AUV 靶標瞄準系統

許 平 楊朋飛 齊向東 阮健康

（太原科技大學，山西 太原 030024）

隨著科技的發展，自動化在各個領域都占有著非常重要的位置，在AUV 靶標瞄準系中，目標準確識別和追蹤是海上目標打擊的關鍵一環。圖像處理技術和微型計算機的不斷發展，為靶標瞄準系統的實時跟蹤提供了更多的可能性，通過樹莓派做圖像采集和數據處理，結合OpenCV 添加霍夫圓檢測和顏色識別算法，以串口通訊的方式反饋給執行機構一個像素差，再通過控制程序對AUV 的俯仰和偏航進行控制，就可以得到一個精準實時的靶標瞄準系統。

1 靶標識別算法

1.1 霍夫圓檢測

在靶標瞄準系統中所使用的靶標為同心圓靶標，所以根據靶標的特征，選用霍夫變換的方法來實現對于靶標的檢測。

霍夫圓檢測通過點在圓上的出現最小個數來判斷圓，認為在圖像上的每一個點都在某個圓上。

在X-Y 坐標系中圓的方程為：

在a-b-r 參數空間中表示為

將X-Y 中圓上每個坐標點進行反算，將其映射至a-b-r 坐標系中，假設圓的半徑r 固定，將θ 在[0，360]內進行推演，所以在圓上的每個坐標點都可以得到一個半徑為r 的圓，所有的圓周都在空間中交于一點，即在霍夫空間中不斷累加，得到信號最大的點，使得該點在霍夫空間中最亮，即為所檢測出圓的圓心點，將其重映射至X-Y 空間中，得到圓心坐標。

由于霍夫圓累計到的是一個三維的空間，故有很大的計算消耗，因而提出霍夫梯度法來對傳統的霍夫變換進行改進。因為所檢測到的圓心一定在圓的每個點的模向量上，即在該點切線的垂線上，其交點即為圓心。通過閾值設定進行判斷，在本文中，實際實驗的測量及對實時性的考慮，設定閾值為50。

霍夫變換對于噪聲非常敏感，所以首先利用高斯濾波的方法來處理?；趯Π袠嗣闇氏到y實時性考量，采用基于圖像梯度實現的霍夫圓檢測，利用canny 邊緣檢測提取目標圖像邊緣輪廓，基于邊緣檢測的結果從候選圓心開始計算最佳半徑大小，本文中，采取半徑大小范圍為20-70。

霍夫圓檢測完成后，輸出圓心像素坐標。

1.2 顏色識別

本文的顏色識別是基于視頻檢測的識別，是將圖像進行一個顏色范圍的過濾，通過掩模和閾值操作，找到紅色激光點所在區域位置，在該區域內進行形態學操作去除干擾，將其輪廓提取出來，做出輪廓的最小外接圓，計算輪廓矩，外接圓圓心坐標即為紅色激光點中心坐標。

首先將圖像從RGB（Red，Green，Blue）空間映射至HSV（hue，saturation，value）空間上。本文中，由于在攝像頭中所顯示的紅光非常弱，并且在紅光的中心非常接近于白色，所以選擇HSV 的閾值范圍為：

2 系統工作原理

樹莓派通過霍夫圓檢測和顏色識別算法標記出靶標的中心點和紅色激光筆的光束點后，通過串口送至stm32，同時樹莓派可以通過SSH 連接上位機，將中心點數據通過wifi 送至上位機，即可通過上位機監控靶標中心點和激光中心點數據，收到兩個中心點的微處理器可以通過內置PID 算法，輸出PWM波形，驅動電機，使瞄準系統中桿的角度發生改變，進而達到使靶標中心點和激光束中心點重合的目的。原理框圖如圖1。

圖1 靶標瞄準系統原理框圖

3 實驗結果

在實驗中，我們選擇了靜態靶標瞄準和動態靶標跟蹤兩個實驗，當AUV 啟動后，遠程啟動樹莓派，攝像頭進行實時捕捉，樹莓派通過串口發送紅點坐標與圓心坐標差，上位機監測數據打印結果，在樹莓派使用過程中，將可視窗口小型化，關閉顯示窗口，極大提高了算法的實時性，保證對于靶標的實時檢測和追蹤，具有較強的應用前景。

實驗環境如圖2 所示。

圖2

移動靶標跟蹤曲線如圖3 所示。

圖3 圓心與紅點像素關系曲線