许 平 杨朋飞 齐向东 阮健康

（太原科技大学，山西 太原 030024）

随着科技的发展，自动化在各个领域都占有着非常重要的位置，在AUV 靶标瞄准系中，目标准确识别和追踪是海上目标打击的关键一环。图像处理技术和微型计算机的不断发展，为靶标瞄准系统的实时跟踪提供了更多的可能性，通过树莓派做图像采集和数据处理，结合OpenCV 添加霍夫圆检测和颜色识别算法，以串口通讯的方式反馈给执行机构一个像素差，再通过控制程序对AUV 的俯仰和偏航进行控制，就可以得到一个精准实时的靶标瞄准系统。

1 靶标识别算法

1.1 霍夫圆检测

在靶标瞄准系统中所使用的靶标为同心圆靶标，所以根据靶标的特征，选用霍夫变换的方法来实现对于靶标的检测。

霍夫圆检测通过点在圆上的出现最小个数来判断圆，认为在图像上的每一个点都在某个圆上。

在X-Y 坐标系中圆的方程为：

在a-b-r 参数空间中表示为

将X-Y 中圆上每个坐标点进行反算，将其映射至a-b-r 坐标系中，假设圆的半径r 固定，将θ 在[0，360]内进行推演，所以在圆上的每个坐标点都可以得到一个半径为r 的圆，所有的圆周都在空间中交于一点，即在霍夫空间中不断累加，得到信号最大的点，使得该点在霍夫空间中最亮，即为所检测出圆的圆心点，将其重映射至X-Y 空间中，得到圆心坐标。

由于霍夫圆累计到的是一个三维的空间，故有很大的计算消耗，因而提出霍夫梯度法来对传统的霍夫变换进行改进。因为所检测到的圆心一定在圆的每个点的模向量上，即在该点切线的垂线上，其交点即为圆心。通过阈值设定进行判断，在本文中，实际实验的测量及对实时性的考虑，设定阈值为50。

霍夫变换对于噪声非常敏感，所以首先利用高斯滤波的方法来处理。基于对靶标瞄准系统实时性考量，采用基于图像梯度实现的霍夫圆检测，利用canny 边缘检测提取目标图像边缘轮廓，基于边缘检测的结果从候选圆心开始计算最佳半径大小，本文中，采取半径大小范围为20-70。

霍夫圆检测完成后，输出圆心像素坐标。

1.2 颜色识别

本文的颜色识别是基于视频检测的识别，是将图像进行一个颜色范围的过滤，通过掩模和阈值操作，找到红色激光点所在区域位置，在该区域内进行形态学操作去除干扰，将其轮廓提取出来，做出轮廓的最小外接圆，计算轮廓矩，外接圆圆心坐标即为红色激光点中心坐标。

首先将图像从RGB（Red，Green，Blue）空间映射至HSV（hue，saturation，value）空间上。本文中，由于在摄像头中所显示的红光非常弱，并且在红光的中心非常接近于白色，所以选择HSV 的阈值范围为：

2 系统工作原理

树莓派通过霍夫圆检测和颜色识别算法标记出靶标的中心点和红色激光笔的光束点后，通过串口送至stm32，同时树莓派可以通过SSH 连接上位机，将中心点数据通过wifi 送至上位机，即可通过上位机监控靶标中心点和激光中心点数据，收到两个中心点的微处理器可以通过内置PID 算法，输出PWM波形，驱动电机，使瞄准系统中杆的角度发生改变，进而达到使靶标中心点和激光束中心点重合的目的。原理框图如图1。

图1 靶标瞄准系统原理框图

3 实验结果

在实验中，我们选择了静态靶标瞄准和动态靶标跟踪两个实验，当AUV 启动后，远程启动树莓派，摄像头进行实时捕捉，树莓派通过串口发送红点坐标与圆心坐标差，上位机监测数据打印结果，在树莓派使用过程中，将可视窗口小型化，关闭显示窗口，极大提高了算法的实时性，保证对于靶标的实时检测和追踪，具有较强的应用前景。

实验环境如图2 所示。

图2

移动靶标跟踪曲线如图3 所示。

图3 圆心与红点像素关系曲线