光測設備自適應跟蹤目標策略研究*

李 霽 陳 瀟

（92941部隊44分隊 葫蘆島 125000）

1 引言

光測設備是航空航天領域測試測量與檢驗考核中常用的設備，擔負著對高速目標高精度的測量與實況圖像記錄等任務[1]。在其跟蹤目標的過程中會得到多種信息數據流，如何快速有效的利用這些信息源數據對高速運動目標狀態進行預判估計并引導設備穩定跟蹤是目前難以破解的重點問題[2]。

傳統的跟蹤模式中單桿跟蹤、理論彈道跟蹤、外引導數據跟蹤、自動跟蹤等只能通過單獨切換按鈕用于目標捕獲跟蹤，主要靠操作手使用經驗來辨別，雖然自主性很強，但實際任務中難以做出準確有效的判斷和快速反應。因此，為提高目標檢測與跟蹤能力，很多學者進行了多傳感器數據融合方面的研究，并提出許多成熟且高效的融合方法，如統計推斷、信息論、決策論、人工智能、神經網絡、信號處理與理論估計等[3]。

目前雖然多傳感器數據融合技術應用很廣，但存在兩個方面的問題：一是多傳感器數據融合集中于圖像源融合方面研究，缺少先驗信息和其他數據的參與；二是該技術集中體現在提高目標定位精度方面，在提高跟蹤穩定性方面的研究較少。因此，在研究總結跟蹤特點的基礎上，提出了自適應性跟蹤策略[4]。主要突出在自適應檢測方法、場景理解及推斷、多圖像源融合決策、多源光測信息融合跟蹤等方面研究[5]。

2 自適應跟蹤目標策略

2.1 自適應檢測方法

目標檢測是在自主跟蹤中前期過程，其目的是從區域圖像中檢測出疑似目標。一般而言，受到目標觀測距離、觀測角度、觀測環境、目標特性變化等因素影響，任務中光測設備對目標的成像會實時發生變化[6]。為了實現高檢測率目標檢測效果，根據目標成像特性點及場景的變化，可有針對性自動地選用相適應的目標檢測方法和參數[7]。

本方法實施過程中，著力突出場景針對性、效果良好的目標檢測方法，并構建目標檢測策略庫及場景-目標檢測映射表。任務實施中依據場景推斷結果以及場景-目標檢測映射表的映射關系，從檢測庫中自動選擇合適檢測方法及參數，避免以往依賴操作人員判決實時手動選擇目標的不便性。

2.2 場景理解及推斷

場景理解及推斷是實現目標自適應檢測的重要前提環節。一是先驗信息推斷。先驗信息主要由實時采集和事前參數裝訂形式獲得，輸入的先驗知識內容包括：T0時刻、主機指向角度、目標距離、焦距、傳感器信息、實時彈道信息和控制命令等。根據以上參數信息可以得到下列推斷結論：任務階段、目標運動方向矢量、圖像內目標尺寸比例及跟蹤處理區域等，其邏輯關系如圖1所示。

圖1 先驗信息推斷邏輯關系圖

二是運動場景推斷。根據先驗知識的部分內容，可預知目標和背景運動方式，一般劃分為三種模式：背景靜止-目標靜止、背景靜止-目標運動和背景運動-目標運動。每一種模式需要不同的分析方式和算法。例如發射前等待階段屬于背景靜止-目標靜止模式，采用灰度統計及指定區域模板加載的方式處理。發射捕獲階段屬于背景靜止-目標運動模式，處理過程包括背景抑制、運動目標檢測、目標運動特性估計等；背景和目標都運動是其余階段，處理過程包括目標穩定跟蹤及丟失再捕獲處理等。

而且還要針對性的建立背景參考模型。背景模型建立首先統計圖像的灰度與梯度加權直方圖，建立灰度和梯度特征空間，將這兩個統計值作為圖像復雜度的描述因子。給定一個目標矩形區域R，該區域所包含像素的亮度為I（R），該區域圖像的邊緣通過估計從x和y的梯度 ?I/?x、?I/?y里來獲取。則圖像中位于（i，j）的像素的邊緣強度m和方向θ可以估計為

其次根據背景復雜度描述，將背景劃分為單一背景和復雜背景。例如對于復雜的云雜波背景，可進行灰度閾值切割，選取高亮區域作為目標區域。由于背景模型采用切割區域計算，大大減少了計算量，不但保證了運算速度，而且可作為后續采取的背景抑制及目標檢測的依據。

三是目標特性推斷。跟蹤過程中通常目標的特征量并不會發生突變，在導彈運動全過程，可以用部分特征量對目標進行描述，建立目標模型，以區分目標特征變化的不同階段，常用的特征量有目標面積、長寬比、輪廓等，利用這些信息作為目標模型因子，結合軌跡預測，不但可以作為目標階段依據，還可以對導彈目標狀態實時判決，能夠有效的發現目標形變、遮擋及分離等環節。目標的特征信息還能夠在跟蹤過程中通過選取體跟蹤算法不斷更新。目標特性建模邏輯如圖2所示。

圖2 目標特性建模邏輯關系

2.3 多圖像源融合決策

多個圖像探測器對相同目標進行觀測，將產生多路圖像源目標。如果將多路圖像源的目標檢測結果進一步融合識別處理，特別是對于目標-背景對比度低的情形，可以極大地提升目標識別準確率，本方法將對各路圖像源的目標檢測結果進行融合識別處理，其融合識別過程分為：疑似目標區域二次檢測和檢測結果融合。

多圖像源融合時，各路圖像的疑似目標檢測位置有可能不一致，這時需要進行二次檢測，即將不一致的位置互相映射后重新再次對映射區域檢測。例如設備上的可見光傳感器與紅外等傳感器基本采用共軸設計，傳感器到目標物的距離相對于目標大小來說接近于無窮遠，此時可認為目標到兩個傳感器之間的距離相等，假定軸系誤差為零。雖然鏡頭焦距等參數不同會產生圖像位置差異，但通過圖像間的平移、旋轉和比例縮放可調整其具有一致性。從而可確定圖像變換空間模型，用于描述像機和物體的位置三維空間坐標系(XW，YW，ZW），相機坐標系（XC,YC,ZC）和像素坐標系（u，v）[9]。其關系如圖3所示。

圖3 設備傳感器與目標坐標系關系圖

空間點M和它在成像面上的投影m之間的矩陣關系如式（2）所示，式中包含了焦距f，設備傳感器間軸系差為δ，像元物理尺寸（dx，dy），圖像物理坐標系原點在像素坐標系中的坐標（u0，v0）及對應兩個傳感器像面上的像元坐標（u1，v1）和（u2，v2）關系如式（3）所示[10]。

其坐標轉換模型經過算法仿真驗證，輸出結果誤差小于3個像素（紅外映射可見光），運算時間短小于2μs，在誤差允許范圍內，可以快速的在對應圖像內找到相應的位置匹配點對。在此基礎上，每路圖像源分別完成各自的捕獲或跟蹤算法，得到目標位置、置信度和信息，然后根據映射位置進行交互，相互獲得參考目標信息值，完成目標關聯跟蹤。位置映射關系圖如圖4所示。此方法不但保證了該方法算法復雜度，同時還滿足實時性要求。

圖4 位置映射關系圖

2.4 多源信息融合跟蹤

多源光測信息指的是目標運動軌跡的測量數據和各種先驗數據，具體有圖像源目標脫靶量、編碼器位置、目標外引導數據、理論彈道數據、人工單桿干預數據等。多源信息融合跟蹤就是依據場景理解及推斷結果，對多源圖像信息有效地融合處理，輸出設備坐標系下目標運動狀態（位置、速度等）的準確估計值，其跟蹤過程如圖5所示。

圖5 多源信息融合跟蹤過程

3 自適應跟蹤及誤差分析

自適應性跟蹤屬于上層控制系統，綜合運用主控信息、各圖像源處理器信息、伺服控制信息、理論彈道等，自適應性融合計算機負責各分系統之間的通訊交互，并對目標的位置與速度進行估計，回傳遞給伺服控制器；而伺服控制器讀取融合計算機輸入與編碼器反饋信息，控制讀取桌面按鍵與單桿數據，構成跟蹤架閉環控制系統，通過功率級驅動伺服電機控制光測設備跟蹤架完成對目標的穩定跟蹤[11]。

這種融合計算具有多種工作模式，既可利用單一信息源進行目標跟蹤，也可同時利用多路信息進行融合跟蹤。但不論工作在何種模式下，融合計算的處理過程都要由時間對齊、數據關聯、狀態估計以及狀態預測等環節組成。所以靶場自適應性跟蹤是一個復雜的跟蹤過程，其跟蹤誤差主要由多圖像源目標融合，外引導數據處理，理論彈道數據處理等，各自得到目標運動狀態估計值和估計誤差。數據合成時，采用方差加權方法綜合，即：式中為狀態加權系數，其值由狀態估計誤差確定[12]。

4 仿真及跟蹤估計誤差

為了分析目標運動狀態估計誤差，首先必須得到可用來進行對比分析的目標運動軌跡真值數據[13]。但實際數據公開使用，因此可以通過仿真手段模擬一組目標運動軌跡數據。一般在實際測量中，要求光測設備跟蹤目標保精度的角度動態范圍（角速度（0.02～20）°/s、角加速度（0～7）°/s2），將期望的極限角速度與角加速度作為系統輸入，以正弦曲線模擬目標運動軌跡作為仿真理論軌跡，由于經緯儀方位、俯仰對于目標運動起到等效作用[14]。因此設方位運動Y=57°sin（0.35t）正弦曲線等效為目標運動仿真理論軌跡，如圖6所示。

圖6 目標運動仿真理論軌跡

然后分別通過兩種情況的仿真實驗驗證自適應性跟蹤優勢。第一種情況為光測設備僅單獨利用外引導數據進行捕獲跟蹤目標，根據實際工程經驗，由編碼器和功率級等的帶來的噪聲均方誤差為2.5“；由于外引導數據為雷達或遙測設備提供，其跟蹤數據頻率僅為光測設備的二分之一到四分之一，需要插值實現平滑跟蹤，且經過坐標變換后很難實現中心位置跟蹤，所以噪聲誤差較大，但隨機誤差經濾波平滑后數值會很小。且疊加均方根σ＝3"的白噪聲作為目標測量值經過目標狀態估計和伺服閉環控制環節處理。輸出結果和目標運動仿真理論軌跡之間的誤差形成跟蹤估計誤差曲線如圖7所示，得到最大跟蹤估計誤差為166"，隨機誤差均方根9.1"。

圖7 單一模式跟蹤估計誤差曲線

同理如光測設備單獨使用圖像自動跟蹤進行捕獲目標，則單獨使用可見光最大跟蹤估計誤差為7.28"，隨機誤差均方根21.3"。單獨使用中波紅外最大跟蹤估計誤差為26"，隨機誤差均方根29.1"。

第二種情況采用自適應性跟蹤策略，優選多圖像源目標融合與外引導數據融合跟蹤，其狀態加權系數為4∶1，根據實際工程經驗，設加入100Hz的可見信號以及100Hz的中波信號參與到多路信息融合方式的圖像目標脫靶量中，經過多圖像源目標融合后跟蹤估計誤差小于兩個像元，約為15"，由編碼器和功率級等的帶來的噪聲均方誤差為2.5"，在角度反饋與期望角度輸入環節都引入白噪聲單元以模擬測量噪聲。則輸出結果和目標運動仿真理論軌跡之間的誤差形成跟蹤估計誤差曲線如圖8所示，仿真后的最大跟蹤估計誤差83"，跟蹤隨機誤差均方根18.6"。

圖8 自適應策略跟蹤估計誤差曲線

根據光測設備在保精度工作時，其方位、高低角跟蹤的系統誤差最大值 ≤3′，隨機誤差均方根值 ≤30"的要求。可以看出在模擬較為極端的目標運動特性與外界環境條件下，第一種情況采用單一目標跟蹤方法，其最大跟蹤誤差和隨機誤差均方根均在要求指標邊緣；而第二種情況采用自適應性跟蹤策略，其最大跟蹤誤差和隨機誤差均方根均在指標要求范圍內，提高了整個系統的跟蹤精度[15]。

5 結語

本文通過自適應檢測方法，依據場景理解及推斷結果，結合多圖像源融合決策，對光測設備多源信息進行有效的融合處理，獲得相互參考目標信息值，完成靶場目標穩定跟蹤。自適應性跟蹤策略具備多種跟蹤方式融合處理計算，同時可保證實時性要求，從而大幅提高跟蹤的可靠性及穩定性。達到擴展空間覆蓋范圍，增強數據信息的可信度，改進探測的性能，提高空間的分辨率的能力。