黃明晶,蹇 淵,王雪梅,孟偉杰,馬蒙蒙

(西南技術物理研究所,四川 成都 610047)

1 引 言

地面目標檢測是空地探測、精確打擊領域及自動目標識別技術中的重要研究內(nèi)容。激光三維成像雷達的波束較窄、方向性好,其獲取的三維距離像反映了目標最本質(zhì)的尺寸信息,能夠充分利用先驗信息,是地面場景下檢測目標的有效手段,也是其突出的優(yōu)勢[1-3]。

隨著激光探測技術的不斷發(fā)展,近年來激光三維成像雷達地面目標檢測技術受到大量學者的關注。目前對激光三維成像雷達地面目標檢測主要有兩類:一類是直接估算激光三維雷達點云幾何屬性,根據(jù)不同目標點云特征差異來實現(xiàn)對點云目標的檢測[4-5],這類方法通常計算量較大且?guī)缀螌傩怨浪愕臏蚀_性直接影響了目標提取結果的準確性；一類是將三維點云映射到二維坐標中生成距離像,利用傳統(tǒng)二維圖像中的目標檢測技術來提取目標[6-7],這類方法是根據(jù)距離像的偽灰度變化信息,利用邊緣檢測和圖像分割算法提取目標的輪廓,但對表面曲率不連續(xù)的目標檢測不到邊緣點,無法得到有效輪廓信息且后續(xù)無法彌補。

本文根據(jù)激光三維成像雷達獲取的地面目標距離像的特點,提出了一種基于激光三維成像雷達距離像的目標檢測方法,實現(xiàn)了對地面坦克目標的準確提取,該方法對坦克目標的檢測效果較好,且運算量較小可以滿足實時性的要求。

2 距離像預處理

為了抑制激光三維成像雷達距離像出現(xiàn)的距離反常噪聲現(xiàn)象,同時又較好地保護目標細節(jié)信息[8],本文采用基于鄰域像素內(nèi)檢測距離反常來對距離像進行降噪處理。根據(jù)檢測目標的大小設置一個距離判斷閾值T,統(tǒng)計當前像素與其鄰域內(nèi)的其他像素距離差在T內(nèi)的數(shù)量N,設置數(shù)量判斷與之TN,通過這個數(shù)量來判斷其是否為距離反常像素。具體算法步驟如下:

1)設置T和TN5=5,在5×5鄰域內(nèi)對當前像素進行檢測,得到在距離判斷閾值T范圍內(nèi)的數(shù)量N5。

(1)

2)比較當前像素數(shù)量,判斷是否為距離反常像素。

(2)

3)若Pi,j是正常像素,則保持原值不變,處理下一個像素；若是距離反常像素,則在7×7鄰域內(nèi)對當前像素進行閾值檢測,統(tǒng)計在閾值范圍內(nèi)的鄰域像素數(shù)量,然后轉至4)。

Pi,j=

(3)

4)設置TN7=7,對7×7鄰域內(nèi)像素的檢測結果進行判斷。

(4)

5)若Pi,j是正常像素,則保持原值不變；若是距離反常像素,則在9×9鄰域內(nèi)對當前像素進行閾值檢測,統(tǒng)計在閾值范圍內(nèi)的鄰域像素數(shù)量,然后轉至6)。

Pi,j=

(5)

6)設置TN9=9,對9×9鄰域內(nèi)像素的檢測結果進行判斷。

(6)

7)若Pi,j為正常像素時,保持原值不變,處理下一個像素；當Pi,j為距離反常像素時,取其9×9鄰域內(nèi)的中值代替當前像素。

(7)

其中,median(·)為取中值運算。

3 距離像目標檢測

3.1 基于形態(tài)學的地面估計和高程分割

形態(tài)學圖像處理是圖像處理技術中一項有力的工具,基本的二值形態(tài)學運算有以下四種:腐蝕、膨脹、開運算、閉運算。腐蝕和膨脹運算是在結構元素定義的鄰域內(nèi)選擇圖像像素值和結構元素作用后的最小或最大像素值。開運算和閉運算實際上是腐蝕和膨脹操作非常簡單的組合,開運算一般使對象的輪廓變得光滑,斷開狹窄的間斷和消除細的突出物,開運算最明顯的效果是消除大于鄰域內(nèi)點的孤立異常值；閉運算同樣使輪廓線更為光滑,但與開運算相反的是,它通常消彌狹窄的間斷和長細的鴻溝,消除小的空洞,并填補輪廓線中的斷裂,閉運算最明顯的效果是消除值小于鄰域內(nèi)的點的孤立異常值[9]。

下面以圖1中的坦克目標為例,對基于形態(tài)學的DEM估計和高程分割的步驟進行分析,坦克目標的激光三維成像雷達距離像如圖1所示。

1)根據(jù)坦克目標在距離像上的投影,選取合適的結構元素窗口大小,對圖1的距離像I1做地面估計運算得到地面圖像I2如圖2所示。

圖1 激光三維成像雷達距離像

圖2 提取的地面圖像

2)將原距離像I1和地面圖I2進行差值運算并絕對值,得到差值圖I3如圖3所示。

圖3 距離像與地面差值后的差值圖

I3(i,j)=|I1(i,j)-I2(i,j)|

(8)

3)設置高程閾值T1和T2,對差值圖I3進行分割得到分割后的高程圖I4如圖4所示,對比圖3能夠容易的發(fā)現(xiàn)圖4中地面上的大量線狀部分已被去除。為了進一步獲得較為精確的坦克目標,我們在下一節(jié)中對圖4中的坦克目標進行檢測處理。

圖4 分割后的高程圖

(9)

3.2 基于最小外接矩形估計的目標檢測

最小外接矩形估計方法其基本思想是先計算所有數(shù)據(jù)點的最小多邊形凸包,然后根據(jù)其最小外接矩形必然有一條邊與最小多邊形凸包相重合的理論,計算最小多邊形每條邊情況下的外接矩形面積,取面積最小者對應的矩形即為這些數(shù)據(jù)點對應的最小外接矩形MABR[10-11]。圖5給出了多邊形凸包、外接矩形和最小外接矩形的空間分布關系圖。

圖5 多邊形凸包、外接矩形和最小外接矩形的空間分布關系圖

通過上幾節(jié)處理后的激光三維成像雷達距離像,還需要通過其輪廓分析對坦克目標進行描述。具體實現(xiàn)步驟如下:

1)經(jīng)圖像分割后對二值圖像進行輪廓追蹤,先計算出目標輪廓對應的凸包,鏈接目標的凸包得到一系列的封閉區(qū)域。設目標凸包的坐標點集合為C={(x1,y1),(x2,y2),(x3,y3),…,(xn,yn)},以(x1,y1)為起點,按照順時針方向環(huán)繞輪廓一圈得到的坐標點形式表示。計算全部四個多邊形的端點,記為Dxmin,Dxmax,Dymin,Dymax。

2)通過四個點構造D的四條切線,如果一條或兩條線與一條邊重合,那么計算由四條線決定的外接矩形的長度、寬度、面積和姿態(tài)等信息,并保存為當前最小值,否則將當前最小值記為無窮大。

3)順時針旋轉線直到其中一條和多邊形的一條邊重合,計算新矩形的面積,并且和當前最小值比較。如果小于當前最小值則更新,并保存確定最小值的矩形信息。

4)重復步驟3,直到線旋轉過的角度大于90°,輸出外接矩形的最小面積及其長度、寬度和姿態(tài)等信息。

5)根據(jù)找到的每個區(qū)域的最小外接矩形,統(tǒng)計出每個區(qū)域的長寬、面積、質(zhì)心等信息,另根據(jù)激光三維成像雷達的探測視角及探測距離和坦克的實際尺寸信息,計算出坦克目標在距離像上投影的高程和長寬信息等,據(jù)此以這些參數(shù)可以作為判別目標性質(zhì)的依據(jù),從而可以從眾多目標中迅速檢測出坦克目標。

對圖4中分割出的目標進行處理,從圖6的結果可以看出,可以準確的檢測出距離像中滿足尺寸要求的坦克目標。

圖6 采用最小外接矩形估計檢測的坦克目標

4 方法總結與仿真結果

通過上幾節(jié)的介紹,我們將本文提出的方法總結為如下:

1)對激光三維成像雷達距離像I進行預處理得到去噪后的距離像I1；

2)選取合適的結構元素窗口大小,利用形態(tài)學的方法估算場景中的地平面獲得地面圖像I2；

3)設置高程閾值T1和T2,并根據(jù)式(6)構造差值圖像矩陣I3,計算I3中的每個點的高程值,剔除小于T1和T2大于的點,剩下的點即為坦克目標及干擾目標。

4)計算每個目標的最小外接矩形獲得每個目標的長寬、面積、質(zhì)心等信息集合C,計算坦克目標在距離像上投影的高程和長寬信息等,以這些參數(shù)可以從眾多目標中迅速檢測出坦克目標。

使用上述方法對激光三維成像雷達距離像(1)～(4)進行處理,處理前后的結果如圖7所示。(a)列為原始距離像,(b)列為高程圖,(c)列為處理后的距離像,矩形框的部分為檢測出的坦克目標。

圖7 本文方法仿真結果

從上述實驗結果上可以直觀的看出,能夠從建筑物、植物、山坡中有效地檢測出坦克目標。圖1(c)～2(c)中平地和山坡上的坦克目標都檢測到,圖3(c)中可以看出有小部分遮擋時的坦克目標也能被檢測到,圖4(c)中被大部分遮擋時的坦克目標無法檢測到,矩形框標記的指揮車被誤檢。

5 結 論

通過對激光三維成像雷達獲取的地面目標距離像分析,本文所提出的是一種基于激光三維成像雷達距離像的目標檢測方法,不需要處理海量點云數(shù)據(jù)集,從而能夠快速有效地檢測出坦克目標,滿足實時性需求。該方法對于垂直俯視或斜視探測下有明顯距離差異的目標場景,易取得較好的效果,滿足了激光三維成像雷達對地面目標檢測的要求。但由于本文所采集的距離像數(shù)據(jù)集中坦克目標的炮筒成像效果較差,無法準確提取坦克炮筒特征,對于與坦克長寬高尺寸差異較小的相似目標(如運兵車、指揮車等)其檢測效果可能會存在一定的誤差,從而值得進一步研究。