光测设备自适应跟踪目标策略研究*

李 霁 陈 潇

（92941部队44分队 葫芦岛 125000）

1 引言

光测设备是航空航天领域测试测量与检验考核中常用的设备，担负着对高速目标高精度的测量与实况图像记录等任务[1]。在其跟踪目标的过程中会得到多种信息数据流，如何快速有效的利用这些信息源数据对高速运动目标状态进行预判估计并引导设备稳定跟踪是目前难以破解的重点问题[2]。

传统的跟踪模式中单杆跟踪、理论弹道跟踪、外引导数据跟踪、自动跟踪等只能通过单独切换按钮用于目标捕获跟踪，主要靠操作手使用经验来辨别，虽然自主性很强，但实际任务中难以做出准确有效的判断和快速反应。因此，为提高目标检测与跟踪能力，很多学者进行了多传感器数据融合方面的研究，并提出许多成熟且高效的融合方法，如统计推断、信息论、决策论、人工智能、神经网络、信号处理与理论估计等[3]。

目前虽然多传感器数据融合技术应用很广，但存在两个方面的问题：一是多传感器数据融合集中于图像源融合方面研究，缺少先验信息和其他数据的参与；二是该技术集中体现在提高目标定位精度方面，在提高跟踪稳定性方面的研究较少。因此，在研究总结跟踪特点的基础上，提出了自适应性跟踪策略[4]。主要突出在自适应检测方法、场景理解及推断、多图像源融合决策、多源光测信息融合跟踪等方面研究[5]。

2 自适应跟踪目标策略

2.1 自适应检测方法

目标检测是在自主跟踪中前期过程，其目的是从区域图像中检测出疑似目标。一般而言，受到目标观测距离、观测角度、观测环境、目标特性变化等因素影响，任务中光测设备对目标的成像会实时发生变化[6]。为了实现高检测率目标检测效果，根据目标成像特性点及场景的变化，可有针对性自动地选用相适应的目标检测方法和参数[7]。

本方法实施过程中，着力突出场景针对性、效果良好的目标检测方法，并构建目标检测策略库及场景-目标检测映射表。任务实施中依据场景推断结果以及场景-目标检测映射表的映射关系，从检测库中自动选择合适检测方法及参数，避免以往依赖操作人员判决实时手动选择目标的不便性。

2.2 场景理解及推断

场景理解及推断是实现目标自适应检测的重要前提环节。一是先验信息推断。先验信息主要由实时采集和事前参数装订形式获得，输入的先验知识内容包括：T0时刻、主机指向角度、目标距离、焦距、传感器信息、实时弹道信息和控制命令等。根据以上参数信息可以得到下列推断结论：任务阶段、目标运动方向矢量、图像内目标尺寸比例及跟踪处理区域等，其逻辑关系如图1所示。

图1 先验信息推断逻辑关系图

二是运动场景推断。根据先验知识的部分内容，可预知目标和背景运动方式，一般划分为三种模式：背景静止-目标静止、背景静止-目标运动和背景运动-目标运动。每一种模式需要不同的分析方式和算法。例如发射前等待阶段属于背景静止-目标静止模式，采用灰度统计及指定区域模板加载的方式处理。发射捕获阶段属于背景静止-目标运动模式，处理过程包括背景抑制、运动目标检测、目标运动特性估计等；背景和目标都运动是其余阶段，处理过程包括目标稳定跟踪及丢失再捕获处理等。

而且还要针对性的建立背景参考模型。背景模型建立首先统计图像的灰度与梯度加权直方图，建立灰度和梯度特征空间，将这两个统计值作为图像复杂度的描述因子。给定一个目标矩形区域R，该区域所包含像素的亮度为I（R），该区域图像的边缘通过估计从x和y的梯度 ∂I/∂x、∂I/∂y里来获取。则图像中位于（i，j）的像素的边缘强度m和方向θ可以估计为

其次根据背景复杂度描述，将背景划分为单一背景和复杂背景。例如对于复杂的云杂波背景，可进行灰度阈值切割，选取高亮区域作为目标区域。由于背景模型采用切割区域计算，大大减少了计算量，不但保证了运算速度，而且可作为后续采取的背景抑制及目标检测的依据。

三是目标特性推断。跟踪过程中通常目标的特征量并不会发生突变，在导弹运动全过程，可以用部分特征量对目标进行描述，建立目标模型，以区分目标特征变化的不同阶段，常用的特征量有目标面积、长宽比、轮廓等，利用这些信息作为目标模型因子，结合轨迹预测，不但可以作为目标阶段依据，还可以对导弹目标状态实时判决，能够有效的发现目标形变、遮挡及分离等环节。目标的特征信息还能够在跟踪过程中通过选取体跟踪算法不断更新。目标特性建模逻辑如图2所示。

图2 目标特性建模逻辑关系

2.3 多图像源融合决策

多个图像探测器对相同目标进行观测，将产生多路图像源目标。如果将多路图像源的目标检测结果进一步融合识别处理，特别是对于目标-背景对比度低的情形，可以极大地提升目标识别准确率，本方法将对各路图像源的目标检测结果进行融合识别处理，其融合识别过程分为：疑似目标区域二次检测和检测结果融合。

多图像源融合时，各路图像的疑似目标检测位置有可能不一致，这时需要进行二次检测，即将不一致的位置互相映射后重新再次对映射区域检测。例如设备上的可见光传感器与红外等传感器基本采用共轴设计，传感器到目标物的距离相对于目标大小来说接近于无穷远，此时可认为目标到两个传感器之间的距离相等，假定轴系误差为零。虽然镜头焦距等参数不同会产生图像位置差异，但通过图像间的平移、旋转和比例缩放可调整其具有一致性。从而可确定图像变换空间模型，用于描述像机和物体的位置三维空间坐标系(XW，YW，ZW），相机坐标系（XC,YC,ZC）和像素坐标系（u，v）[9]。其关系如图3所示。

图3 设备传感器与目标坐标系关系图

空间点M和它在成像面上的投影m之间的矩阵关系如式（2）所示，式中包含了焦距f，设备传感器间轴系差为δ，像元物理尺寸（dx，dy），图像物理坐标系原点在像素坐标系中的坐标（u0，v0）及对应两个传感器像面上的像元坐标（u1，v1）和（u2，v2）关系如式（3）所示[10]。

其坐标转换模型经过算法仿真验证，输出结果误差小于3个像素（红外映射可见光），运算时间短小于2μs，在误差允许范围内，可以快速的在对应图像内找到相应的位置匹配点对。在此基础上，每路图像源分别完成各自的捕获或跟踪算法，得到目标位置、置信度和信息，然后根据映射位置进行交互，相互获得参考目标信息值，完成目标关联跟踪。位置映射关系图如图4所示。此方法不但保证了该方法算法复杂度，同时还满足实时性要求。

图4 位置映射关系图

2.4 多源信息融合跟踪

多源光测信息指的是目标运动轨迹的测量数据和各种先验数据，具体有图像源目标脱靶量、编码器位置、目标外引导数据、理论弹道数据、人工单杆干预数据等。多源信息融合跟踪就是依据场景理解及推断结果，对多源图像信息有效地融合处理，输出设备坐标系下目标运动状态（位置、速度等）的准确估计值，其跟踪过程如图5所示。

图5 多源信息融合跟踪过程

3 自适应跟踪及误差分析

自适应性跟踪属于上层控制系统，综合运用主控信息、各图像源处理器信息、伺服控制信息、理论弹道等，自适应性融合计算机负责各分系统之间的通讯交互，并对目标的位置与速度进行估计，回传递给伺服控制器；而伺服控制器读取融合计算机输入与编码器反馈信息，控制读取桌面按键与单杆数据，构成跟踪架闭环控制系统，通过功率级驱动伺服电机控制光测设备跟踪架完成对目标的稳定跟踪[11]。

这种融合计算具有多种工作模式，既可利用单一信息源进行目标跟踪，也可同时利用多路信息进行融合跟踪。但不论工作在何种模式下，融合计算的处理过程都要由时间对齐、数据关联、状态估计以及状态预测等环节组成。所以靶场自适应性跟踪是一个复杂的跟踪过程，其跟踪误差主要由多图像源目标融合，外引导数据处理，理论弹道数据处理等，各自得到目标运动状态估计值和估计误差。数据合成时，采用方差加权方法综合，即：式中为状态加权系数，其值由状态估计误差确定[12]。

4 仿真及跟踪估计误差

为了分析目标运动状态估计误差，首先必须得到可用来进行对比分析的目标运动轨迹真值数据[13]。但实际数据公开使用，因此可以通过仿真手段模拟一组目标运动轨迹数据。一般在实际测量中，要求光测设备跟踪目标保精度的角度动态范围（角速度（0.02～20）°/s、角加速度（0～7）°/s2），将期望的极限角速度与角加速度作为系统输入，以正弦曲线模拟目标运动轨迹作为仿真理论轨迹，由于经纬仪方位、俯仰对于目标运动起到等效作用[14]。因此设方位运动Y=57°sin（0.35t）正弦曲线等效为目标运动仿真理论轨迹，如图6所示。

图6 目标运动仿真理论轨迹

然后分别通过两种情况的仿真实验验证自适应性跟踪优势。第一种情况为光测设备仅单独利用外引导数据进行捕获跟踪目标，根据实际工程经验，由编码器和功率级等的带来的噪声均方误差为2.5“；由于外引导数据为雷达或遥测设备提供，其跟踪数据频率仅为光测设备的二分之一到四分之一，需要插值实现平滑跟踪，且经过坐标变换后很难实现中心位置跟踪，所以噪声误差较大，但随机误差经滤波平滑后数值会很小。且叠加均方根σ＝3"的白噪声作为目标测量值经过目标状态估计和伺服闭环控制环节处理。输出结果和目标运动仿真理论轨迹之间的误差形成跟踪估计误差曲线如图7所示，得到最大跟踪估计误差为166"，随机误差均方根9.1"。

图7 单一模式跟踪估计误差曲线

同理如光测设备单独使用图像自动跟踪进行捕获目标，则单独使用可见光最大跟踪估计误差为7.28"，随机误差均方根21.3"。单独使用中波红外最大跟踪估计误差为26"，随机误差均方根29.1"。

第二种情况采用自适应性跟踪策略，优选多图像源目标融合与外引导数据融合跟踪，其状态加权系数为4∶1，根据实际工程经验，设加入100Hz的可见信号以及100Hz的中波信号参与到多路信息融合方式的图像目标脱靶量中，经过多图像源目标融合后跟踪估计误差小于两个像元，约为15"，由编码器和功率级等的带来的噪声均方误差为2.5"，在角度反馈与期望角度输入环节都引入白噪声单元以模拟测量噪声。则输出结果和目标运动仿真理论轨迹之间的误差形成跟踪估计误差曲线如图8所示，仿真后的最大跟踪估计误差83"，跟踪随机误差均方根18.6"。

图8 自适应策略跟踪估计误差曲线

根据光测设备在保精度工作时，其方位、高低角跟踪的系统误差最大值 ≤3′，随机误差均方根值 ≤30"的要求。可以看出在模拟较为极端的目标运动特性与外界环境条件下，第一种情况采用单一目标跟踪方法，其最大跟踪误差和随机误差均方根均在要求指标边缘；而第二种情况采用自适应性跟踪策略，其最大跟踪误差和随机误差均方根均在指标要求范围内，提高了整个系统的跟踪精度[15]。

5 结语

本文通过自适应检测方法，依据场景理解及推断结果，结合多图像源融合决策，对光测设备多源信息进行有效的融合处理，获得相互参考目标信息值，完成靶场目标稳定跟踪。自适应性跟踪策略具备多种跟踪方式融合处理计算，同时可保证实时性要求，从而大幅提高跟踪的可靠性及稳定性。达到扩展空间覆盖范围，增强数据信息的可信度，改进探测的性能，提高空间的分辨率的能力。