傳統(tǒng)的跳角測量方法,由于人工誤差和實用性較弱,大部分有測量效率低、誤差大、實用性小、測量范圍窄等缺點。針對這些問題,提出一種基于圖像處理的炮彈跳角測量方法。使用相機在炮筒中采集炮口圖像,通過改進(jìn)圓擬合算法檢測炮口圖像的中心位置;在雙目攝像機的標(biāo)定下得出炮彈射擊目標(biāo)點的位置,將炮口圖像中心位置瞄準(zhǔn)火炮射擊目標(biāo)后實彈射擊;在數(shù)據(jù)處理中,計算得出炮彈初速度矢量的方向,結(jié)合炮口圖像中心位置的瞄準(zhǔn)方向,計算出火炮跳角的大小。實驗結(jié)果表明,改進(jìn)算法提高系統(tǒng)抗干擾能力的同時還提高炮口圖像中心定位的精確度。擬合結(jié)果顯示,改進(jìn)的算法得到的炮口中心與理想中心之間的誤差小于0.20個像素,具有較高的精度。 

【文章來源】：計算機應(yīng)用與軟件. 2020,37(04)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

基于圖像處理的炮彈跳角測量示意圖

圖2為基于圖像處理的炮彈跳角計算流程。炮彈發(fā)射前身管軸線與炮彈發(fā)射后初速度矢量之間的夾角稱為跳角,而炮彈發(fā)射前炮口身管軸線主要取決于炮口中心位置和射擊目標(biāo)的校準(zhǔn),因此高效精準(zhǔn)的炮口中心定位算法十分重要。

改進(jìn)算法的基本流程圖如圖4所示。本文使用DALSA公司1M60相機采集炮口圖像,將CCD測量相機裝置放入火炮炮筒中,該CCD相機圖像傳感器的中心點與火炮瞄準(zhǔn)光軸對齊。采集到的炮口圖像的大小為1 024×1 024像素,在實驗中,采集10組炮口圖像,用傳統(tǒng)的最小二乘圓擬合算法、霍夫算法[13-14]和本文改進(jìn)的算法對炮口圖像中心進(jìn)行定位處理后,處理結(jié)果如表1所示。理想的炮口圖像中心像素坐標(biāo)為(511.00,511.00),霍夫算法的中心坐標(biāo)為(511.884,511.768),最小二乘算法得到的中心位置坐標(biāo)為(511.499,510.515),本文算法的中心坐標(biāo)為(511.116,511.138)。三組中心位置和實際理論坐標(biāo)的誤差散點圖如圖5所示,可以看出,最小二乘圓擬合算法的中心測量精度高于霍夫算法,但本文算法與最小二乘法圓擬合算法相比,穩(wěn)定性好,精度高,算法誤差在0.20個像素以內(nèi),具有較高的精度。

【參考文獻(xiàn)】：
期刊論文
[1]火炮后效期對具有跳角彈丸的影響[J]. 涂炯燦,薛百文,昝博勛.  兵器裝備工程學(xué)報. 2019(02)
[2]基于隨機Hough變換改進(jìn)的快速圓檢測算法[J]. 朱正偉,宋文浩,焦竹青,郭曉.  計算機工程與設(shè)計. 2018(07)
[3]基于激光光斑中心檢測的改進(jìn)算法[J]. 秦運柏,徐汶菊,朱君.  實驗技術(shù)與管理. 2018(05)
[4]基于Hough變換與最小二乘擬合的香煙小包拉線錯牙檢測方法[J]. 鄭云富,趙越,錢斌,張桂蓮,張漢平.  計算技術(shù)與自動化. 2017(01)
[5]遠(yuǎn)距離激光光斑定位中的光暈抖動抑制算法[J]. 鄧凱鵬,陶衛(wèi),趙輝,金毅.  中國測試. 2017(01)
[6]基于改進(jìn)圓擬合算法的激光光斑中心檢測[J]. 吳澤楷,李恭強,王文濤,楊雪,唐曉軍,姜東升.  激光與紅外. 2016(03)
[7]火炮跳角測量方法綜述[J]. 王寶元,高小科,李寶輝,杜文斌,李世立,王普毅.  測試技術(shù)學(xué)報. 2013(04)
[8]基于圓擬合的非完整圓激光光斑中心檢測算法[J]. 王拯洲,許瑞華,胡炳樑.  激光與紅外. 2013(06)
[9]直瞄武器綜合修正量測試技術(shù)[J]. 王欽釗,白帆,李小龍,榮明.  火力與指揮控制. 2008(S2)
[10]線陣CCD立靶在低伸彈道測量中的應(yīng)用[J]. 左丹.  無線電工程. 1993(05)



本文編號：3425993