張育斌，熊邦書，陳垚鋒，程起有

(1. 中國直升機(jī)設(shè)計研究所 直升機(jī)旋翼動力學(xué)重點實驗室，江西 333001;2. 南昌航空大學(xué) 江西省圖像處理與模式識別重點實驗室，南昌 330063)

0 引言

槳葉運(yùn)動參數(shù)測量[1]為研究直升機(jī)旋翼的動力學(xué)特性提供了重要支持。目前，利用立體視覺方法[2]進(jìn)行槳葉運(yùn)動參數(shù)測量仍是主流。該方法需要將圓形標(biāo)記粘貼于被測槳葉的表面，運(yùn)用立體視覺技術(shù)[3]獲得圓形標(biāo)記點的圓心三維坐標(biāo)[4]，進(jìn)而解算槳葉運(yùn)動參數(shù)。但是，在風(fēng)洞環(huán)境下拍攝的槳葉標(biāo)記點圖像具有低曝光、小目標(biāo)的特點，易出現(xiàn)圓形標(biāo)記點漏檢測的問題。槳葉標(biāo)記點漏檢測后，槳葉運(yùn)動參數(shù)將無法計算。因此，研究槳葉圖像中圓檢測方法對槳葉運(yùn)動參數(shù)測量具有重要意義。

Hough變換(Hough Transform, HT)[5]是常用的圓檢測算法，其主要優(yōu)點為抗噪性能好、能檢測遮掩和重疊等情況下的圓形標(biāo)記點，但此類方法存在計算量大、占用內(nèi)存多和檢測速度慢的問題。 為了提高此類方法的效率，許多學(xué)者提出了改進(jìn)Hough變換方法，如隨機(jī)HT(Randomized Hough Transform, RHT)[6]和有序HT(Sequenced Hough Transform, SHT)[7]等。這些方法一定程度上克服了HT算法的缺點，但仍存在速度偏慢的問題。Akinlar等[8]先利用邊緣直線擬合法(EDPF)擬合圖像中連通域邊緣輪廓，再利用邊界線段特性定位圓[9]。該方法在圓形標(biāo)記點清晰完整的情況下具有實時性和魯棒性強(qiáng)的特點，但對具有低曝光、小目標(biāo)的槳葉圓形標(biāo)記點圖像存在漏檢測的現(xiàn)象。

針對目前直升機(jī)槳葉圖像中圓形標(biāo)記點漏檢測和識別難的問題，并結(jié)合槳葉圓形標(biāo)記點排布規(guī)律，提出了一種快速檢測算法。該算法檢測快、魯棒性好、能在復(fù)雜場景中準(zhǔn)確檢測和識別槳葉上的圓形標(biāo)記點，已用于直升機(jī)高速旋轉(zhuǎn)槳葉運(yùn)動軌跡和形變的高精度視覺測量。

1 槳葉標(biāo)記點排布

槳葉標(biāo)記點的排布需要考慮測量要求和視覺檢測效果。為了準(zhǔn)確獲得旋轉(zhuǎn)槳葉的扭轉(zhuǎn)數(shù)據(jù)，在作為槳葉剖面氣動中心和扭轉(zhuǎn)中心的1/4弦線上均勻粘貼圓形標(biāo)記點，同時在3/4弦線位置相應(yīng)粘貼了圓形標(biāo)記點。其中1/4弦線上有一前置圓，用于區(qū)分槳葉不同弦線，槳葉標(biāo)記點排布如圖1所示。槳葉表面噴涂黑色啞光油漆，圓形標(biāo)記為銀白色高亮反光膠帶制作，以增強(qiáng)對比度，便于識別。圓形標(biāo)記點直徑44 mm，2行17列，圓心行間距70 mm，圓形列間距90 mm。

圖1 槳葉圓形標(biāo)記點示意圖

2 槳葉標(biāo)記點檢測

槳葉標(biāo)記點檢測步驟包括：單像素邊緣提取[10]、圓檢測、陣列結(jié)構(gòu)識別。

2.1 單像素邊緣提取

為了解決梯度較小導(dǎo)致標(biāo)記圓輪廓提取過少進(jìn)而漏檢的問題，本文采用CLAHE方法[11]對低曝光圖像進(jìn)行增強(qiáng)預(yù)處理，采用中值濾波對增強(qiáng)圖像進(jìn)行噪聲抑制。然后運(yùn)用Sobel算子得到梯度圖像，再以梯度圖中的極大值作為單像素邊緣起點，基于八鄰域和梯度方向進(jìn)行搜索，完成單像素邊緣提取。八鄰域和梯度方向如圖2所示，具體步驟如下：

圖2 梯度方向和像素邊緣提取示例

(1)在梯度圖中任選一個極大值像素點作為起始點；

(2)根據(jù)當(dāng)前像素點的梯度方向圖確定搜索方向，若該像素點的梯度方向為水平方向，則在左右方向進(jìn)行搜索；若該像素點的梯度方向為垂直方向，則在上下方向進(jìn)行搜索；

(3)在確定的搜索方向上找到最大梯度值的像素點，并將該像素點作為邊緣點和下一次搜索起點；

(4)重復(fù)(2)(3)步驟，當(dāng)搜索點梯度值為0或到達(dá)搜索起始點時停止搜索，并將搜索的邊緣像素坐標(biāo)進(jìn)行記錄。

2.2 圓檢測

圓形標(biāo)記經(jīng)過槳葉形變和投影成像，在圖像中表現(xiàn)為類圓目標(biāo)。因此，將單像素邊緣提取得到的閉合輪廓檢測采用圓度[12-13]和慣性度進(jìn)行篩選，具體步驟如下。

(1)假設(shè)單像素邊緣提取中有一閉合輪廓S，則該輪廓的質(zhì)心坐標(biāo)為：

(1)

其中,xi和yi分別為單像素邊緣坐標(biāo)值。

(2)根據(jù)質(zhì)心坐標(biāo)(xu,yu)，計算輪廓S的(0,0)、(0,2)和(2,0)階中心矩，即u0,0(S)、u2,0(S)和u0,2(S)，其數(shù)學(xué)表達(dá)式如式(2)所示:

up,q(S)=?S(x-ux(S))p(x-uy(S))qdxdy

(2)

(3)根據(jù)上述步驟得到的各階中心矩，計算該輪廓的圓度和慣性度。圓度為：

(3)

慣性度為：

(4)

(4)對于輪廓S，當(dāng)圓度越和慣性度趨近1，則輪廓越趨近于圓。但槳葉在旋轉(zhuǎn)運(yùn)動中存在一定的形變，圓形標(biāo)記點也跟隨存在一定的變形。通過多次實驗得到，將圓度篩選范圍設(shè)為0.95～1，慣性度篩選范圍設(shè)為0.80～1，對槳葉上圓形標(biāo)記點篩選效果較佳。

2.3 陣列結(jié)構(gòu)識別

上述步驟排除了干擾輪廓，并檢測出圖像中的圓，但無法識別出圓是否屬于槳葉標(biāo)記點。因此，根據(jù)先驗信息采用陣列結(jié)構(gòu)識別方式區(qū)分槳葉上的圓和背景中的圓。具體步驟如下：

(1)計算所有圓輪廓的中心坐標(biāo)；

(2)計算某中心坐標(biāo)p與其他圓心坐標(biāo)pi的距離di，選擇距離最近的3個中心坐標(biāo)；

(3)在3個最近鄰中心坐標(biāo)中任選一個，設(shè)其與p的距離為d，計算其與p的像素偏移Δx和Δy，根據(jù)相鄰陣列標(biāo)記圓之間圓心距相等且在行列直線上的約束，以(xp-Δx,yp-Δy)，在半徑為λ*d的范圍內(nèi)查找圓輪廓的中心，對其他最近類圓中心均進(jìn)行配對搜索；

(4)在直線配對成功的標(biāo)記點中任選一個標(biāo)記點Pi和未直線配對的Pj，它們距p的距離分別為di和dj，Pi和Pj之間的距離為ΔD。根據(jù)余弦定理計算兩Pi和Pj的夾角，如果滿足|θ-0.5*π|≤ξ，其中ξ為可容忍的角度偏差，則類圓中心的三個最近鄰滿足垂直關(guān)系，且直線配對的方向為行方向，并記錄當(dāng)前陣列內(nèi)圓的與三個最近鄰中三個方向標(biāo)記點的像素偏移Δxk、Δyk，k=1,2,3。若不滿足條件，則返回步驟(3)重新檢測直線模式；

(5)根據(jù)(4)中的像素偏移Δxk、Δyk，在行和列方向查找圓輪廓中心。若找到圓輪廓中心數(shù)與先驗信息相符合，則完成陣列模式檢測。若不滿足條件，則返回步驟(3)重新檢測直線模式；

(6) 以行方向兩端位置的標(biāo)記點為起點，根據(jù)像素偏移Δx3、Δy3以及距離約束，向外擴(kuò)展查找首行前置標(biāo)記圓，再根據(jù)圓中心逐個偏移，完成所有標(biāo)記圓的檢測和識別，并依次記錄所有圓形標(biāo)記點圓心像素坐標(biāo)。

3 實驗結(jié)果與分析

實驗圖像是在風(fēng)洞環(huán)境下采集的真實運(yùn)動槳葉圖像。所用相機(jī)為FASTCAM MiniWX 100 type 80K-M-8GB，相機(jī)曝光時間為50 μs，槳葉旋轉(zhuǎn)速度為750 rpm。利用Visual Studio 2013實現(xiàn)了本文圓形標(biāo)記點檢測方法，在CPU為Intel(R) Core(TM) i7-9750H 12核，顯卡為GT1660Ti，主頻為2.7 GHz、16 G RAM、Win10系統(tǒng)上進(jìn)行實驗。

3.1 檢測效果對比

為了驗證檢測效果，在4次真實旋翼槳葉形變測量采集的2.6萬張圖像中，隨機(jī)抽取了500張槳葉圖像進(jìn)行處理，其中采集的圖像分辨率包括2048×1024 pixel、2048×2048 pixel和2048×1080 pixel。為了能夠清晰展示本文算法檢測效果，對兩組不同的槳葉圖像檢測結(jié)果進(jìn)行展示，展示圖像為初始分辨率下檢測完成后裁剪放大的槳葉部分。原始槳葉圖像如圖3(a)和圖4(a)所示，并進(jìn)行了圖像光照增強(qiáng)。圖3和圖4中(b)～(d)為本文方法各部分處理結(jié)果圖。從圖3(d)和圖4(d)可以看出，本文方法檢測的槳葉中圓形標(biāo)記點輪廓視覺效果較好，且能完整的識別出槳葉圓形標(biāo)記點的陣列結(jié)構(gòu)。

圖3 算法處理過程

圖4 其他陣列結(jié)構(gòu)標(biāo)記點處理過程

3.2 檢測效率對比

為了量化本文方法的檢測效率，以上述500張圖像為對象，統(tǒng)計EDPF方法、Hough方法、Canny方法和OSTU方法圓檢測一張圖像的平均時間，如表1所示。由表1中結(jié)果可以看出，本文方法檢測速率與EDPF方法、Canny方法和RHT方法速率相當(dāng)，比Hough方法和OSTU方法檢測更快。

表1 各方法耗時統(tǒng)計表

3.3 檢測率對比

為了進(jìn)一步量化本文方法的檢測性能，對于抽取的500張槳葉圖像，采用統(tǒng)計的方法計算本文方法及另外4種方法的漏檢率，統(tǒng)計結(jié)果如表2所示。從表2中可以看出，本文方法對于圓形標(biāo)記點在準(zhǔn)確檢測率上具有較好的性能，且較其他方法具有一定的領(lǐng)先優(yōu)勢。

表2 各方法漏檢率及誤檢率統(tǒng)計表

3.4 檢測精度對比

為了定量的驗證本文方法對圓形標(biāo)記點的檢測精度，本節(jié)同樣使用上文中500張槳葉圖像為樣本，對各個方法檢測的槳葉圖像中的圓形標(biāo)記點直徑進(jìn)行統(tǒng)計，如表3所示。實際測量的圓形標(biāo)記點直徑為44 mm，依據(jù)本文方法計算出的圓形標(biāo)記點平均直徑44.492 mm，最大誤差為0.570 mm，比Hough方法、RHT方法、Canny方法和OTSU方法都更接近實際測量圓形標(biāo)記點直徑。

表3 各方法漏檢率及誤檢率統(tǒng)計表

4 結(jié)語

本文提出的直升機(jī)槳葉圖像中圓形標(biāo)記點的識別方法，可以準(zhǔn)確地識別高速旋轉(zhuǎn)槳葉圖像中的多個標(biāo)記，對圖像中存在低曝光、小目標(biāo)、類圓干擾的復(fù)雜情況檢測效果較好。該方法采用圖像對比度增強(qiáng)的方法增大了圖像對比度，提高了圓形標(biāo)記識別率。采用陣列結(jié)構(gòu)先驗排除了背景干擾，識別出槳葉圓形標(biāo)記點。通過實驗表明，所提方法解決了高速旋轉(zhuǎn)槳葉圖像中多標(biāo)記的檢測識別問題，驗證了本文方法的有效性。