基于机器视觉的自动报靶系统应用研究

论文摘要

本论文目的是根据部队实弹射击训练的立项需要,研究一套基于机器视觉(图像处理)技术的自动报靶系统。本系统主要目标是实现计算机自动报靶,减少传统射击训练中效率低、安全性差等不利因素的影响,保证训练安全,降低保障难度,提高训练效益。因此自动报靶系统的研制,对于军队的现代化建设具有重要意义。在实弹射击的过程中,利用摄像机不间断地对靶面进行观测,根据采集目标靶图像帧的特点和变化,利用计算机图像几何配准技术,进行畸形校正,再将当前帧与前一帧对比,从而检测出靶面图像中新的弹着点,然后通过弹着点在靶面图中的位置来对着弹点区域进行编码。在观测过程中,采用图像灰度配准、增强技术来解决由于光照变化、大风等干扰因素对识别精度的影响,从而提高性能与精度。在计算机对数字图像进行处理之前,要进行图像采集,图像采集功能将模拟连续图像变换为数字离散图像。得到数字图像后,需对目标靶数字图像进行预处理,从而改善图像质量,为图像识别做准备。本系统用到的预处理技术包括:图像灰度化、直方图均衡化、图像二值化,中值滤波和数学形态学滤波等。经过预处理后的图像,再进行图像配准与识别,从目标靶图像中找出弹着点,最后计算出弹着区域。在此过程中采用多分辨率配准算法,解决图像变形较大时系统识别率低的问题。当系统程序完成后进行调试、试验。调试中,首先对图像处理的各种算法分别调试,取得各算法参数,再进行综合调试,微调各种算法参数,考查系统的实时性;其次对程序的各功能模块进行调试。试验表明,各种算法高效、处理效果好,程序模块可靠性高。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 研究背景
• 1.2 自动报靶的国内研究状况
• 1.2.1 双层电极短路采样系统
• 1.2.2 光电传感式自动报靶系统
• 1.2.3 声电定位自动报靶系统
• 1.2.4 光纤编码定位靶
• 1.3 基于机器视觉的报靶系统
• 1.3.1 机器视觉的概念
• 1.3.2 机器视觉的组成部分
• 1.3.3 机器视觉中的图像处理部分
• 1.4 本文研究的主要内容
• 1.5 本文结构
• 第二章 基于机器视觉的自动报靶系统
• 2.1 立项背景
• 2.1.1 坦克部队传统的实弹射击报靶方式
• 2.1.2 尝试解决对运动目标靶的自动报靶问题
• 2.2 系统方案
• 2.3 整个系统的工作流程
• 2.4 系统的判靶流程
• 2.5 操作流程
• 2.6 训练科目及训练内容设置
• 2.6.1 本系统常用的几种靶形
• 2.6.2 训练内容与训练科目设置
• 2.7 弹着点的多级九区编码
• 2.8 基本需求
• 2.8.1 项目实施环境
• 2.8.2 对硬件设备的要求
• 2.8.3 使用要求
• 2.8.4 技术指标
• 2.9 主要配置
• 2.9.1 硬件设计
• 2.9.2 软件设计
• 本章小结
• 第三章 图像预处理
• 3.1 图像采集
• 3.1.1 BMP 位图的概念和结构
• 3.1.2 DS-4000视频采集卡简介
• 3.2 图像预处理
• 3.2.1 图像灰度化
• 3.2.2 直方图均衡化
• 3.2.3 灰度图像的二值化
• 3.2.4 中值滤波
• 3.2.5 数学形态学滤波
• 本章小结
• 第四章 图像配准、判靶及区域判定
• 4.1 目标靶图像畸变及校正
• 4.2 多分辨率配准
• 4.2.1 图像之间在空间上的映射关系
• 4.2.2 图像配准分类
• 4.2.3 特征点检测
• 4.2.4 粗估计
• 4.2.5 细估计
• 4.3 弹着点检测
• 4.4 弹着点区域判读
• 本章小结
• 第五章 系统的试验过程及结果
• 5.1 算法的实现与试验
• 5.2 程序模块编写
• 结论
• 1. 总结
• 2. 展望
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢