基于高速相机的炸点坐标测量技术研究-学位论文.doc

长春理工大学毕业论文编号 本科生毕业论文基于高速相机的炸点坐标测量技术研究Stopping point coordinate measuring technology research based on high-speed camera学 生 姓 名专 业光电信息工程学 号指 导 教 师学 院光电工程学院二零一三年六月毕业设计（论文）原创承诺书1本人承诺：所呈交的毕业设计（论文） ，是认真学习理解学校的长春理工大学本科毕业设计（论文）工作条例后，在教师的指导下，保质保量独立地完成了任务书中规定的内容，不弄虚作假，不抄袭别人的工作内容。2本人在毕业设计（论文）中引用他人的观点和研究成果，均在文中加以注释或以参考文献形式列出，对本文的研究工作做出重要贡献的个人和集体均已在文中注明。3在毕业设计（论文）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。4本人完全了解学校关于保存、使用毕业设计（论文）的规定，即：按照学校要求提交论文和相关材料的印刷本和电子版本；同意学校保留毕业设计（论文）的复印件和电子版本，允许被查阅和借阅；学校可以采用影印、缩印或其他复制手段保存毕业设计（论文），可以公布其中的全部或部分内容。以上承诺的法律结果将完全由本人承担！作 者 签 名： 年 月日20摘 要文中应用摄像测量技术,提出了用面阵CCD摄像测试弹丸炸点相对目标空间三维坐标的一种新方法。阐述了面阵CCD摄像测量炸点坐标的工作原理以及交汇测量的方法确定图像位置，并对其测试精度进行了分析。采用低通滤波的方法去除噪音，通过阈值分割方法，边缘检测定位法对炸点图像进行分割。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。该方法的有效测试视场完全能够覆盖合格引信所引爆弹丸的爆炸区域,并在很大程度上提高了测试的精度。关键词:面阵CCD 炸点坐标 交汇测量 目标识别 图像处理AbstractAiming at the request of the shooting range, applying the technology of photogrammetry, a new method to measure the coordinate of projectile exploding position relative to the target by square array CCD is introduced. The measurementprinciple of the square array CCD and the steps of digital image processing are expatiated. Intersection measurement to determine the image position. And its test accuracy are analyzed. Adopt the method of low-pass filter to remove noise. By the method of threshold segmentation, edge detection method for ZhaDian image segmentation. Based on some of the characteristics of image objects on the basis of ZhaDian image target recognition. With the centroid tracking method and the coordinate transformation ZhaDian coordinates are expressed. And the measurement precision is analyzed. The system has the advantages of large field and high precision.Key words: square array CCD;coordinate of projectile exploding position; Intersection measurement；Target recognition；image processing 目录摘 要I第1章 绪论11.1 课题研究的目的及意义11.2 国内外研究现状11.3 本课题主要的研究内容3第2章 面阵CCD42.1面阵CCD照相交汇测量系统布置42.2面阵CCD摄像交汇测量弹丸炸点的原理42.3面阵CCD相机的选用与设置62.4 本章小结7第3章炸点的图像处理83.1炸点的图像预处理83.2炸点图像的分割93.3阈值分割方法103.4边缘检测定位法113.5炸点的目标识别123.6质心跟踪法133.7 Visual C+ 6.0 的简介及特点133.8坐标的转换163.9误差及交汇布置测量精度分析16第4章 总结18致谢19参考文献:20第1章 绪论1.1 课题研究的目的及意义为了判断弹丸是否能够对目标起到摧毁作用,其测量的主要参数为弹丸炸点相对目标的空间三维坐标。对于弹丸炸点的测试方法目前主要用普通摄像机记录弹丸炸点的爆炸过程,通过定格回放,找到最先出现弹丸炸点的一幅图像,用目标长度作为参考进行判读得到弹丸炸点相对于目标头部的两维坐标,由于普通摄像场与场之间不进行光积分的时间较长,如果弹丸爆炸的时刻在这段时间间隔里,将记录不到弹丸爆炸的最初位置,加之通常用目视判读,精度较低。可以用高速摄像的方法减少场与场之间不进行光积分的时间。文章论述了一种用面阵CCD摄像交汇测量的方法。选用两台面阵CCD相机分别从不同角度同时抓拍同一弹丸的爆炸瞬间与目标的图像,通过图像处理得到两组数据,根据两台相机的位置关系计算得到弹丸炸点的空间三维坐标。该方法具有系统结构简单、价格低、测量精度较高等优点1.2 国内外研究现状国内对于测量炸点坐标提出了多幕光学法测量技术。分析了多光幕交汇测量弹丸炸点位置存在的问题，研究了采用侧向相机辅助多光幕交汇测量技术。通过相机采集到的炸点图像，建立相机、模拟目标和多光幕交汇光幕阵列空间几何计算模型。利用弹丸的飞行轨迹和弹丸炸点图像平面坐标，研究了弹丸炸点侧向空间坐标的计算方法和多光幕交汇测量系统二维坐标修正原理，给出了弹丸炸点坐标计算函数。利用微分法从交汇光幕夹角、光幕幕厚、测时和测距等方面分析测量误差。还有用由面阵CCD相机和电子经纬仪组成的CCD电视经纬仪测量系统,可以实时地对各种重兵器弹丸爆炸时刻的角度坐标进行测量,而采用多套CCD电视经纬仪测量系统组成空间交汇测量网,则可以实现对多个弹丸炸点的三维直角坐标值的测量。CCD相机将光信号转变为视频信号送入视频处理器,经过A/D转换和视频图象处理,把数字信号送与计算机,经过细分和形心计算,得到炸点中心在靶面上的坐标值,再根据经纬仪度盘的方位和高低指标值,求出炸点目标的坐标角度值。CCD相机靶面有效象素为768(H)582(V),单个象元尺寸为11.5Lm11.0Lm,CCD相机光学镜头的焦距为12 mm,可知单个象元所对应的角分辨率198189,该精度已远远超过40的总指标要求。因此采用了亚象元细分技术(数学上称为插值法),经用投影插值法8等细分,单个象元对应的角分辨率24.823.6,细分后的CCD电视量化误差的均方根可达6.886.45，这样满足了系统的测角精度要求。还有的根据双目立体视觉的基本原理，首先建立了数学测量模型，然后根据建立的模型进行了布站参数与布站方式的优化，接着简化了标定模型并推导了摄像机的标定公式，研究了两种靶标识别技术并进行了对比分析，之后利用图像处理技术对前期得到的实际视频序列进行了处理，成功提取出目标，得到目标的精确像素平面坐标。炸点坐标测量系统主要是针对靶场轻武器炮弹炸点坐标的测试而设计的。该系统具有自动化程度高、准确性好和试验数据实时传输等特点，解决了以往人工测量带来的误差和试验周期。在军事领域，在发射端，可以利用高速摄像系统进行高速瞬发过程记录和弹体离轨参数的测量；在飞行过程中，利用每秒数百帧的电视跟踪实现弹道轨迹和飞行姿态等目标特性测量；在着靶端，立体视觉测量系统可以精确测量弹体落点位置和偏靶量。以往轻武器落点坐标测试主要是采用人工单发标记，试验后逐点测量的原始方法，传统的方法不仅消耗大量的材料, 而且费时、费力, 不能实时得到测量结果, 同时无法消除人为误差，人工标记方法存在测量精度低、准确性差和周期长等特点，特别是存在着一定的安全隐患，所有这些都不能满足以人为本、高效、精确的现代化靶场试验要求。炸点坐标测量系统采用高速 CCD 摄像机和成熟的图像处理技术，能够自动测量炮弹的炸点坐标，实时进行试验数据的采集处理和无线传输。还有的采用图像法。利用图像传感器测量是将图像信息通过某些变换装置变换成电信号，再经过各种处理之后，应用于测量和控制的。此外由于必须确定被测对象上各点的位置坐标以及与各位置相对应的亮度值等数据，所以还需要利用某种方法对图像进行扫描。CCD 具有自扫描、高分辨率、高灵敏度、结构紧凑及像素位置准确的特性，是应用非常广泛的一种图像传感器。CCD 作为图像敏感元件，在航天航空、卫星侦察、遥感遥测、天文测量、传真、静电复印、非接触工业测量、光学图像处理等领域都得到了广泛的应用；在动态非接触的尺寸检测、液面位置的遥测等光电测试技术中更引起人们的高度重视，特别是在摄像和信号处理等技术领域中应用非常广泛。利用 CCD 等光电传感器取代传统的感光胶片，通过在两个或两个以上不同位置捕捉弹体或弹体击中地面瞬间产生的可见红外信号，然后用立体视觉的方法求解弹落点的位置坐标。基于图像弹落点探测方法的优点主要包括系统简单、维护方便、成本较低和探测精度高。还有为了测量炸点位置，提出了采用基于定目标为参照的双面阵相机交汇摄像法来获取高空弹丸炸点三维坐标参数。根据试验测试要求，分析了相机交汇摄像原理与方法，建立了弹丸炸点三维坐标位置计算模型；利用交汇相机的空间几何关系、图像处理技术与模拟目标实际尺寸，研究弹丸炸点相对模拟目标的空间三维坐标算法，并分析了坐标参数修正方法；利用微分法对参数进行误差分析。分析计算显示，坐标误差均小于；实弹试验和图像处理显示，相机交汇摄像法可以获得弹丸炸点三维坐标。对四光幕法与摄像法的对比表明，两种方法在高低方向所测数值平均差为0.158m，左右方向数值平均差为0.114m。这是一种基于模拟目标实际尺寸，按照相机布置的空间几何结构，基于摄像法的空中弹丸炸点位置参数测量方法。介绍一种基于模拟目标实际尺寸，按照相机布置的空间几何结构，基于摄像法的空中弹丸炸点位置参数测量方法。测量时通常采用静态目标进行试验测试，在距离火炮发射炮口距离为处放置被击模拟目标模型，模型与地面的高度为。当火炮发射的弹丸接近被击模拟目标某一范围区域时，引信利用自身的控制起爆装置的点燃弹体内的火药而产生爆炸，利用弹体爆炸产生的破片而毁伤被击目标。在测试系统中，所求的弹丸炸点位置是以被击目标头部中心为原点的相对空间三维坐标。本测试原理采用双面阵交汇测试方法，图像采集与计算处理模块是测试系统捕获弹丸炸点图像与相关参数的计算处理核心，并进行同步图像采集控制等，最后，利用远程计算机进行相关数据的采集与参数计算并显示测量的参数。1.3 本课题主要的研究内容一种用面阵CCD摄像交汇测量的方法。选用两台面阵CCD相机分别从不同角度同时抓拍同一弹丸的爆炸瞬间与目标的图像,通过图像处理得到两组数据,根据两台相机的位置关系交汇测量计算得到弹丸炸点的空间三维坐标。然后将当炸点图像输入到计算机里面，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。第2章 面阵CCD随着计算机技术的飞速发展以及对炸点图像处理理论的深入研究，采用 CCD 图像传感器对炸点目标进行监测成为测量领域的一种新的趋势，但是处理过程往往是通过大量的数值计算来实现的，本课题根据面阵 CCD 图像传感器测量的理论，拟对炸点目标的坐标进行测量。CCD 应用技术是一项具有广泛应用前景的新技术。三十多年来，CCD 技术取得的惊人进展足以说明这一点。目前 CCD 已经在三大领域得到广泛应用：摄像，信号处理和存储。它之所以能在图像测量领域中得到广泛的应用，是因为它具有灵敏度高、体积小、动态范围大、转换效率高、功率低、寿命长、性能稳定等优点。CCD 用于测量的研究于上世纪九十年代末进入火热期，国内外科研工作者在这个领域进行了广泛、深入的研究并获得了丰硕的成果。CCD 测量具有无接触、准确度高、便于计算机处理，易于和自动控制设备连接等优势，因此 CCD 用于测量的研究一直延续到现在。CCD 测量技术在其他方面也得到了很好的应用和创新，清华大学研制出一种基于CCD 传感器的人体运动图像的检测方法，它采用图像动态采集及标志点自动识别跟踪技术，实现了运动图像的采集与分析，并用该方法构建了二维和三维人体运动图像检测分析系统，将其运用与人体步态和人手运动分析。目前，国内利用 CCD 进行工业实时在线检测的系统不多，大多采用线阵 CCD 而且精度不高，与国外的 CCD 测量技术相比还有一定的差距。2.1面阵CCD照相交汇测量系统布置面阵CCD照像交汇测量弹丸炸点空间三维坐标的系统布置如图2-1所示。图中两面阵CCD相机对称架设在弹道线的两侧。 图2-1 面阵CCD交汇测量系统布置 图2-2 面阵CCD交汇测量测试原理两相机光轴分别与弹道线垂直并交汇于目标头部(坐标原点)。2.2面阵CCD摄像交汇测量弹丸炸点的原理相机1与相机2所拍摄同一弹丸爆炸瞬间与目标的图像分别经过图像处理,可分别求得两幅图像中炸点相对目标头部的两维坐标为(y1, z1)和(y2, z2),由图2-2可分别求得直线的方程表达式如下: （2-1）联系上式，求解： （2-2）相机1与相机2光轴正交时误差最小,即=45度,H=L,则上式变为 （2-3）考虑到误差平均原则，取 （2-4）对式取微分得 （2-5） (2-6)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。2.3面阵CCD相机的选用与设置本系统选用的面阵高速相机。使用常规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 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，信噪比，动态范围不低于，可在种分辨率下工作，当分辨率为时，可在时间延迟积分（）方式下工作。当相机的分辨率为，帧频为，基本满足高速摄像的应用要求。图2-3 某次试验获取的弹丸炸点图像图2-4 图像处理结果图2.4 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。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）。3.1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。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。（3-1）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: （3-2）式中D0为截止频率 （3-3）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3.2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。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 4 类。本系统中，利用区域的方法进行图像分割。使用阈值就是一种区域分割技术，它对物体与背景有较强对比的景物的分割特别有用。它计算简单，而且总能用封闭而且连通边界定义不交叠的区域。文章采用微分尖锐化处理对图像进行尖锐化处理。运用罗伯特梯度法。这是一种交叉差分法,其绝对值近似计算式如下: （3-4）3.3阈值分割方法阈值分割方法现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素一般分属图像的两类区域，从而达到分割的目的。从该方法中可以看出，确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。最简单的利用取阈值方法来分割灰度图像的步骤如下。首先对一副灰度取值在min和max之间的图像确定一个灰度阈值 T(minTmax )，然后将图像中每个像素的灰度值与阈值 T 相比较，并将对应的像素根据比较结果划为两类:像素的灰度值大于阈值的为 1 类，像素的灰度值小于阈值的为另一类(灰度值等于阈值的像素可归入这两类之一)。这两类像素一般对应图像中的两类区域，可用公式表示。 （3-5）其中 h ( x,y)为原图像， f ( x,y)为经过二值化处理后得到的二值图像。图3-1 原图假如阈值选为125图3-2 原图阈值分割后得到的图像确定阈值是分割的关键。全面总结了近 50 多种阈值选取方法，它们分别应用于直方图、类间方差、一维最大熵、模糊、共生矩阵等阈值分割方法。阈值方法的缺陷在于它仅仅考虑了图像的灰度信息，而忽略了图像中的空间信息，对于图像中小存在明显的灰度差异或各物体的灰度值范围有较大重叠的图像分割问题难以得到准确的结果。所以选择好阈值是进行目标定位的关键。另外，只有当目标与背景确实存在灰度差异时，阈值化技术才有可行性。3.4边缘检测定位法图像边缘用于图像定位。图像边缘保留了原始图像中相当重要的部分信息，而又使得总的数据量减小了很多，这正符合特征提取的要求。用于图像识别的边缘提取往往需要输出的边缘是二值图像，即只有黑白两个灰度的图像，其中一个灰度代表边缘，另一个代表背景。此外，还需要把边缘细化成只有一个象素的宽度。总的说来边缘提取的步骤包括去噪声、微分运算、二值化处理、细化四个步骤，但通常都把微分运算直接称为边缘检测。目标的识别定位可以建立在边缘检测的基础上。目标图像的边缘被检测出来可以比较方便地进行目标的识别和定位。目前的边缘检测的方法很多，一类为传统的边缘检测方法，主要是利用一些简单的边缘检测算子，如 Sobel 算子、Robert 算子、Laplacian 算子、Log 算子等。这些都是模板运算，首先需要定义一个模板，模板的大小以 33 的较常见，也有 22，55 或更大尺寸的。运算时，把模板中心对应到图像的每一个象素位置，然后按照模板对应的公式对中心象素和它周围的象素进行数学运算，算出的结果作为输出图像对应象素点的值。用阀值法进行二值化,通过合理的选择门限T即可有效地强调图像的边缘。这样提取得到的目标边缘往往占有几个象素的宽度,还不能满足要求,需要对此边缘轮廓进行中心线提取以保证所得目标边缘宽度为一个象素。图3-3 边缘检测后的图图3-4 边缘检测后的图3.5炸点的目标识别图像预处理和图像分割只是把图像分成有意义的区域和部分。为了进一步对图像作分析和识别，就必须通过对图像中的炸点作定性或定量的分析来得出正确的结论，这些结论是建立在图像物体的某些特征的基础上的。在本系统中，由于目标是处于运动中，所采集到的目标图像会有不同程度的改变，另外，在目标跟踪系统中，通常只需辨明目标的类型，并不需要了解有关运动目标图像中更多的细节。3.6质心跟踪法因为要给出炸点的位置，所以每张图像上的物体最终只能用一个点来表示，这个点就是炸点的中心点，在图形学上称为图形的几何中心。确定炸点的几何中心，只需扫描整张图像，寻找颜色是白色点，记录它们的横坐标和纵坐标，并做累加，同时累加白色点的个数，最后把累加得到的横坐标的值除以白色点个数后，得到的值就是物体中心点的横坐标数值，纵坐标也是如此。得到的质心是运动物体在图像中的像素坐标，以 x1 y1，x2 y2分别表示运动目标在两张图像上的像素坐标。得到了两张图上像素坐标就可以知道运动目标的运动情况，从而达到对运动目标的实时监测。一般来说，这样得到物体的几何中心还是比较准确的，但要求物体在运动过程中不能发生大的变形。提取弹丸炸点。由于相机快门时间较长,使得弹丸爆炸火光在CCD上成像面积较大,综合考虑用户的意见文章在提取时采用了重心法,其数学表达式如下:（3-6）其中: xk-第k个像素的x坐标; yk-第k个像素的y坐标; f (xk, yk)-第k个像素的灰度值。得到的质心是运动物体在图像中的像素坐标，以（x，y）分别表示运动目标在两张图像上的像素坐标。得到了两张图上像素坐标就可以知道运动目标的运动情况，从而达到对运动目标的实时监测。一般来说，这样得到物体的几何中心还是比较准确的，但要求物体在运动过程中不能发生大的变形。3.7 Visual C+ 6.0 的简介及特点编写程序。考虑到处理速度,图像处理程序以及前面的测试原理计算程序全部在Microsoft公司的VC+6.0环境下编写。在 Windows 操作系统平台上，以 Visual C+6.0 为集成开发环境，基于 MFC完成图像处理软件程序的编写，最终得到目标的位置，其中主要涉及到算法的优化问题，包括滤波算法，分割算法，目标识别。Visual C+自诞生以来，一直是 Windows 环境下最主要的应用开发系统之一。VisualC+不仅是 C+语言的集成开发环境，而且与 Win32 紧密相连，所以利用 Visual C+开发系统可以完成各种各样的应用程序的开发，从底层软件直到上层直接面向客户的软件。而且，Visual C+强大的调试功能也为复杂软件的开发提供了有效的排错手段。进入 20 世纪 90 年代以来，随着多媒体技术和图形图像技术的不断发展，可视化(Visual)技术得到广泛地重视，越来越多的计算机专业人员和非专业人员都开始研究并应用可视化技术。所谓可视化技术，一般是指软件开发阶段的可视化和对计算机图形技术和方法的应用。VisualC+是一个很好的可视化编程工具，使用 Visual C+环境来开发基于 Windows 的应用程序大大缩短了开发时间，而且它的界面更友好，便于程序员操作。Visual C+ 6.0 具有以下特点：1、它不仅是编译器，而且它还包括了许多有用的组件，通过这些组件的协同工作，可以轻松的完成创建源文件、编辑资源以及程序的编译、连接和调试等各项工作。2、提供了强大的向导工具3、支持多线程应用程序的开发。4、对 OLE DB 提供了强大的支持。5、具有强有力的 Internet 支持。6、集成了大量的新技术，如 ActiveX、COM 等。7、提供了丰富的技术资源，MSDN 提供了强大的联机帮助，还可以访问 Microsoft站点来获取最新的技术文档。用 Visual C+开发面向对象的应用程序时，主要用了两种方法，一种是使用 Windows提供的 WindowsAPI 函数，另一种方法是直接使用 Microsoft 提供的 MFC 类库。API 是应用程序编程接口(Application Programming Interface)缩写，Windows API 是Windows 系统和 Windows 应用程序间的标准程序接口。API 为应用程序提供系统的各种特殊函数及数据结构定义，Windows 应用程序可以利用上千个标准 API 函数调用系统功能。根据 WindowsAPI 函数完成的功能，可将其分为三类：1、窗口管理函数：实现窗口的创建、移动和修改功能。2、系统服务函数：实现与操作系统有关的各种功能。3、图形设备(GDI)函数：实现与设备无关的图形操作功能。MFC(Microsoft Foundation Class)是 Microsoft 公司用 C+语言开发的一套基础类库。直接利用 Win32 API 的大部分内容，并提供了一个应用程序框架用于简化和标准化Windows 程序的设计。MFC 是 Visual C+的重要组成部分，并且以最理想的方式与其集成为一体。主要包括以下各部分：Win32API 的封装、应用程序框架、OLE 支持、数据库支持、通用类等。MFC 编程的一个特点是系统提供了一个“向导”(Wizard)，利用“向导”可进一步添加必要的实现代码，即可编写出自己的 Windows 应用程序，可以大大地简化程序员的工作,提高工作效率。软件实现的主要流程如下：初始化获得设备端口开始调入图像开始预览图像平滑化阈值分割定位目标坐标变换串口通信输出退出码结束。图像采集模块主要负责采集图像信息，为后面的数据处理和计算提供支持，图像采集的软件开发是在安装完成微视提供的驱动之后，进行二次开发。二次开发需要用到的库文件共包含三个文件：Mvc1000m.d11驱动接口库Mvc1000m.h 接口头文库MVC1000m.lib 接口静态库图像处理的模块程序流程如下：初始获取图像数据开辟内存区域存储滤波特征提取特征提取显示结束。图3-5程序运行时的界面开发使用的语言。对于 51 系列单片机，现在常用的编程语言有汇编和 C 语言。C 语言是一种源于编写UNIX 操作系统的语言，它是一种结构化语言，可产生紧凑代码。C 语言结构是以括号 而不是字和特殊符号的语言。C 语言可以进行许多机器级函数控制而不用汇编语言。与汇编相比，有如下优点：1）对单片机的指令系统不要求了解，仅要求对 8051 的存储器有初步了解。2）寄存器分配、不同存储器的寻址及数据类型等细节可由编译器管理。3）程序有规范的结构，可分为不同的函数，这种方式可使程序结构化。4）具有将可变的选择与特殊操作组合在一起的能力，改善了程序的可读性。5）关键字及运算函数可用近似人的思维过程方式使用。6）编程及程序调试时间显著缩短，从而提高效率。7）提供的库包含许多标准子程序，具有较强的数据处理能力。8）已编好程序可容易地植入新程序，因为它具有方便的模块化编程技术。3.8坐标的转换扫描后获得的跟踪点运动轨迹均为像素坐标, 它与实际坐标存在单位和方向两个方面的差异. 在像素坐标系中, 横轴（x轴）与实际坐标相同, 但纵轴（z轴）与实际坐标相反, 像素坐标系中的纵轴由上至下为正, 而在描述波浪及浮架运动的实际坐标系中则是由下至上为正。因此由像素坐标系至实际坐标系存在坐标转换问题. 一般情况下, 像素坐标的原点均位于图像左上角, 但实际坐标系的原点可以任意选定,实际上常常以CCD 轴线中心在图像上的像点作为实际坐标系的原点。在坐标转换中, CCD 与跟踪点之间的位置关系对坐标转换具有影响, 以下将按照这一相互关系进行分析。 像点坐标与物点坐标之间的变换与摄像机的标定和位置有关。在实际的测试中，要对面阵CCD进行标定，测算出实际位移与面阵CCD像素之间的对应关系，从而完成实际的控制量。3.9误差及交汇布置测量精度分析测量误差与目标尺寸误差dl相关,与像素判读误差dDy、dDz、dMy、dMz、dnm相关。其中:dl的来源有:对l的测量误差。l一般为44.5mm,测量误差为2 mm。相机光轴与目标轴线不垂直引起的倾斜误差。倾角不大于10度,倾斜误差小于6 mm。dDy、dDz、dMy、dMz、dnm的来源有:图像清晰程度误差,使得对Dy、Dz、My、Mz、nm的判读带来像素个数误差。这部分误差由图像处理引起,一般会有23个像素的模糊边缘。每个像素在物面上代表的尺寸。在一定的像面尺寸上,像素越多,每个像素在物面上代表的尺寸越小。l=4 m,实际处理得到nm=500个像素,每个像素在物面上代表的尺寸约为8 mm。在测量中，影响炸点三维坐标参量的因素很多，如两相机布置的距离，两相机的高低差，图像处理中的像素差等，都是引起测量误差的来源。交汇的两个角度和可以利用位高精度角度编码器在室内标定，距离、在布置时利用高精度激光测距仪测量，角度误差接近，距离误差可为测距仪精度，即精度为mm。测量误差与目标尺寸误差、距离误差相关,与两相机像素的判读误差dDy、dDz、dMy、dMz、dnm相关。其中: dl以及两相机像素的判读误差dDy、dDz、dMy、dMz、dnm的来源与上述相同。dH来源于对目标高度的测量误差。H一般为2230 m,测量误差为20 mm。第4章 总结本课题实现了一套基于面阵 CCD 实现的测量炸点位置的系统，能够实时的检测到炸点的运动信息。课题所做的工作主要有以下几点：突破传统的位置测量模式，成功的将图像处理技术引入到自动控制系统中来，实现了位置信号的非接触式测量；在炸点图像处理系统中选择一种快速的滤波算法及实现程序，以减少处理的时间，提高了系统的效率；有待于以后进一步改进和完善：只能是单个炸点的跟踪，对距离目标较近的运动物体的干扰比较敏感，要求运动目标与背景有一定的对比度，所以干扰问题有待于进一步解决；目标的跟踪仅利用了目标的灰度信息，未能考虑到目标的色度信息，从而使背景复杂情况下目标跟踪性能有所下降；对于图像存在畸变时，为了增加系统的实时性，没有对几何畸变进行校正使处理的结果与实际的目标存在差异，尝试用快速的方法来进行畸变的校正；在图像预处理中，本论文只进行了中值滤波，实际上还可以利用直方图均衡来改善图像的对比度，使得系统对光照条件的变化有更强的适应性；对运动目标的识别，在未来的工作中可以考虑用句法（结构）模式识别的方式进行识别，以提高算法的智能化程度和识别的准确性。基于算法复杂性和实时性的考虑，本论文没有选用这些方法，在今后的工作中可以进行进一步地研究和探索。致谢本文的研究工作是在导师刘立欣的悉心指导下完成的。导师渊博的知识、严谨治学的工