征提取等处理，必须消除噪声， 校正失真。 图像预处理的具体内容要针对具体系统的要求而定，归纳起来大致有以下诸方面： 去噪处理：可能采用的方法如邻域平均法、低通滤波、中值滤波、匹配滤波、卡尔曼滤波等； 图像校正：有图像的几何校正、图像信号量化的归一化等； 数据压缩：有分层搜索、灰度压缩、图像投影、幅度排序等，领域平均及滤波也是数据压缩的有效手段； 图像增强及补偿：有图像整体增强、高频补偿、直方图均衡化、对数变换、去图像信号均值处理等。 根据本系统目标图像的特点，只选择其中之一的去噪处理来对目标图像进行预处理。 目前常用的图像去噪的方法有： 中值滤波器、均值滤波器等。 本课题来寻找一种最能减少了时间开销，提高了系统的实时性的快速算法。 在进行 炸点 图像分析之前 ,要去掉这样的噪声和畸变 ,把图像具有的信息变得容易观看 ,或把图像变换成某种标准的形式 ,使特征提取和识别易于进行 ,包括灰度变换和增强 、 噪声的去除 、 几何畸变的校正等等。 拍摄得到的图像传输到计算机进行处理。 测试过程中相机 1所拍摄弹丸炸点， 处理步骤如下 : 将 RGB 图转换为灰度图。 在灰度连续变化的图像中 ,如果出现了与相邻像素的灰度相差很大的点 ,比如说一片暗区中突然出现了一个亮点 ,人眼能很容易觉察到 ， 这 种情况被认为是一种噪声。 灰度突变在频域中代表了一种高频分量 ,低通滤波器的作用就是滤掉高频分量 ,从而达到减少图像噪声的目的。 长春理工大学毕业论文 9 滤波。 由于镜头前置滤光片不均匀等因素而使得所拍摄图像含有较多的颗粒噪音 ,采用滤波的方法可以滤除图像中的高频部分从而去除噪音 ,然而有用的目标边缘也是图像中的高频分量 ,因此需要寻求一种平滑方法既能消除掉这些颗粒噪音而又不使有用的目标边缘轮廓和线条模糊。 文章采用 3阶布特沃斯(Butterworth)低通滤波器。 G u v = H u v F u v（ ， ） （ ， ） （ ， ）（ 31） 其中 :G(u,v)为滤波后图像的傅立叶变换。 H(u,v)为传递函数。 F(u,v)为原图像的傅立叶变换。 3 阶布特沃斯 (Butterworth)低通滤波器的传递函数为 : 2* 301H u v = D u v1 + 2 1 { }D（ ， ） （ ， ）（ ） （ 32） 式中 D0 为截止频率 22D u v = u v（ ， ） （ ） （ 33） 得到 G (u, v)后 ,经过反傅立叶变换即得到所希望的平滑图像 炸点 图像 的 分割 对于炸点图像， 往往仅对各幅图像中的某些部分感兴趣。 这些部分常称为目标或前景，它们一般对应图像中 特定的具有独特性质的区域。 为了辨别和分析目标，需要将这些区域分离提取出来，在此基础上才有可能对目标进一步利用。 用图像分割将 炸点 图像分成各具特性的区域并提取出感兴趣的目标。 在进行图像分割时，首先要根据目标和背景的先验知识来对 炸点 图像中的目标、背景进行标记、定位，然后将等待识别的目标从背景中分离出来。 图像分割是图像处理中的一项关键技术，自 20 世纪 70 年代起一直受到人们的高度重视，至今己提出上千种分割算法。 因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。 另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。 因此对于若干具有不同特性的图像，无法用同一种图像分割算法对其进行分割处理。 这也可以从一个方面说明，为什么能研究出上千种方式各异的图像分割算法，而且每年都以上百种的速度在递增。 尽管存在着数量庞大的各种方式各异的图像分割算法，但均可以将其分割处理的特点归结为以下几条： 分割产生的所有区域之和包括了原始图像中原有的所有像素，即分割把原始图像的每个像素都分到某个区域； 分割后的结果互不重叠，即原有像素不能同时分割到两个区域； 分割后的 各个区域有其独有的特性即同区域的像素具有某种共性； 分割后的不同区域具有不同的特性分割后同一区域内任两像素在该区域内相互连通，即分割后的区域是一个连通组元。 长春理工大学毕业论文 10 分割后的不同区域具有不同的特性分割后同一区域内任两像素在该区域内相互连通，即分割后的区域是一个连通组元我们将其分为阈值分割方法、边缘检测方法、区域提取方法和结合特定理论工具的分割方法。