CN108535681A - 一种透过散射介质的目标4d跟踪***及方法 - Google Patents
一种透过散射介质的目标4d跟踪***及方法 Download PDFInfo
- Publication number
- CN108535681A CN108535681A CN201810110043.3A CN201810110043A CN108535681A CN 108535681 A CN108535681 A CN 108535681A CN 201810110043 A CN201810110043 A CN 201810110043A CN 108535681 A CN108535681 A CN 108535681A
- Authority
- CN
- China
- Prior art keywords
- target
- tracking
- scattering medium
- correlation
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000004364 calculation method Methods 0.000 claims abstract description 81
- 230000003287 optical effect Effects 0.000 claims abstract description 78
- 230000033001 locomotion Effects 0.000 claims abstract description 18
- 230000000875 corresponding effect Effects 0.000 claims description 20
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000000149 penetrating effect Effects 0.000 claims description 5
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 16
- 238000003384 imaging method Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- XLOMVQKBTHCTTD-UHFFFAOYSA-N Zinc monoxide Chemical compound [Zn]=O XLOMVQKBTHCTTD-UHFFFAOYSA-N 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 241000272201 Columbiformes Species 0.000 description 4
- 210000000481 breast Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000013372 meat Nutrition 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 229960001296 zinc oxide Drugs 0.000 description 4
- 239000011787 zinc oxide Substances 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000000149 argon plasma sintering Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000003595 mist Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000234282 Allium Species 0.000 description 1
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 1
- 201000004569 Blindness Diseases 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 241001074037 Virginia Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 210000002615 epidermis Anatomy 0.000 description 1
- 239000005338 frosted glass Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S1/00—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith
- G01S1/70—Beacons or beacon systems transmitting signals having a characteristic or characteristics capable of being detected by non-directional receivers and defining directions, positions, or position lines fixed relatively to the beacon transmitters; Receivers co-operating therewith using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种透过散射介质的目标4D跟踪***及方法。解决了传统目标跟踪方法无法对遮挡物后的目标进行多维度跟踪的技术问题,***包括:LED光源、透镜、目标、散射介质、滤光片和探测器。利用4D跟踪方法,首先,采集多幅散斑图像,对所有散斑图像进行消噪预处理,求出所有消噪散斑图像的自相关计算结果,结合相关系数运算算法,得到目标的旋转角度θ。根据自相关面积和物像关系求得目标沿光轴方向z的运动结果。接着根据自相关和互相关结果,求得目标在x和y方向上的运动结果。本发明的透过散射介质的目标4D跟踪***结构简单,成本低,跟踪方法简单、跟踪精度高、适用范围广,在生物医学成像、军事、民事等领域具有广阔应用前景。
Description
技术领域
本发明属于计算成像及目标跟踪技术领域,涉及一种能够对遮挡物背后的目标进行跟踪的4D光学跟踪技术,具体是一种透过散射介质的目标4D跟踪***及方法,可广泛应用于生物医学成像、天文、交通安全等领域。
背景技术
目标跟踪技术一直是计算机视觉、生物医学、天文以及对地观测等领域的热点研究话题,采用目标跟踪技术可以对图像序列中的目标进行跟踪,比如,在人机交互设计中,需要对人体目标特征进行跟踪识别、在生物医学领域,对生物组织中某个运动细胞进行跟踪处理、在对地观测领域对车辆、飞机等运动目标进行跟踪等等,根据这些实际需求,出现了很多运动目标跟踪方法。
运动目标跟踪方法,即通过目标的有效表达,在图像序列中寻找与目标模板最相似候选目标区位置的过程,即在序列图像中为目标定位。目标跟踪中常用到的目标特性表达主要包括视觉特征图像边缘、轮廓、形状、纹理、区域、统计特征直方图、变换系数特征、傅里叶描绘子、自回归模型、代数特征图像矩阵的奇异值分解等。目前常用的目标跟踪方法可以分为四类:透过主动轮廓的跟踪、透过特征的跟踪、透过区域的跟踪和透过模型的跟踪。
由Kass等人提出的主动轮廓模型,即Snake模型,可以处理任意形状物体的任意形变,首先将分割得到的物体边界作为跟踪的初始模板然后确定表征物体真实边界的目标函数,并通过降低目标函数值,使初始轮廓逐渐向物体的真实边界移动。这种方法不但了考虑来自图像的灰度信息,也考虑整体轮廓的几何信息,增强了跟踪的可靠性。但是由于跟踪过程实际上是解的寻优过程,所以计算量比较大,并且由于Snake模型的盲目性,对于快速运动的物体或者形变较大的情况,跟踪效果不够理想。
透过特征匹配的跟踪方法不考虑运动目标的整体特征,只通过目标图像的一些显著特征来进行跟踪。目标跟踪中常用的运动目标的特征主要包括颜色、纹理、边缘、块特征、光流特征、周长、面积、质心及角点等。特征提取的目的是进行帧间目标特征的匹配,并以最优匹配来跟踪目标。
常见的透过特征匹配的跟踪算法有透过二值化目标图像匹配的跟踪、透过边缘特征匹配或角点特征匹配的跟踪、透过目标灰度特征匹配的跟踪、透过目标颜色特征匹配的跟踪,如Meanshift算法和Camshift等。这种方法对运动目标的尺度、形变和亮度等变化不敏感,即使目标的某一部分被遮挡,只要还有一部分特征可以被看到,就可以完成跟踪任务,但是这种方法对于图像模糊、噪声等比较敏感,图像特征的提取效果也依赖于各种提取算子及其参数的设置,此外,如果目标发生旋转或者被全部遮挡时,这种方法是无法跟踪到目标的。
透过区域的跟踪算法首先要得到包含目标的模板,该模板可通过图像分割获得或预先人为确定,然后在序列图像中,运用相关算法跟踪目标。当目标未被遮挡时,这种方法的跟踪精度非常高。但也存在费时,算法要求目标变形不大,且不能有太大遮挡的缺点。
透过模型的跟踪是通过一定的先验知识对所跟踪目标建立模型,然后通过匹配跟踪目标进行模型的实时更新。这种方法不易受观测视角的影响,具有较强的鲁棒性,模型匹配跟踪精度高,适合于机动目标的各种运动变化,抗干扰能力强,但由于计算分析复杂、运算速度慢,模型的更新较为复杂,实时性较差。
雷达跟踪方法是除了上述透过机器视觉以外的另外一种目标跟踪方法,它能实现对目标的距离、方位和仰角的连续测量和自动跟踪,但是雷达跟踪大多采用机械扫描的方式获取目标信息,跟踪***较为复杂,且其工作波段易被吸收和干扰、跟踪实时性差、信号处理算法复杂。
上述机器视觉中的目标跟踪方法和雷达跟踪方法可以对目标进行跟踪,但是大多存在跟踪精度不高、跟踪***复杂、实时性差、计算复杂、获取的跟踪目标信息不足以及适用范围较窄的问题,并且当遇到较为严重的遮挡时,上述方法均无法实现目标跟踪,或者跟踪维度不高,然而,在生物医学、军用及民用等领域中常要求透过随机介质或利用随机介质表面的散射光进行对运动目标的跟踪,当目标透过生物组织或者雾、霾等遮挡物之后其原本的视觉轮廓信息几乎全部丢失,导致无法对目标进行跟踪,限制了现有跟踪技术对目标的全面跟踪能力。
发明内容
本发明的目的在于提出一种透过散射介质的目标4D跟踪***及方法,以实现***结构简单、易操作、低成本、适用范围广的目标4D跟踪技术,推进计算成像领域中目标跟踪技术的发展。
本发明首先是一种透过散射介质的目标4D跟踪***,按照光束传输方向,以下简称沿光轴方向,依次设有光源模块A、目标3、散射介质4、探测模块B;其特征在于:所述光源模块A包括LED光源1和透镜2,LED光源1和透镜2共同构成产生准直的非相干光信号的光源;所述目标3为待跟踪目标,以下简称为目标,设定目标在光轴方向即z轴方向,以及垂直于光轴方向所在的平面,即xoy面的x和y方向上移动,另外,沿角度θ进行旋转,角度θ的基础旋转范围为0°至179°;所述散射介质为强散射介质,用散射介质对目标3的信息进行编码调制,并产生目标编码调制后的散斑图像;所述探测模块B包括有窄带滤波片5和探测器6,窄带滤波片5和探测器6共同用于接收窄带滤波之后的目标的散斑图像。
本发明还是一种透过散射介质的目标4D跟踪方法,在权利要求1至2中任意的透过散射介质的目标4D跟踪***上运行,其特征在于:包括有如下步骤:
步骤1:搭建透过散射介质的目标4D跟踪***;
步骤2:打开透过散射介质的目标4D跟踪***的光源模块A中的LED光源,使用探测器连续采集k幅携带目标信息的散斑图像I1(x,y,z,θ),I2(x,y,z,θ),...,Ik-1(x,y,z,θ),Ik(x,y,z,θ);
步骤3:对探测器采集的所有散斑图像进行消噪预处理,去除背景噪声,得到k幅消噪散斑图像
步骤4:依次对k幅消噪散斑图像进行自相关操作,得到k幅消噪散斑图像的自相关结果,即
步骤5:对目标进行旋转角度跟踪运算:将第2幅至第k幅消噪散斑图像自相关计算结果均与第一幅消噪图像对应的自相关结果进行旋转维度跟踪运算,求得k-1个旋转角度跟踪变化量Δθ1,Δθ2,...,Δθk-1;
步骤6:将第2幅至第k幅消噪散斑图像,分别旋转Δθ1,Δθ2,...,Δθk-1,并更新其自相关结果,得到第一次更新后的自相关结果
步骤7:根据物像关系,对目标进行沿光轴方向跟踪运算:依次计算第一次更新后的自相关结果的面积,并令第2幅至第k幅消噪散斑图像的自相关的面积分别与第一幅消噪散斑图像的自相关的面积做商,根据物像关系,即可求得沿光轴方向的变化量Δz1,Δz2,...,Δzk-1;
步骤8:双三次插值法对自相关面积进行缩放:依次将沿光轴方向变化Δz1,Δz2,...,Δzk-1,结合双三次插值法,依次对第2幅至第k幅消噪散斑图像对应的自相关结果进行缩放,更新得到第二次更新后的自相关结果
步骤9:依次对第二次更新后的自相关结果对应的消噪散斑图像与第1个消噪散斑图像做互相关运算,得到互相关计算结果
步骤10:根据第二次更新后自相关计算结果和互相关计算结果,结合探测器的像元尺寸,计算目标在xoy平面上沿x和y方向上的变化量(Δx1,Δy1),(Δx2,Δy2),…,(Δxk-1,Δyk-1);
步骤11:得到目标4D跟踪结果:根据旋转角度变化量,沿光轴方向目标的变化量,以及xoy平面上沿x和y方向上的变化量,结合所述目标4D跟踪***的参数,得到目标的4D跟踪结果
本发明提出的透过散射介质的目标4D跟踪***和方法,***结构比较简单,仅需要获得携带目标信息的散斑信息,结合目标4D跟踪算法,无需进行复杂的数值计算,即可得到4D跟踪结果,本发明操作方法简单,使用的散射介质成本较低、在生物医学、对地观测等众多领域均能实现透过散射介质的4D目标跟踪,大大推进了计算成像领域中目标跟踪技术的发展。
本发明与现有技术相比,具有如下优点:
1)本发明提出的目标4D跟踪***中,散射介质采用各向同性多重散射介质,探测器接收到的光波为较强烈的散射光,与现有技术中仅利用弹道光提取目标特征对目标进行成像跟踪不同,可以获取跟踪目标更多维度的信息,有利于进行精准实时定位跟踪。
2)本发明提出的目标4D跟踪***及方法在对目标进行实时跟踪时,不仅能够跟踪到目标在其所在平面的位置信息,还能跟踪到目标在平面转动运动过程中的角度信息以及距离信息,实现了运动目标的4D实时跟踪。
3)本发明提出的透过散射介质的目标4D跟踪方法采用自相关和互相关运算,与现有技术中透过图像特征匹配法相比,算法简单,实时性高,且有效提高了计算速度和跟踪精度,降低了跟踪误差。
4)本发明提出的目标4D跟踪***结构简单,成本低,与现有雷达跟踪方法相比,后期处理简单,可以在较低成本的情况下实现对目标的4D实时跟踪。
附图说明
图1为本发明实施例提供的一种透过散射介质的目标4D跟踪***的结构示意图;
图2为本发明实施例提供的一种透过散射介质的4D跟踪方法的流程图;
图3为本发明实施例提供的另一种透过散射介质的4D跟踪方法的流程图;
图4为本发明实施例提供的另一种透过散射介质的4D跟踪方法的流程图;
图5为本发明实施例提供的另一种透过散射介质的4D跟踪方法的流程图;
图6为本发明实施例提供的一种透过散射介质的目标4D跟踪***上实现对目标4D旋转角度变化量进行跟踪的效果图。
图7为本发明实施例提供的一种透过散射介质的目标4D跟踪***上实现对目标4D沿光轴方向变化量进行跟踪的效果图。
具体实施方式
以下结合附图和实施例,对本发明作详细说明,但本发明的实施方式不限于此。
实施例1
在生物医学、军用及民用等领域中,经常需要透过遮挡物对运动目标进行跟踪,获取目标的位置或者方位信息,以实施后续的医学治疗、追迹跟踪以及实时跟踪等。但是,当目标透过生物组织或者雾、霾等遮挡物之后,其原本的视觉轮廓信息几乎全部丢失,导致使用传统的目标追踪手段无法对目标进行跟踪,限制了现有跟踪技术对目标的全面跟踪能力。
目前,急需研究一种***简单,成本低,跟踪精度高、适用范围广,可透过散射介质的多维度目标精准定位跟踪***,这在生物医学领域、军事及民用领域具有重要的应用价值和前景,也大大推进了计算成像领域中目标跟踪技术的发展。本发明正是在此技术领域展开的研究,首先提出一种透过散射介质的目标4D跟踪***,按照光轴方向,依次有光源模块A、目标3、散射介质4、探测模块B;参见图1:本发明的光源模块A包括LED光源1和透镜2,其中,LED光源1采用可见光范围内的宽谱非相干光源,本例中采用功率为1W,型号为GCI-060401,带宽为10nm的红光LED,满足实际实验过程中光源主动照明的需求,透镜2采用焦距为100mm,透镜直径为50.8mm的平凸透镜,满足将LED光源1发出的可见光非相干信号变为准直的平行光的要求,同时,LED光源1和透镜2沿光轴方向顺次连接,并且LED光源1位于透镜2的前焦点处。本发明的目标3为待跟踪目标,以下简称为目标,为了研究目标的运动特性,设定目标在光轴方向即z轴方向,以及垂直于光轴方向所在的平面,即xoy面的x和y方向移动,另外,目标能够沿角度θ进行旋转,角度θ的基础旋转范围为0°至179°,例如目标初始位置为(x0,y0,z0,θ0),某一时刻t其位置为(xt,yt,zt,θt),从初始位置到时刻t的位置的变化过程即为本发明的运动目标变化的过程。本发明的散射介质4为强散射介质,用于模拟自然界的物质或状况,强散射介质可以采用氧化锌介质、树叶、洋葱表皮细胞以及鸡胸肉组织等,本例中的强散射介质采用鸡胸肉组织,实际操作过程中,将鸡肉组织压制到载玻片上形成散射介质,散射介质将目标3的信息进行充分的编码调制,产生散斑图像。本发明的探测模块B包括有窄带滤波片5和探测器6,本例中,窄带滤波片5采用大恒光电的窄带滤光片,其型号为GCC-211004,用于将杂散光滤除,使宽谱光波散射后的散射光变为单色光散射信号,满足将散射光波变为携带目标信息的窄谱光散斑图像的要求,探测器6采用CMOS相机PCO-EDGE-4.2,其像元尺寸为6.5μm,响应波段为400nm-700nm,最小曝光时间为10ms,满足对散斑图像快速采集的需求。
本发明提出的目标4D跟踪***中,散射介质采用多重散射介质,如氧化锌介质、粗糙墙体表面、鸡胸肉组织等,其特性比较符合自然界中的遮挡运动目标的遮挡物特性,因此,探测器接收到的光波为较强烈的散射光,与仅利用弹道光提取目标特征对目标进行成像跟踪的方法不同,这种方式能够利用更多的光场信息,进而获取目标更多维度的信息,这对透过遮挡物的对目标的精准实时定位跟踪等具有重要意义。
实施例2
透过散射介质的目标4D跟踪***的总体构成同实施例1,目标由能够在xoy平面移动并旋转产生的图像目标的空间光调制器搭配二维位移平台共同生成,目标能够在x、y、z方向进行移动以及沿角度θ进行旋转,本例中,空间光调制器为HOLOEYE公司的PLUTO-VIS-016,其像元尺寸为8μm,响应波段为400nm-700nm,能够产生沿x、y方向运动的目标,并且可以实现对运动目标进行旋转操作,本例中选用的二维位移平台为索雷博公司的MTS50A-Z8,最小步长为50μm,能够实现精确定位,可以将目标沿着y、z方向进行移动,空见光调制器置于二维位移平台之上,可以实现对目标的精准4D移动。
本发明为了研究目标的多维度运动特性,充分设计了目标在x、y、z方向上的移动特性以及沿角度θ进行旋转的特性,生成方法简单直接,能够直观的将目标的运动信息体现出来,这对研究实际应用中的目标运动特性具有重要意义。
下面给出一个更加详尽具体的目标4D跟踪***的例子,进一步说明本发明的跟踪***。
实施例3
透过散射介质的目标4D跟踪***的总体构成同实施例1-2,参见图1,图1为本发明的一种透过散射介质的目标4D跟踪***的结构示意图,该目标4D跟踪***包括光源模块A、目标3、散射介质4探测模块B。
其中,光源模块A包括LED光源1、透镜2,探测模块B包括滤光片5和探测器6。LED光源1发出的光波经透镜2准直后变成平行光,要求LED光源位于透镜2的前焦距处,且LED光源的中心与透镜2的中心在一条水平线上;随后平行光照射到目标3上,携带目标信息的光波照射到散射介质4上发生多次随机散射,变成混乱的并带有噪声的光信号,带有噪声的光信号经滤光片5滤光后,变为携带目标信息的单色光,然后照射到探测器6上,探测器6响应后采集得到散斑图像。
本实施例的光源LED光源1采用非相干光源,输出波长与带宽均可调谐,例如采用700mW的红光LED,型号为M-625-L3,带宽为16nm,满足实际成像过程中主动照明时光源的带宽要求;优选地,本发明的透镜2可以采用直径为50.8mm,焦距为100mm的透镜,可以将LED光源发出的点光源信号变为平行光,满足入射到目标3上的光波为平行光的需求;本发明要求目标3为稀疏透射式目标,且其可位于透镜2与散射介质4之间的任意位置;本发明的散射介质4可以采用各向同性强散射介质,如鸡胸肉组织、油漆、毛玻璃,氧化锌等。在适当范围内,散射介质的散射效应越强,散射介质的散射平均自由程越大,目标4D跟踪***目标跟踪时效果越好。本实施例优选采用厚度为80±25微米的氧化锌薄膜,能发生强散射使得散射光足够强,确保散射光被探测器6探测得到;具体地,本发明的滤光片5采用窄带滤光片FL632.8-1,能够滤除632nm波长以外的杂散光,将宽谱光波散射后的散射光变为单色光,满足将散射光波变为携带目标信息的窄谱光的要求,且所述滤光片5、所述探测器6的中心均与所述LED光源1的光轴重合。
本实施例,LED光源1发出的光波经透镜2准直后,随后照射到待跟踪运动目标3上,携带目标信息的光传输后经过随机介质4,其散射光经滤光片5滤除杂散光后被探测器接收、采集,透过散射介质的目标4D跟踪***结构简单,元件成本低,适用范围广。
实施例4
本发明还是一种透过散射介质的目标4D跟踪方法,在上述中任意的透过散射介质的目标4D跟踪***上运行,透过散射介质的目标4D跟踪***构成同实施例1-3,参见图2(a):包括有如下步骤:
步骤1:搭建目标4D跟踪***:沿光轴方向,搭建透过散射介质的目标4D跟踪***。
步骤2:采集k幅散斑图像:打开透过散射介质的目标4D跟踪***的光源模块A中的LED光源,LED光源发出的光信号经透镜准直后,照射到目标上,携带目标信息的光波被散射介质散射后,再经窄带滤光片滤波后照射到探测器上,使用探测器连续采集k幅携带目标信息的散斑图像I1(x,y,z,θ),I2(x,y,z,θ),...,Ik-1(x,y,z,θ),Ik(x,y,z,θ)。
步骤3:消噪预处理:对探测器采集的所有散斑图像数据进行消噪预处理,确保散斑图像不包含影响目标4D跟踪效果的无用信号,即去除背景噪声的影响,得到k幅消噪散斑图像
步骤4:求取自相关计算结果:依次对步骤3得到的k幅消噪散斑图像进行自相关操作,即每一幅消噪散斑图像均与自身消噪散斑图像做相关操作,得到k幅消噪散斑图像的自相关计算结果,即
步骤5:对目标进行旋转角度跟踪运算:参见图2(b),将步骤4获得的第2幅至第k幅消噪散斑图像自相关计算结果 均与第1幅消噪图像对应的自相关计算结果进行旋转维度跟踪运算,求得k-1个旋转角度跟踪变化量Δθ1,Δθ2,...,Δθk-1。本发明提出的目标旋转角度跟踪方法弥补了现有目标跟踪方法对目标进行跟踪时的维度缺失,能够更加全面的描述目标的运动特性。
步骤6:求取第一次更新后的自相关结果:将步骤3获得的第2幅至第k幅消噪散斑图像,分别旋转角度跟踪变化量Δθ1,Δθ2,...,Δθk-1,并更新旋转后的第2幅至第k幅消噪散斑图像的自相关计算结果,得到第一次更新后的自相关结果
步骤7:根据物像关系,对目标进行沿光轴方向跟踪运算:参见图2(b),依次计算步骤6第一次更新后的自相关结果的面积,并令第2幅至第k幅消噪散斑图像的自相关计算结果的面积 分别与第一幅消噪散斑图像的自相关计算结果的面积做商,根据物像关系,即可求得沿光轴方向的目标运动的变化量Δz1,Δz2,...,Δzk-1。本发明使用的求取沿光轴方向的变化量主要基于图像自相关面积进行计算,计算过程简单,结果准确,能够达到像素级的目标跟踪,大大提高了目标跟踪的精度。
步骤8:双三次插值法对自相关面积进行缩放:根据步骤7的计算结果,依次将第2幅至第k幅消噪散斑图像沿光轴方向变化Δz1,Δz2,...,Δzk-1,结合双三次插值法,依次对第2幅至第k幅消噪散斑图像对应的自相关计算结果进行判断,按照判断结果进行缩放,得到第二次更新后的自相关结果
步骤9:求取互相关计算结果:依次对步骤8得到的第二次更新后的自相关计算结果对应的消噪散斑图像与步骤3中得到的第1个消噪散斑图像做互相关运算,得到互相关计算结果
步骤10:求取目标在x和y方向上的变化量:参见图2(b),根据步骤8的第二次更新后自相关计算结果和步骤9的互相关计算结果,结合探测器的像元尺寸,计算目标在xoy平面上沿x和y方向上的变化量(Δx1,Δy1),(Δx2,Δy2),…,(Δxk-1,Δyk-1)。
步骤11:得到目标4D跟踪结果:根据步骤5得到的旋转角度变化量,步骤7得到的沿光轴方向目标的变化量,以及步骤10得到的xoy平面上沿x和y方向上的变化量,结合所述目标4D跟踪***的参数,得到目标的4D跟踪结果
本发明提出的目标4D跟踪***及方法在对目标进行实时跟踪时,不仅能够对目标的x和y方向上的运动信息进行跟踪,还能够跟踪到运动目标在旋转角度以及沿光轴方向上的运动信息,实现了对目标的4D,即(x,y,z,θ)等四个维度进行的精准实时跟踪。
实施例5
透过散射介质的目标4D跟踪***和方法同实施例1-4,步骤5中所述的对目标进行旋转角度跟踪运算,参见图3,具体包括有如下步骤:
步骤5a:定标:对步骤4获得的自相关计算结果进行旋转角度跟踪运算时,首先对依次旋转1°至179°,构成数据集 定标时,考虑到携带目标信息的散斑图像的自相关计算结果和互相关计算结果均为中心对称的图像,无论携带目标信息的散斑图像旋转多少度,其范围均为1°至179°,因此仅需对1°至179°进行定标即可满足目标4D跟踪时对旋转角度的跟踪需求。
步骤5b:求取相关系数:令分别与步骤5a求得的数据集中的作求取相关系数运算,求取相关系数时可采用matlab软件自带的corr2函数。相比于现有其它目标跟踪算法采用的数据处理算法,corr2函数计算简单,效率较快,能够快速高效的得到通过散射介质目标4D跟踪算法中的旋转角度相关系数。
步骤5c:锁定旋转角度:比较步骤5b中得到的系数中,与相关系数最大值1最接近的系数对应的角度θ,即为相对于初始位置的旋转角度变化量Δθ1。
步骤5d:循环获取所有旋转角度:重复步骤5b~步骤5c,并将替换为则得到k-1个旋转角度跟踪变化量Δθ1,Δθ2,...,Δθk-1,用以更新目标旋转角度的变化。
本发明提出的透过散射介质的目标4D跟踪方法采用自相关和互相关运算,与现有技术中透过图像特征匹配法相比,算法简单,实时性高,且有效提高了计算速度和跟踪精度,降低了跟踪误差。
实施例6
透过散射介质的目标4D跟踪***和方法同实施例1-5,本发明步骤7中的根据物像关系,对目标进行沿光轴方向跟踪运算,参见图4,具体包括:
步骤7a:阈值分割法求取自相关面积:利用阈值分割法分别求得 中大于1的像素个数,大于1的像素个数构成自相关面积
步骤7b:根据物像关系作商运算:计算与的比值,表示为其中u为所述目标4D跟踪***中目标与散射介质的距离,v为随机介质到探测器的距离,本发明巧妙的将物像关系运用到透过散射介质目标4D跟踪方法中,只需要得到散斑图像自相关的面积的变化,即可使用物像关系得到运动目标的沿光轴方向的运动特性,算法简洁、复杂度低。
步骤7c:判断目标前移还是后退:若r1>1,则物距增加,目标向着物距增加的方向移动,且沿着光轴方向目标的变化量为Δz1=u0×r-u0,u0为目标与散射介质的初始距离,反之,Δz1=u0-u0×r1。
步骤7d:循环获取所有沿光轴方向的移动距离:重复步骤7b至7c,变换 即求得沿着光轴方向目标的变化量Δz1,Δz2,...,Δzk-1。
实施例7
透过散射介质的目标4D跟踪***和方法同实施例1-6,本发明步骤8中的双三次插值法对自相关面积进行缩放,具体包括:
步骤8a:第一次更新后的自相关面积缩放判断:根据所述步骤7c所得结果,若r1>1使用双三次插值法将图像缩小倍,若r1<1使用双三次插值法将图像放大倍,变化后的表示为
步骤8b:循环对第一次更新后的所有自相关面积进行缩放:重复步骤8a并将r1更换为r2,...,rk-1,得到变化后的 并表示为
本发明使用简单的双三次插值算法将图像自相关面积进行增大或者减小,以便后续目标跟踪维度,即xoy平面内的x方向和y方向上的变化量的获取,算法简单快捷,插值准确性高。
实施例8
透过散射介质的目标4D跟踪***和方法同实施例1-7,本发明步骤10所述的计算目标在xoy平面内的x和y方向上的变化量,参见图5,包括有如下步骤:
步骤10a:对第二次更新后的自相关计算结果进行定标:对所述步骤7得到的第二次更新后的自相关计算结果 进行定标,取第二次更新后的自相关计算结果的中间坐标代替自相关计算结果,中间坐标可表示为
步骤10b:对互相关计算结果进行定标:根据所述步骤9得到的互相关计算结果C1(x,y,z-Δz1,θ+Δθ1),C2(x,y,z-Δz2,θ+Δθ2),...,Ck-2(x,y,z-Δzk-2,θ+Δθk-2)Ck-1(x,y,z-Δzk-1,θ+Δθk-1)进行进一步计算,取互相关计算结果的中间坐标代替互相关计算结果,中间坐标可表示为;
步骤10c:自相关计算结果与互相关计算结果作差:将步骤10b与步骤10a所得的结果做差,得到目标在探测器上的散斑图的位置变化量,结合探测器像元尺寸,得到目标在xoy平面上沿x和y方向上的变化量为(Δx1,Δy1),(Δx2,Δy2),…,(Δxk-1,Δyk-1),其中 其中p为探测器的像元尺寸。
实施例9
透过散射介质的目标4D跟踪***和方法同实施例1-8,本发明步骤11中得到目标4D跟踪结果,具体包括:
步骤11a:目标在探测器上的4D跟踪结果:根据步骤5得到的旋转角度变化量Δθ1,Δθ2,...,Δθk-1,步骤7得到的沿光轴方向目标的变化量Δz1,Δz2,...,Δzk-1,以及步骤10得到的xoy平面上沿x和y方向上的变化量(Δx1,Δy1),(Δx2,Δy2),...,(Δxk-1,Δyk-1),初步得到目标在探测器上的4D跟踪结果(Δx1,Δy1,Δz1,Δθ1),(Δx2,Δy2,Δz2,Δθ2),...,(Δxk-1,Δyk-1,Δzk-1,Δθk-1)。
步骤11b:实际目标4D跟踪结果:结合所述目标4D跟踪***的参数,即所述目标4D跟踪***中目标与散射介质的距离u,散射介质到探测器的距离v;得到实际目标4D跟踪结果 其中 以及四个维度的跟踪变化量共同构成了透过散射介质的目标4D跟踪。
下边,用一个更加全面详细的例子对本发明再做说明。
实施例10
透过散射介质的目标4D跟踪***和方法同实施例1-9,参见图2、图3、图4、图5及图6,图2为本发明实施例提供的一种透过散射介质的目标跟踪***的示意图,图3至图6为本发明实施例提供的另外四种透过散射介质的目标4D跟踪方法的示意图。透过散射介质的目标4D跟踪方法包括有如下步骤:
步骤1:搭建***:沿光轴方向,搭建目标4D跟踪***。
步骤2:采集k幅散斑图像:打开4D目标跟踪***的红光LED光源,LED光源发出的光信号经焦距为100mm的透镜准直后照射到目标上,携带目标信息的光波经散射介质散射后,再经滤光片滤波后照射到探测器上,本例中,探测器使用ANDOR-cobolt-5.5相机,连续采集k幅散斑图像I1(x,y,z,θ),I2(x,y,z,θ),...,Ik-1(x,y,z,θ),Ik(x,y,z,θ),其中,(x,y,z,θ)表示时间序列散斑图像中各像素点的位置坐标。
步骤3:消噪预处理:对ANDOR-cobolt-5.5相机采集的所有散斑图像进行消噪预处理,去除背景信号噪声的影响,本实施例采用高斯低通滤波的方法,这种方法能够最大程度的保留散斑信息,首先生成一个滤波模板g,然后使用此模板依次对I1(x,y,z,θ),I2(x,y,z,θ),...,Ik-1(x,y,z,θ),Ik(x,y,z,θ)进行滤波,过程如下:
其中g=fspecial('gaussian',[7 7],1),表示生成标准差为1,大小为7×7的高斯滤波掩模模板,imfilter(I,g,'replicate')是matlab提供的滤波函数格式。
步骤4:得到自相关计算结果:依次对步骤3得到的消噪散斑图像序列,即进行自相关运算,得到自相关计算结果如下:
步骤5:旋转维度跟踪计算:对步骤4获得的 均与进行旋转维度跟踪运算,求得旋转维度跟踪变化量Δθ1,Δθ2,...,Δθk-1。
步骤6:得到第一次更新后的自相关计算结果:根据步骤5的计算结果,将分别旋转Δθ1,Δθ2,...,Δθk-1,Δθk,变为与角度差为0°的散斑图像根据所述步骤4的计算方法,其对应的第一次更新后的自相关计算结果表示为
步骤7:计算沿光轴方向目标变化量:依次计算初始 的面积,并表示为 并令 分别与做差,求得沿光轴方向目标的变化量Δz1,Δz2,...,Δzk-1。
步骤8:双三次线性插值求取第二次更新后的自相关计算结果:根据步骤7的计算结果,依次将 沿光轴方向变化Δz1,Δz2,...,Δzk-1,结合双三次插值法,表示为 与的维度相同,其自相关表示为
步骤9:求取互相关计算结果:依次对步骤8得到的 与做互相关运算,得到互相关计算结果如下:
步骤10:求取目标在x和y方向上的变化量:根据步骤8的自相关计算结果和步骤9的互相关计算结果,计算目标在x,y等两个维度上的散斑图像在探测器上对应初始位置的变化量(Δx1,Δy1),(Δx2,Δy2),...,(Δxk-1,Δyk-1)。
步骤11:得到目标4D跟踪结果:根据步骤5得到的旋转维度跟踪变化量Δθ1,Δθ2,...,Δθk-1,步骤7得到的沿光轴方向目标的变化量Δz1,Δz2,...,Δzk-1,以及步骤10得到的探测器上的变化量(Δx1,Δy1),(Δx2,Δy2),...,(Δxk-1,Δyk-1),结合所述目标4D跟踪***的参数,得到目标在(x,y,z,θ)等维度上对应初始位置的实际位移,即
对于步骤4,自相关运算指一个序列和它本身做相关,主要用来衡量一个序列在不同时刻取值的相似程度,有多种运算方法,本发明所述自相关运算主要通过二维傅里叶变换理论,即所述自相关结果等于所述散斑序列能量密度谱的逆傅里叶变换,即:
将依次带入式(1),得到自相关运算结果 其中,FT{·}为傅立叶变换,FT-1{·}为傅立叶逆变换,★表示自相关运算符号,|·|表示取绝对值。
对于步骤5,参加图3,具体包括如下运算:
步骤5a:对步骤4获得的自相关计算结果进行旋转维度跟踪运算时,首先对依次旋转1°至17°,构成数据集
步骤5b:令分别与步骤5a求得的数据集中的作求取相关系数运算,相关系数运算公式为:
本发明采用matlab中的corr2函数求解公式(2)所表述的与序列相关系数c1,c2,...ck;
步骤5c:求得步骤5b得到的系数c1,c2,...ck中最接近(1)时,对应的θ值,即为相对于初始位置的旋转维度变化量Δθ1;
步骤5d:重复步骤5b至步骤5c,并将替换为则求得旋转维度变化量Δθ2,...,Δθk-1。
对于步骤7,参加图4,包括如下步骤:
步骤7a:首先对 做灰度直方图,然后利用阈值分割法分别求得直方图中大于1的像素个数,大于1的像素个数构成自相关面积
其中阈值分割法的原理为,给定初值count=0,结合如下公式:
其中Gray(S)表示S某个像素点的灰度值。
步骤7b:计算与的比值,表示为:
其中u为所述目标4D跟踪***中目标与散射介质的距离,v为随机介质到探测器的距离。
步骤7c:若r1>1,则物距增加,目标向着物距增加的方向移动,且沿着光轴方向目标的变化量为Δz1=u0×r-u0,u0为目标与散射介质的初始距离,反之,Δz1=u0-u0×r1。
步骤7d:重复步骤7b至步骤7c,变换为即可求得且沿着光轴方向目标的变化量Δz1,Δz2,...,Δzk-1。
对于步骤8,包括有如下步骤:
步骤8a:根据所述步骤7c所得结果,若r1>1使用双三次插值法将图像缩小倍,若r1<1使用双三次插值法将图像放大倍,变化后的表示为双线性插值采用matlab自带函数bicubicinterpolation。
步骤8b:重复步骤8a并将r1更换为r2,...,rk-1,得到变化后的并表示为
对于步骤9,互相关运算指一个序列和另一个序列做相关,主要表示的是两个时间序列之间的相关程度,同样有多种运算方法,本发明所述互相关运算主要透过二维傅里叶变换理论,即所述互相关结果等于所述散斑与散斑序列 互能量密度谱的逆傅里叶变换,即:
将 依次带入式(5),得到互相关运算结果C1(x,y,z-Δz1,θ+Δθ1),C2(x,y,z-Δz2,θ+Δθ2)...,Ck-1(x,y,z-Δzk-1,θ+Δθk-1),其中,FT{·}为傅立叶变换,FT-1{·}为傅立叶逆变换,表示互相关运算符号,·|表示取绝对值。
对于步骤10,参加图5,包括如下步骤:
步骤10a:根据所述步骤7得到的自相关计算结果:
进行定标,取自相关计算结果的中心坐标代替自相关计算结果,中心坐标一般选取自相关计算结果的最大值代替,表示为 其中,hs表示垂直于光轴的平面内,自相关计算结果在平行于水平面的水平坐标,vs表示垂直于光轴的平面内,自相关计算结果在垂直于水平面的水平坐标,ds表示沿光轴方向,自相关计算结果移动的坐标,as表示垂直于光轴的平面内,自相关计算结果旋转的角度,本发明利用matlab软件自带函数find和max实现对自相关计算结果中心坐标的选取。
步骤10b:根据所述步骤9得到的互相关计算结果:
进行进一步计算,取互相关计算结果的中心坐标代替互相关计算结果,中心坐标一般选取互相关计算结果的最大值代替,可表示为; 其中,hc表示垂直于光轴的平面内,互相关计算结果在平行于水平面的水平坐标,vc表示垂直于光轴的平面内,互相关计算结果在垂直于水平面的水平坐标,dc表示沿光轴方向,互相关计算结果移动的坐标,ac表示垂直于光轴的平面内,互相关计算结果旋转的角度,本发明利用matlab软件自带函数find和max实现对互相关计算结果中心坐标的选取。
步骤10c:将步骤10b与步骤10a所得的结果做差,得到目标在探测器上的散斑图的位置变化量为(Δx1,Δy1),(Δx2,Δy2),…,(Δxk-1,Δyk-1),其中 其中p为探测器的像元尺寸。
下面,通过实验说明并证实本发明的技术效果。
实施例11
透过散射介质的目标4D跟踪***和方法同实施例1-10,参照图6,其中图6(a)是本实施例中初始位置的运动目标,图6(b)是本实施例中旋转任意角度后的运动目标,图6(c)是本实施例中运动目标经散射介质后,在探测器上记录的初始散斑图像,图6(d)为本发明目标旋转任意角度的散斑,图6(e)是本发明初始散斑图像对应的自相关运算结果,图6(f)为本发明目标旋转任意角度时的散斑对应的自相关结果。对比以上各图,可以看出图6(f)中自相关图像的中心轴线明显偏离图6(e)对应的中心轴线,此偏角即为图6(b)中目标偏转的角度,这正是使用本发明方法的步骤5求取的旋转初始散斑对应的自相关计算结果,与图6(e)的自相关计算结果做求取相关系数运算后得到的目标的偏转角度。图6(g)为仿真(红线)与实验(蓝线)中,对目标旋转角度的跟踪准确率进行比较的结果,其横坐标为仿真或实验中的目标运动角度,其纵坐标为仿真或实验中的目标测量得到的运动角度,表明本发明能够实现对目标进行旋转角度跟踪,并且旋转角度跟踪的精度较高。
实施例12
透过散射介质的目标4D跟踪***和方法同实施例1-11,参照图7,其中图6(a)是本实施例中初始位置的运动目标,图6(b)是本实施例中沿光轴移动后的运动目标,图7(c)是本实施例中目标经散射介质后,在探测器上记录的初始散斑图像,图7(b)为目标在光轴方向移动任意距离后的散斑,图7(e)为初始散斑对应的自相关计算结果,图7(f)为在光轴方向移动任意距离的散斑对应的自相关计算结果,图7(g)为初始散斑对应的自相关计算结果的面积,为77个像素,其横坐标表示像素数,纵坐标表示强度值。图7(h)为在光轴方向移动任意距离的散斑对应的自相关计算结果的面积,为111个像素,其横坐标表示像素数,纵坐标表示强度值。可以看出图7(f)自相关图像面积的大小明显不同于7(e)对应的自相关面积的大小,说明目标沿光轴方向有位移,其中图7(f)与图7(e)的自相关面积的比值即为所述透过散射介质的目标4D跟踪方法实施例10中的步骤7中的r,根据图7(e)以及图7(f)的结果可知,因此目标向着物距增加的方向移动,且沿着光轴方向目标的变化量为u0为目标与散射介质的初始距离,表明本发明所述的方法能够实现对目标在光轴方向上的像素级跟踪。
本发明目标4D跟踪***及4D跟踪方法只需要获得目标在不同位置的两帧散斑,结合目标4D跟踪方法,即可实现对目标在沿光轴z方向、xoy平面的x和y方向以及旋转角度等维度的4D跟踪。
以上所述仅为本发明的具体实施例,并不用于限制本发明。显然对于本领域的专业人员来说,在了解本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,等同替换或者改进等,但是这些透过本发明思想的修正和改变均应包含在本发明的权利要求保护范围之内。
简而言之,本发明提供的透过散射介质的目标4D跟踪***及方法。解决了传统目标跟踪方法无法对遮挡物后的目标进行多维度跟踪的技术问题,***包括:LED光源、透镜、目标、散射介质、滤光片和探测器。利用4D跟踪方法,首先,采集多幅散斑图像,对所有散斑图像进行消噪预处理,求出所有消噪散斑图像的自相关计算结果,结合相关系数运算算法,得到目标的旋转角度。根据自相关面积和物像关系求得目标沿光轴z方向的运动结果。接着根据自相关和互相关结果,求得目标在x和y方向上的运动结果。本发明的透过散射介质的目标4D跟踪***结构简单,成本低,跟踪方法简单、跟踪精度高、适用范围广,在生物医学成像、军事、民事等领域具有广阔应用前景。
Claims (8)
1.一种透过散射介质的目标4D跟踪***,按照光束传输方向,以下简称沿光轴方向,依次有光源模块A、目标3、散射介质4、探测模块B;其特征在于:所述光源模块A包括LED光源1和透镜2,LED光源1和透镜2共同构成产生准直的非相干光信号的光源;所述目标3为待跟踪目标,设定目标在光束传输方向,即z轴方向,以及垂直于光轴方向所在的平面,即xoy面的x方向和y方向移动,另外,目标能够沿角度θ进行旋转,角度θ的基础旋转范围为0°至179°;所述散射介质为强散射介质,介质对所述目标3的信息进行编码调制,并产生编码调制后的散斑图像;所述探测模块B包括有窄带滤波片5和探测器6,窄带滤波片5和探测器6共同用于接收窄带滤波之后的目标的散斑图像。
2.根据权利要求1所述透过散射介质的目标4D跟踪***,其特征在于,所述待跟踪目标由能够在xoy平面移动并旋转产生的图像目标的空间光调制器搭配二维位移平台共同生成,待跟踪目标能够在x、y、z方向进行移动以及沿角度θ进行旋转。
3.一种透过散射介质的目标4D跟踪方法,在权利要求1至2中任意的透过散射介质的目标4D跟踪***上运行,其特征在于:包括有如下步骤:
步骤1:搭建透过散射介质的目标4D跟踪***;
步骤2:打开透过散射介质的目标4D跟踪***的光源模块A中的LED光源,使用探测模块B中的探测器连续采集k幅携带目标信息的散斑图像I1(x,y,z,θ),I2(x,y,z,θ),…,Ik-1(x,y,z,θ),Ik(x,y,z,θ);
步骤3:对探测器采集的所有散斑图像进行消噪预处理,去除背景噪声,得到k幅消噪散斑图像
步骤4:依次对k幅消噪散斑图像进行自相关操作,得到k幅消噪散斑图像的自相关结果,即
步骤5:对目标进行旋转角度跟踪运算:将第2幅至第k幅消噪散斑图像自相关计算结果 均与第一幅消噪图像对应的自相关结果进行旋转角度跟踪运算,求得k-1个旋转角度跟踪变化量Δθ1,Δθ2,…,Δθk-1;
步骤6:将第2幅至第k幅消噪散斑图像,分别旋转Δθ1,Δθ2,…,Δθk-1,并更新其自相关结果,得到第一次更新后的自相关结果
步骤7:根据物像关系,对目标进行沿光轴方向跟踪运算:依次计算第一次更新后的自相关结果的面积,并令第2幅至第k幅消噪散斑图像第一次更新后的自相关的面积 分别与第1幅消噪散斑图像的自相关的面积做商,根据物像关系,即可求得沿光轴方向的变化量Δz1,Δz2,…,Δzk-1;
步骤8:双三次插值法对自相关面积进行缩放:依次将 沿光轴方向变化Δz1,Δz2,…,Δzk-1,结合双三次插值法,依次对第2幅至第k幅消噪散斑图像对应的自相关结果进行缩放,更新得到第二次更新后的自相关结果
步骤9:依次对第二次更新后的自相关结果对应的消噪散斑图像与第1个消噪散斑图像做互相关运算,得到互相关计算结果
步骤10:根据第二次更新后自相关计算结果和互相关计算结果,结合探测器的像元尺寸,计算目标在xoy平面上沿x和y方向上的变化量(Δx1,Δy1),(Δx2,Δy2),…,(Δxk-1,Δyk-1);
步骤11:得到目标4D跟踪结果:根据旋转角度变化量,沿光轴方向目标的变化量,以及xoy平面上沿x和y方向上的变化量,结合所述目标4D跟踪***的参数,得到目标的4D跟踪结果
4.根据权利要求3所述的目标4D跟踪方法,其特征在于,步骤5中所述的对目标进行旋转角度跟踪运算,具体包括有如下步骤:
步骤5a:定标:对步骤4获得的自相关计算结果进行旋转角度跟踪运算时,首先对依次旋转1°至179°,构成数据集
步骤5b:求取相关系数:令分别与步骤5a求得的数据集中的作求取相关系数运算;
步骤5c:锁定旋转角度:求得步骤5b得到的系数中最接近数值1的系数对应的θ,即为相对于初始位置的旋转角度变化量Δθ1;
步骤5d:循环获取所有旋转角度:重复步骤5b~步骤5c,并将替换为 则得到k-1个旋转角度跟踪变化量Δθ1,Δθ2,…,Δθk-1。
5.根据权利要求3所述的目标4D跟踪方法,其特征在于,步骤7所述的根据物像关系,对目标进行沿光轴方向跟踪运算,具体包括:
步骤7a:阈值分割法求取自相关面积:利用阈值分割法分别求得 中大于1的像素个数,大于1的像素个数构成自相关面积
步骤7b:根据物像关系作商运算:计算与的比值,表示为其中u为所述目标4D跟踪***中待跟踪目标与散射介质的距离,v为随机介质到探测器阵列的距离;
步骤7c:判断目标前移还是后退:若r1>1,则物距增加,目标向着物距增加的方向移动,且沿着光轴方向目标的变化量为Δz1=u0×r-u0,u0为目标与散射介质的初始距离,反之,Δz1=u0-u0×r1;
步骤7d:循环获取所有沿光轴方向的移动距离:重复步骤7b至7c,变换为 即可求得且沿着光轴方向目标的变化量Δz1,Δz2,…,Δzk-1。
6.根据权利要求3所述的目标4D跟踪方法,其特征在于,步骤8所述的双三次插值法对自相关面积进行缩放,具体包括:
步骤8a:第一次更新后的自相关面积缩放判断:根据所述步骤7c所得结果,若r1>1使用双三次插值法将图像缩小倍,若r1<1使用双三次插值法将图像放大倍,变化后的表示为
步骤8b:循环对第一次更新后的所有自相关面积进行缩放:重复步骤8a并将r1更换为r2,…,rk-1,得到变化后的 并表示为
7.根据权利要求3所述的透过散射介质的目标4D跟踪方法,其特征在于,步骤10所述的计算目标在xoy平面上沿x和y方向上的变化量,包括如下步骤:
步骤10a:对第二次更新后的自相关计算结果进行定标:对所述步骤7得到的第二次更新后的自相关计算结果S1(x,y,z,θ), 进行定标,取第二次更新后的自相关计算结果的中间坐标代替自相关计算结果,中间坐标可表示为
步骤10b:对互相关计算结果进行定标:根据所述步骤9得到的互相关计算结果C1(x,y,z-Δz1,θ+Δθ1),C2(x,y,z-Δz2,θ+Δθ2),…,Ck-2(x,y,z-Δzk-2,θ+Δθk-2)Ck-1(x,y,z-Δzk-1,θ+Δθk-1)进行进一步计算,取互相关计算结果的中间坐标代替互相关计算结果,中间坐标可表示为;
步骤10c:将步骤10b与步骤10a所得的结果做差,得到目标在探测器上的散斑图的位置变化量,结合探测器像元尺寸,得到目标在xoy平面上沿x和y方向上的变化量为(Δx1,Δy1),(Δx2,Δy2),…,(Δxk-1,Δyk-1),其中 其中p为探测器阵列的像元尺寸。
8.根据权利要求3所述的目标4D跟踪方法,其特征在于,步骤11所述的得到目标4D跟踪结果,具体包括:
步骤11a:目标在探测器上的4D跟踪结果:根据旋转角度变化量Δθ1,Δθ2,…,Δθk-1,沿光轴方向目标的变化量Δz1,Δz2,…,Δzk-1.,以及xoy平面上沿x和y方向上的变化量(Δx1,Δy1),(Δx2,Δy2),…,(Δxk-1,Δyk-1),初步得到目标在探测器上的4D跟踪结果(Δx1,Δy1,Δz1,Δθ1),(Δx2,Δy2,Δz2,Δθ2),…,(Δxk-1,Δyk-1,Δzk-1,Δθk-1);
步骤11b:实际目标4D跟踪结果:结合所述目标4D跟踪***的参数,即所述目标4D跟踪***中目标与散射介质的距离u,散射介质到探测器的距离v;得到实际目标4D跟踪结果 其中
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810110043.3A CN108535681B (zh) | 2018-02-05 | 2018-02-05 | 一种透过散射介质的目标4d跟踪***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810110043.3A CN108535681B (zh) | 2018-02-05 | 2018-02-05 | 一种透过散射介质的目标4d跟踪***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108535681A true CN108535681A (zh) | 2018-09-14 |
CN108535681B CN108535681B (zh) | 2021-09-28 |
Family
ID=63485697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810110043.3A Active CN108535681B (zh) | 2018-02-05 | 2018-02-05 | 一种透过散射介质的目标4d跟踪***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108535681B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110132901A (zh) * | 2019-05-21 | 2019-08-16 | 北京理工大学 | 合成孔径穿散射介质成像的***和方法 |
CN111141706A (zh) * | 2019-12-26 | 2020-05-12 | 西安电子科技大学 | 一种透过散射介质宽场的三维成像方法 |
CN111768450A (zh) * | 2020-06-10 | 2020-10-13 | 北京的卢深视科技有限公司 | 基于散斑图的结构光相机行偏差的自动检测方法和装置 |
CN112950731A (zh) * | 2021-02-02 | 2021-06-11 | 西安电子科技大学 | 一种单帧强背景干扰下的透散射介质成像方法 |
CN113962866A (zh) * | 2021-12-22 | 2022-01-21 | 南京理工大学 | 一种基于物理感知学习的散射成像目标重建方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012149175A1 (en) * | 2011-04-29 | 2012-11-01 | The General Hospital Corporation | Means for determining depth-resolved physical and/or optical properties of scattering media |
CN104849874A (zh) * | 2015-06-02 | 2015-08-19 | 西安电子科技大学 | 基于稀疏表示的随机散射光学成像***及成像方法 |
CN105005053A (zh) * | 2015-07-13 | 2015-10-28 | 西安电子科技大学 | 基于led照明的随机散射关联成像***及成像方法 |
CN105445492A (zh) * | 2015-12-14 | 2016-03-30 | 华中科技大学 | 一种透过散射介质的激光散斑流速检测方法和装置 |
CN105974430A (zh) * | 2016-05-04 | 2016-09-28 | 西安电子科技大学 | 基于随机介质表面散射光的运动目标跟踪***及跟踪方法 |
CN106200276A (zh) * | 2016-07-19 | 2016-12-07 | 西安电子科技大学 | 基于随机散射介质的可控亚波长无掩模光刻***和方法 |
CN106950195A (zh) * | 2017-02-24 | 2017-07-14 | 西安电子科技大学 | 基于散射介质的可编程光学元件及光场调控***和方法 |
-
2018
- 2018-02-05 CN CN201810110043.3A patent/CN108535681B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012149175A1 (en) * | 2011-04-29 | 2012-11-01 | The General Hospital Corporation | Means for determining depth-resolved physical and/or optical properties of scattering media |
CN104849874A (zh) * | 2015-06-02 | 2015-08-19 | 西安电子科技大学 | 基于稀疏表示的随机散射光学成像***及成像方法 |
CN105005053A (zh) * | 2015-07-13 | 2015-10-28 | 西安电子科技大学 | 基于led照明的随机散射关联成像***及成像方法 |
CN105445492A (zh) * | 2015-12-14 | 2016-03-30 | 华中科技大学 | 一种透过散射介质的激光散斑流速检测方法和装置 |
CN105974430A (zh) * | 2016-05-04 | 2016-09-28 | 西安电子科技大学 | 基于随机介质表面散射光的运动目标跟踪***及跟踪方法 |
CN106200276A (zh) * | 2016-07-19 | 2016-12-07 | 西安电子科技大学 | 基于随机散射介质的可控亚波长无掩模光刻***和方法 |
CN106950195A (zh) * | 2017-02-24 | 2017-07-14 | 西安电子科技大学 | 基于散射介质的可编程光学元件及光场调控***和方法 |
Non-Patent Citations (3)
Title |
---|
CHENGFEI GUO ET AL.: "Tracking moving targets behind a scattering medium via speckle correlation", 《APPLIED OPTICS》 * |
TENGFEI WU ET AL.: "Imaging through a highly scattering medium with structural similarity and genetic algorithm", 《OPTICAL ENGINEERING》 * |
文政博 等: "强散射体内部目标的实时高分辨率成像方法", 《光学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110132901A (zh) * | 2019-05-21 | 2019-08-16 | 北京理工大学 | 合成孔径穿散射介质成像的***和方法 |
CN110132901B (zh) * | 2019-05-21 | 2020-07-31 | 北京理工大学 | 合成孔径穿散射介质成像的***和方法 |
CN111141706A (zh) * | 2019-12-26 | 2020-05-12 | 西安电子科技大学 | 一种透过散射介质宽场的三维成像方法 |
CN111141706B (zh) * | 2019-12-26 | 2021-07-09 | 西安电子科技大学 | 一种透过散射介质宽场的三维成像方法 |
CN111768450A (zh) * | 2020-06-10 | 2020-10-13 | 北京的卢深视科技有限公司 | 基于散斑图的结构光相机行偏差的自动检测方法和装置 |
CN111768450B (zh) * | 2020-06-10 | 2023-10-13 | 合肥的卢深视科技有限公司 | 基于散斑图的结构光相机行偏差的自动检测方法和装置 |
CN112950731A (zh) * | 2021-02-02 | 2021-06-11 | 西安电子科技大学 | 一种单帧强背景干扰下的透散射介质成像方法 |
CN112950731B (zh) * | 2021-02-02 | 2024-01-23 | 西安电子科技大学 | 一种单帧强背景干扰下的透散射介质成像方法 |
CN113962866A (zh) * | 2021-12-22 | 2022-01-21 | 南京理工大学 | 一种基于物理感知学习的散射成像目标重建方法 |
CN113962866B (zh) * | 2021-12-22 | 2023-04-07 | 南京理工大学 | 一种基于物理感知学习的散射成像目标重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108535681B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108535681A (zh) | 一种透过散射介质的目标4d跟踪***及方法 | |
CN110168311B (zh) | 用于以点云数据集合对对象进行分类的方法和*** | |
Haralick et al. | Glossary of computer vision terms. | |
US20190197715A1 (en) | Simultaneous localization and mapping with an event camera | |
Ghosal et al. | Detection of composite edges | |
JP5891560B2 (ja) | 三次元画像を形成するための識別専用オプトロニックシステムおよび方法 | |
Ren et al. | Star3d: Simultaneous tracking and reconstruction of 3d objects using rgb-d data | |
CN105974430B (zh) | 基于随机介质表面散射光的运动目标跟踪***及跟踪方法 | |
US12033280B2 (en) | Method and apparatus for generating a 3D reconstruction of an object | |
Fei et al. | Visual-inertial object detection and mapping | |
CN106446833B (zh) | 一种用于复杂场景图像识别的多通道仿生视觉方法 | |
Özdemir et al. | A multi-purpose benchmark for photogrammetric urban 3D reconstruction in a controlled environment | |
Haralick et al. | Glossary of computer vision terms | |
Raffel et al. | Techniques for 3D-PIV | |
CN107945203A (zh) | Pet图像处理方法及装置、电子设备、存储介质 | |
Ho et al. | Center-extraction-based three dimensional nuclei instance segmentation of fluorescence microscopy images | |
Maas | Contributions of digital photogrammetry to 3-D PTV | |
Bajpayee et al. | 3D particle tracking velocimetry (PTV) using high speed light field imaging | |
Wang et al. | Streak Recognition for a Three-Dimensional Volumetric Particle Tracking Velocimetry System. | |
Chen et al. | Robust speckle-autocorrelation non-line-of-sight imaging with generative adversarial networks | |
Koller-Meier | Extending the condensation algorithm for tracking multiple objects in range image sequences | |
Rodriguez | A methodology to develop computer vision systems in civil engineering: Applications in material testing and fish tracking | |
Yamazaki | Analysis of Phasor Distortions by Fog in Time-of-Flight Measurement | |
Chivers | Estimating particle velocity from dual-camera mixed reality video images using 3D particle tracking velocimetry | |
Torres-Méndez et al. | Inter-image statistics for 3d environment modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |