基于主动式全景视觉的火炮內膛疵病检测装置及方法
【技术领域】
[0001] 本发明涉及爬行器、全景激光光源、全方位视觉传感器、无线传输以及计算机视觉 技术在火炮内膛疵病检测中的应用，具体涉及一种基于主动式全景视觉的火炮内膛疵病检 测装置及方法。
【背景技术】
[0002] 火炮长期使用后，内膛会出现烧蚀、磨损、裂纹、阳线断裂、严重挂铜与锈蚀等疵 病，直接影响到火炮射击精度、火炮寿命和射击安全性，因而火炮射击前后都必须进行火炮 内膛窥测。按照《GJB2977A-2006火炮静态检测方法》的规定，在部队实际使用和生产过程 中应对身管内壁形貌的破坏情况进行定量测量，这对掌握火炮的精度、初速、射速、寿命等 战术技术指标的变化和射击安全性进行评价具有重要的作用。
[0003]火炮内膛窥测属于深孔内表面的检测，必须通过检测仪器来窥测。现有窥膛设备 多数采用CCTV来进行"内膛扫描"式窥膛方式，这种检测方式需要图像拼接，存在着无缝拼 接难、进行视觉自动分析难等问题。
[0004] 在国军标GJB2977A-2006火炮静态检测方法中，总共给出了 14类身管内膛疵病。其 中，内膛表面机械损伤、阳线磨损可分为若干种疵病情况，而小烧蚀、中烧蚀网和大烧蚀网 等几类疵病又各分为3个损伤等级。在14类疵病中，内膛表面加工疵病等6类疵病损伤特征 比较明显，各类疵病的差异较大，从疵病的位置、几何形状或颜色等特征，人眼很容易识别 和判断；而小烧蚀等8类疵病，损伤特征有相似之处，每一类又分为3个损伤等级，而且每个 损伤等级之间并没有明显的界限。国军标GJB2977A-2006对身管疵病的检测项目虽然有疵 病深度的检测要求，但对检测标准、精度和方法都没有具体要求。目前，试验鉴定单位普遍 采用塑泥将疵病形状拓下再利用其它工具完成测量。由于火炮身管狭长，使其检测非常困 难且测量精度完全取决于拓块质量的好坏；因此，火炮的研制和使用部门曾尝试用超声波、 涡流等方法对身管内壁疵病深度进行定量检测，但由于炮膛空间、疵病成因、形状尺寸等方 面的制约，检测效果均不太理想。
[0005]在众多火炮身管内膛疵病中，有些疵病如阳线磨损、机械划伤、小烧蚀网等，即使 长度、面积比较大，对于火炮的性能和安全性也不会造成严重影响；而有些疵病如阳线断 脱、烧蚀沟、龟裂、冲凹等，即使面积不大，当达到一定深度时也会对火炮的结构完整性、刚 度和强度造成严重影响，而且疵病越深，其扩展速度越快。如果不能及时准确地对疵病做出 判断和处理，可能会导致炮弹卡滞、膛炸、弹道偏离等现象的发生，对火炮的使用安全和射 击精度造成重大影响。并且随着高膛压、高初速新型火炮的出现，这类疵病的影响和危害程 度越发严重。因此，及时准确地获取疵病的深度信息显得尤为重要。
[0006] 中国发明专利申请号为94110155.X公开了火炮内膛疵病自动检查装置，该专利包 括检测部分和控制与数据处理部分，检测部分由图象传感器和检测架组成，控制与数据处 理部分由模数转换器、数据采集、缓存器和计算机系统等构成。该装置为全面、精确、定量的 认识火炮膛内表面状况及变化规律提供了可能，改变了以往靠目视估测的低准确度方法。 这种技术主要存在的问题是，需要额外的镜头控制系统不断调整摄像系统的位置与角度来 获取火炮内膛的全景图像信息，并且要从这些图像信息进行三维重构及三维检测是极其困 难的，另外，需要相关的技术人员根据这些检测录像，进行火炮内膛状况的判读与分析，从 严格意义上讲，这类技术仅仅是获取了火炮内膛的图像信息。
[0007]目前，基层分队对高炮身管疵病检查主要通过光学窥膛镜依靠目测进行，仅能判 断身管内是否有异物、锈蚀等明显的疵病，不能进行定量测量，自动化程度低，不易推广使 用。
[0008] 光学精密工程杂志2010年第18卷第10期的论文题目为火炮身管疵病深度测量系 统，提出了一种新的基于等效多基线立体成像的疵病深度测量方法。该方法通过疵病特征 提取和疵病图像立体匹配处理，获取疵病深度图像的输出，从而得到疵病深度值。这种基于 视觉的测量方式属于被动式视觉测量，测量的鲁棒性存在着一些问题。
[0009] 兵工学报杂志2015年第36卷第4期的论文题目为数字式高炮身管疵病探测仪的设 计，应用光机电控制技术和CCD成像技术，结合炮膛结构特点设计了高炮身管疵病探测仪。 该设计通过9个摄像头组合，实现了 360度全景成像，观察内膛表面形貌，对身管内膛表面进 行定性及定量检测，具有疵病自动定位、疵病类型自动比对、大小自动测量等功能。由于该 技术成像原理属于透视成像，因此存在着无缝拼接难、进行3D视觉测量难问题。另外，在检 测时要求检测装置必须对中，而且在检测不同管径的身管时需要调整检测算法，检测装备 的鲁棒性、适用性欠佳。
[0010] 综上所述，目前利用CCTV法进行火炮内膛检测时存在着以下的缺陷和不足:首先， 摄像机所拍摄的范围有限，只能获取火炮内膛某一部分的图像，为了获取火炮内膛所有图 像，需要不断改变摄像机的视角；另外，目前还只能靠检测人员用眼睛通过所获取火炮内膛 的图像来判断表面是否存在缺陷，一般人眼只能察觉尺寸变化达±10%以上的图像变异， 难以实现火炮内膛检测的精准自动化和智能化;其次，目前的火炮内膛图像获取方法导致 了难以对缺陷的尺寸以及具体位置作定量的测量和分析，仍然依靠观察监视屏的工作人员 的经验来判断，难以对火炮内膛的缺陷进行高精度的自动分析和评估，自动地将火炮内膛 疵病分为14种不同类型;最后，火炮内膛的三维建模困难，难以用三维数据方式再现火炮内 膛的详细情况。
【发明内容】
[0011] 为了克服已有的CCTV法的自动化和智能化水平低、难以对火炮内膛的缺陷进行高 精度的自动分析和评估、火炮内膛三维建模困难等不足，本发明提供一种基于主动式全景 视觉的火炮内膛疵病检测装置及方法，能够提高火炮内膛检测自动化和智能化水平，对火 炮内膛缺陷进行高精度的自动分析和评估，实现火炮内膛的三维建模。
[0012] 要实现上述
【发明内容】
，必须要解决几个核心问题：（1)实现一种适合火炮内膛内进 行稳定行走的爬行机构；（2)实现一种具有无线视频图像传输能力、并能快速并高精度获得 实际物体深度信息的主动式全景视觉传感器；（3)采用计算机视觉技术对火炮内膛内自动 疵病检测和三维重建方法。
[0013 ]本发明解决其技术问题所采用的技术方案是：
[0014]-种基于主动式全景视觉的火炮内膛疵病检测装置，包括主动式全景视觉传感器 和火炮内膛检测分析系统；
[0015] 所述的主动式全景视觉传感器，沿火炮内膛爬行并用于采集火炮内膛全景图像和 火炮内膛激光切片扫描全景图像；
[0016] 所述的火炮内膛检测分析系统包括：
[0017]全方位面激光信息解析单元，用于对火炮内膛激光切片扫描全景图像进行解析处 理得到火炮内膛的点云数据、激光投影信息并计算出空间位置信息，得到火炮内膛边缘线；
[0018] 火炮内膛3D建模单元，用于对所述的点云数据进行拼接和纹理映射处理得到火炮 内膛的3D模型；
[0019] 全景视频图像展开单元，用于对火炮内膛全景图像进行展开处理得到火炮内膛全 景展开图；
[0020] 膛线图像处理单元，用于对火炮内膛全景展开图进行火炮内膛阴阳线灰度值均匀 化处理，得到灰度连续的火炮内膛全景展开图；
[0021] 图像分割单元，利用最优阈值算法对灰度连续的火炮内膛全景展开图进行处理， 提取出火炮内膛图像中带有疵病的区域；
[0022] 内膛的疵病分类单元，用改进遗传算法和支持向量机算法对标有疵病的区域的火 炮内膛图像进行疵病识别分类处理得到疵病的识别类型信息；
[0023]以及内膛的疵病量化处理单元，用于对疵病的识别类型进行量化处理得到疵病区 域的大小与深浅量化指标，最终对疵病的等级作出精准的判定。
[0024]进一步优选的，所述的主动式全景视觉传感器包括：
[0025]全方位视觉传感器，用于采集火炮内膛全景图像和火炮内膛激光切片扫描全景图 像；
[0026]LED带光源，用于为火炮内膛全景图像的采集提供照明；
[0027]全景激光光源，用于为火炮内膛激光切片扫描全景图像的采集提供全景激光照 明。
[0028]其中，所述内膛的疵病量化处理单元包括：
[0029]疵病深度计算模块，用于计算火炮内膛疵病的深度信息；
[0030] 疵病面积计算模块，用于计算火炮内膛疵病区域的面积；
[0031] 疵病周长和圆形度计算模块，用于计算火炮内膛疵病区域的周长和圆形度；
[0032]疵病最小外接矩形计算模块，用于计算火炮内膛疵病区域的最小外接矩形、最大 主轴长度、最小主轴长度和角度。
[0033]本发明还提供了一种基于主动式全景视觉的火炮内膛疵病检测方法，包括以下步 骤：
[0034] 1)采用沿火炮内膛爬行的主动式全景视觉传感器，采集火炮内膛全景图像和火炮 内膛激光切片扫描全景图像；
[0035] 2)在火炮内膛激光切片扫描全景图像进行解析处理得到火炮内膛的点云数据、激 光投影信息并计算出空间位置信息，得到火炮内膛边缘线；
[0036] 3)对所述的点云数据进行拼接和纹理映射处理，建立火炮内膛的3D模型；
[0037] 4)对火炮内膛全景图像进行展开处理得到火炮内膛全景展开图，并对所述的火炮 内膛全景展开图进行火炮内膛阴阳线灰度值均匀化处理，得到灰度连续的火炮内膛全景展 开图；
[0038] 5)利用最优阈值算法对灰度连续的火炮内膛全景展开图进行处理，提取出火炮内 膛图像中带有疵病的区域；
[0039] 6)采用改进遗传算法和支持向量机算法对标有疵病的区域的火炮内膛图像进行 疵病识别分类处理得到疵病的识别类型信息；
[0040] 7)对疵病的识别类型进行量化处理得到疵病区域的大小与深浅量化指标，最终对 疵病的等级作出精准的判定。
[0041]优选的，在所述的步骤2)中，根据激光投射点的像素的亮度要大于成像平面上的 平均亮度，以解析出火炮内膛激光切片扫描全景图像上的激光投射点；为得到激光投射线 的准确位置，采用高斯近似方法来抽取出激光投射线的中心位置，具体实现算法是：
[0042]Stepl:设置初始方位角β=0;
[0043] Step2:在火炮内膛激光切片扫描全景图像上以方位角β从火炮内膛激光切片扫描 全景图像的中心点开始检索红色激光投射点，对于方位角β上存在着若干