CN105894528B - 一种自适应阈值的加油锥套图像处理方法 - Google Patents
一种自适应阈值的加油锥套图像处理方法 Download PDFInfo
- Publication number
- CN105894528B CN105894528B CN201610289466.7A CN201610289466A CN105894528B CN 105894528 B CN105894528 B CN 105894528B CN 201610289466 A CN201610289466 A CN 201610289466A CN 105894528 B CN105894528 B CN 105894528B
- Authority
- CN
- China
- Prior art keywords
- image
- threshold
- threshold value
- target
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 13
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 abstract description 10
- 238000002474 experimental method Methods 0.000 abstract description 4
- 230000006978 adaptation Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003032 molecular docking Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000003711 image thresholding Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种自适应阈值的加油锥套图像处理方法，属于空中加油过程图像处理的技术领域。图像处理方法：利用实验或经验预设图像二值化先验阈值表，依次遍历表中的二值化阈值，使用该阈值检测视频序列图像中的目标，选择首次目标成功检测使用的阈值为环境适用阈值，用以处理视频序列后续的各帧图像；当后续某帧图像目标检测失败时，重新使用先验阈值表中的阈值进行目标检测，以更新环境适用阈值。本发明极大可能地保留了锥套目标的外部特征，提高了锥套目标图像处理的适应性。
Description
技术领域
本发明公开了一种自适应阈值的加油锥套图像处理方法，属于空中加油过程图像处理的技术领域。
背景技术
基于视觉的自主空中加油***，是在受油机上安装摄像头，拍摄前方加油机所携带的加油锥套图像，由机载导航计算机对摄像机传输的图像信号进行处理和解算生成导航参数。飞控***根据导航参数调整受油机的位置和姿态，从而实现受油机插头与加油锥套的对接。
图像检测和识别前通常要对图像进行二值化处理，即阈值分割。图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。常用的阈值分割方法有全局固定阈值和局部自适应阈值，全局固定阈值在实际应用中适应性较差，局部自适应阈值算法的优化集中在阈值选取方法的改进上。高空加油的真实图像处理环境光线条件复杂、亮度变化大，采用某一固定值进行阈值分割，易丢失锥套目标的形状特征，对后续的检测识别效果产生影响。现有的空中加油仍然停留在手动对接的阶段，基于视觉的自主空中加油仍处于理论研究和仿真实验阶段，目前尚未有将自适应阈值用于空中加油锥套图像处理的应用。本申请拟针对空中加油过程图像处理环境的特点，提出一种闭环自适应调整阈值的图像二值化方法。
发明内容
本发明所要解决的技术问题是针对上述背景技术的不足，提供了一种自适应阈值的加油锥套图像处理方法，实现了阈值的闭环自适应调整，解决了固定阈值分割锥套图像易丢失目标形状特征的技术问题。
本发明为实现上述发明目的采用如下技术方案：
一种自适应阈值的加油锥套图像处理方法，包括如下步骤：
A、利用实验或经验预设图像二值化先验阈值表：采集不同光线环境中的锥套图像并根据场景亮度对所采集锥套图像进行编号，采用逐步增大阈值的方法对锥套图像进行二值化处理，对二值化后的图像进行基于圆形特征的图像检测，依照编号记录成功检测到各二值化后图像中内圆时的阈值得到图像二值化先验阈值表；
B、待受油机到达锥套前方会合点处时，开始采集锥套的视频序列；
C、遍历先验阈值表，选择首次目标成功检测使用的阈值为环境适用阈值；
D、以步骤C中的环境适用阈值作为阈值，对视频序列中后续各帧图像进行逐帧处理，检测视频序列图像中的目标：当后续各帧图像中出现检测目标失败的情况时，对首帧检测目标失败的图像执行步骤C以更新环境适用阈值，直至完成视频序列所有图像的目标检测任务。
再进一步的，所述自适应阈值的加油锥套图像处理方法，步骤D中所述对视频序列中后续各帧图像进行逐帧处理，包括对对视频序列中后续各帧图像进行阈值分割、目标检测、受油机位置信息和姿态信息的解算。
再进一步的，所述自适应阈值的加油锥套图像处理方法中，步骤C具体包括如下步骤：
C1、利用先验阈值表中的第i个阈值对视频序列当前帧图像进行阈值分割，
C2、对阈值分割后的图像进行图像检测：
在检测锥套目标成功时，记录第i个阈值，
在检测锥套目标失败时，i的取值加1返回步骤C1，
其中，i为大于0的整数。
本发明采用上述技术方案，具有以下有益效果：
(1)对不同场景下的锥套拍摄图像采用不同阈值，极大可能地保留了锥套目标的外部特征，为后续检测和识别算法提供保障；
(2)采用先验阈值表记录不同光照条件下的阈值，在后期视频序列图像逐帧处理中通过查表即可实现闭环自适应调整，无需手动修改阈值或通过复杂的算法求解阈值，提高了锥套目标图像处理的适应性。
附图说明
图1为本发明的流程图。
图2为采用不同阈值的二值化处理的效果对比图。
图3为遍历先验阈值表寻找环境适用阈值的流程图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明。
自适应阈值的加油锥套图像处理算法如图1所示，具体包括如下步骤。
步骤1：设置先验阈值。
实验时采集不同光线环境中的锥套图像，对这些图像根据场景亮度进行编号，并依次对图像进行处理。图像处理的过程包括：阈值分割和基于圆形特征的图像检测。逐步增大所采用阈值，使得二值化处理后的图像能成功地检测到内圆，记录此时所采用的阈值(如图2所示，采用不同的阈值进行二值化处理，其效果对目标的边缘检测结果影响显著)。将这些阈值依照编号记录成表，该表即为不同场景下锥套目标检测的先验阈值表。也可以根据经验值设置先验阈值表。
步骤2：摄像头采集图像。
当受油机到达锥套前方会合点处，摄像头启动，开始采集锥套的视频序列。
步骤3：寻找环境适用阈值。
对视频序列的当前帧图像进行处理。阈值分割阶段，对先验阈值表中的值依次进行尝试，直至成功检测锥套，记录该阈值为环境适用阈值，具体流程图3所示。
利用先验阈值表中的第i个阈值对视频序列当前帧图像进行阈值分割，并进行图像检测：此帧图像中目标检测成功时，记录第i个阈值为环境适用阈值，检测失败时，i的取值加1继续搜索先验阈值表，i为大于0的整数。
步骤4：以步骤3中记录的值作为二值化处理时的阈值，对视频序列后续各帧进行逐帧处理：包括阈值分割、目标检测和受油机位置和姿态的解算。若视频序列后续帧中有图像经处理后未检测到目标，重复步骤3,即重新查找先验阈值表选取合适阈值，并记录为环境适用阈值以处理后续帧。可见，本申请根据目标检测结果实时调整二值化处理的阈值，实现了阈值的闭环自适应调整。
步骤5：对接任务成功，退出程序。
综上所述，本申请具有以下有益效果：
(1)对不同场景下的锥套拍摄图像采用不同阈值，极大可能地保留了锥套目标的外部特征，为后续检测和识别算法提供保障；
(2)采用先验阈值表记录不同光照条件下的阈值，在后期视频序列图像逐帧处理中通过查表即可实现闭环自适应调整，无需手动修改阈值或通过复杂的算法求解阈值，提高了锥套目标图像处理的适应性。
Claims (3)
1.一种自适应阈值的加油锥套图像处理方法，其特征在于，包括如下步骤：
A、预设图像二值化先验阈值表：采集不同光线环境中的锥套图像并根据场景亮度对所采集锥套图像进行编号，采用逐步增大阈值的方法对锥套图像进行二值化处理，对二值化后的图像进行基于圆形特征的图像检测，依照编号记录成功检测到各二值化后图像中内圆时的阈值得到图像二值化先验阈值表；
B、待受油机到达锥套前方会合点处时，开始采集锥套的视频序列；
C、遍历先验阈值表，选择首次目标成功检测使用的阈值为环境适用阈值；
D、以步骤C中的环境适用阈值作为阈值对视频序列中后续各帧图像进行逐帧处理，检测视频序列图像中的目标：当后续各帧图像中出现检测目标失败的情况时，对首帧检测目标失败的图像执行步骤C以更新环境适用阈值，直至完成视频序列所有图像的目标检测任务。
2.根据权利要求1所述一种自适应阈值的加油锥套图像处理方法，其特征在于，步骤D中所述对视频序列中后续各帧图像进行逐帧处理，包括：对视频序列中后续各帧图像进行阈值分割、目标检测、受油机位置信息和姿态信息的解算。
3.根据权利要求1所述一种自适应阈值的加油锥套图像处理方法，其特征在于，步骤C具体包括如下步骤：
C1、利用先验阈值表中的第i个阈值对视频序列当前帧图像进行阈值分割，
C2、对阈值分割后的图像进行图像检测：
在检测锥套目标成功时，记录第i个阈值，
在检测锥套目标失败时，i的取值加1返回步骤C1，
其中，i为大于0的整数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610289466.7A CN105894528B (zh) | 2016-05-04 | 2016-05-04 | 一种自适应阈值的加油锥套图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610289466.7A CN105894528B (zh) | 2016-05-04 | 2016-05-04 | 一种自适应阈值的加油锥套图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105894528A CN105894528A (zh) | 2016-08-24 |
| CN105894528B true CN105894528B (zh) | 2019-04-05 |
Family
ID=56702078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610289466.7A Active CN105894528B (zh) | 2016-05-04 | 2016-05-04 | 一种自适应阈值的加油锥套图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105894528B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111251336B (zh) * | 2019-06-29 | 2022-01-28 | 浙江大学 | 一种基于视觉定位的双臂协同智能装配*** |
| CN112591117B (zh) * | 2020-12-30 | 2023-10-27 | 航宇救生装备有限公司 | 全速可变阻力特征的加油软管接头稳定伞 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7681839B2 (en) * | 2005-02-25 | 2010-03-23 | Smiths Aerospace Llc | Optical tracking system for refueling |
| CN102136068B (zh) * | 2011-03-31 | 2012-11-21 | 中国科学院半导体研究所 | 基于平均灰度的距离选通图像有效信息区的提取方法 |
| CN102222226B (zh) * | 2011-06-21 | 2013-01-23 | 杭州电子科技大学 | 一种基于先验分析的迭代式车牌字符分割方法 |
| CN103557792B (zh) * | 2013-11-12 | 2015-10-28 | 中国科学院自动化研究所 | 一种空中加油锥套目标的视觉跟踪与位置测量方法 |
-
2016
- 2016-05-04 CN CN201610289466.7A patent/CN105894528B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105894528A (zh) | 2016-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200201360A1 (en) | Systems and methods for automated landing of a drone | |
| CN104361770B (zh) | 用于交通信息采集无人机的精确降落自动控制方法 | |
| CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
| CN106647805B (zh) | 无人机自主飞行的方法、装置以及无人机 | |
| CN104615986B (zh) | 利用多检测器对场景变化的视频图像进行行人检测的方法 | |
| CN110415297B (zh) | 定位方法、装置及无人驾驶设备 | |
| CN102254147A (zh) | 一种基于星图匹配的远距离空间运动目标识别方法 | |
| CN105894528B (zh) | 一种自适应阈值的加油锥套图像处理方法 | |
| CN109584264A (zh) | 一种基于深度学习的无人机视觉引导空中加油方法 | |
| CN114326771A (zh) | 一种基于图像识别的无人机拍摄航线生成方法及*** | |
| CN110688913B (zh) | 一种基于智能设备的障碍物检测方法及装置 | |
| CN104166853B (zh) | 从高分辨率遥感图像中快速提取规则化舰船切片的方法 | |
| CN115393738A (zh) | 一种基于无人机的papi飞行校验方法和*** | |
| CN106052650B (zh) | 一种空中加油锥套空间姿态测量方法及*** | |
| CN116665077A (zh) | 基于ai识别技术的输电线路检测拍摄方法及其*** | |
| KR101040306B1 (ko) | 영상 추적 장치 및 이를 이용한 표적 탐지 방법 | |
| Eaton et al. | Image segmentation for automated taxiing of unmanned aircraft | |
| CN112862862B (zh) | 基于人工智能视觉跟踪的飞机自主受油装置及应用方法 | |
| WO2011073034A1 (fr) | Procede de designation d'une cible pour un armement a guidage terminal par imagerie | |
| CN110826432B (zh) | 一种基于航空图片的输电线识别方法 | |
| Downes | Lunar orbiter state estimation using neural network-based crater detection | |
| Yahya et al. | Robust recognition of targets for underwater docking of autonomous underwater vehicle | |
| CN114119713A (zh) | 一种基于人工智能与无人机遥感的林地空秃检测方法 | |
| Shen et al. | Aircraft target type recognition technology based on deep learning and structure feature matching | |
| CN112116534A (zh) | 一种基于位置信息的鬼影消除方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |