本發(fā)明涉及航天器相對測量技術，特別涉及一種基于單目視覺的慢旋非合作目標相對測量系統(tǒng)和方法。
背景技術：
為了實現(xiàn)空間交會對接、抓取捕獲等在軌操控任務，需要對航天器與目標航天器之間的相對位置、姿態(tài)進行精確測量?；谝曈X的測量方式具有非接觸、精度較高、穩(wěn)定性好等特點。按照測量方式的不同，分為合作目標視覺測量方式和非合作目標視覺測量方式?；诤献髂繕艘曈X測量方式具有精度高、速度快的特點，但需要在目標上安裝主動或被動發(fā)光的標記點，且受限于安裝標記物的位置，只有有限的自由度。尤其是在空間視覺測量中，背景相對簡單，且需要一定監(jiān)控任務的情況下，非合作的目標視覺測量方式更為適合。在非合作的目標視覺測量實現(xiàn)過程中，非合作目標航天器的信息獲取途徑少，既缺乏足夠的先驗知識又不具有易于穩(wěn)定提取和識別的人工標記點，且還無法通過航天器間相互通信和導航衛(wèi)星的測量獲得有效信息，只能依賴于對包含目標航天器的場景圖像或圖像序列進行處理，提取被測目標的有效特征，獲取空間目標實時位姿信息，為后續(xù)的在軌操控任務中的控制部分提供測量結果。
相比無自旋運動的非合作目標的相對測量，基于慢旋運動的非合作目標成像的大小、形狀和姿態(tài)都在隨著目標的慢旋運動而不斷地變換，因此追蹤星時刻提取的用于解算的目標星的特征隨著目標的慢旋運動而不斷變化，圖像信息處理算法比較復雜，面臨著可靠性和實時性的挑戰(zhàn)，為得到實時性好、魯棒性強及精度高的位姿測量結果，其測量方法就顯得尤為重要。
技術實現(xiàn)要素：
本發(fā)明的目的是提供一種基于單目視覺的慢旋非合作目標相對測量系統(tǒng)和方法，解決了逼近過程中追蹤星與慢旋運動的目標星之間相對位置和姿態(tài)的測量，具有實時性好、魯棒性強及測量精度高等優(yōu)點，為后續(xù)空間在軌操控任務的順利實施提供位姿信息支持。
為了實現(xiàn)以上目的，本發(fā)明是通過以下技術方案實現(xiàn)的：
一種基于單目視覺的慢旋非合作目標相對測量系統(tǒng)，其特點是，包含：
圖像預處理單元，用于對采集的慢旋目標圖像進行圖像降噪、圖像增強及圖像分割過程，獲取用于解算的目標有效區(qū)域；
圖像特征的選擇與提取單元，用于對目標有效區(qū)域中的目標本體矩形、圓及點特征的檢測提??；
特征表達與檢索單元，用于實現(xiàn)旋轉目標實時二位圖像特征與三位目標特征的連續(xù)跟蹤匹配；
位姿結算單元，用于根據(jù)不同旋轉角速度下提取的不同特征解算求得慢旋非合作目標相對位置和相對姿態(tài)信息。
一種基于單目視覺的慢旋非合作目標相對測量方法，其特點是，該方法包含：
S1，圖像預處理單元對采集的慢旋目標圖像進行圖像降噪、圖像增強及圖像分割過程，獲取用于解算的目標有效區(qū)域；
S2，圖像特征的選擇與提取單元對目標有效區(qū)域中的目標本體矩形、圓及點特征的檢測提??；
S3，特征表達與檢索單元實現(xiàn)旋轉目標實時二位圖像特征與三位目標特征的連續(xù)跟蹤匹配；
S4，位姿結算單元根據(jù)不同旋轉角速度下提取的不同特征解算求得慢旋非合作目標相對位置和相對姿態(tài)信息。
所述的步驟S2中圖像特征的選擇與提取單元提取的矩形特征用于獲取姿態(tài)解算的消失點特征。
所述的步驟S3具體包含：
S3.1，將空間目標分割為主體與子部件，提取相關幾何特征；
S3.2，利用尺度不變特征檢索法對提取的目標幾何特征編碼；
S3.3，對編碼特征構建局部特征數(shù)據(jù)庫；
S3.4，采用特征跟蹤法實現(xiàn)旋轉目標實時二維圖像特征與三維目標特征的連續(xù)跟蹤匹配。
所述的步驟S3.1具體為：通過探測各子部件邊界和區(qū)域面積確定其幾何特征進而分割得到獨立分離的空間目標主體和子部件，將各子部件進行多邊形擬合，以擬合區(qū)域為基本單元提取其幾何特征。
所述的步驟S3.2具體為：利用目標衛(wèi)星各個表面及其顯著特征的幾何體的數(shù)目、子部件的面積及各部件之間的距離以及參照表面之間的連接性和相關性尺度不變特征進行幾何特征編碼，生成各姿態(tài)模型對應的特征檢索向量。
所述的步驟S3.3具體為：根據(jù)目標自身的結構特點，在目標各個表面選取具有代表性的特征構建局部特征數(shù)據(jù)庫，使數(shù)據(jù)庫里的每個姿態(tài)對應一唯一的數(shù)值檢索。
所述的步驟S3.4具體為：目標上最為顯著的特征檢測結果作為特征匹配的初始條件，確定目標在視場中可視的表面編碼，并以此為初始狀態(tài)，開始進行特征匹配，比較觀測圖像提取的特征檢索與數(shù)據(jù)庫里的各個模型的檢索值，并采用特征跟蹤法實現(xiàn)旋轉目標實時二維圖像特征與三維目標特征的連續(xù)跟蹤匹配。
位姿解算單元根據(jù)不同時刻提取的不同特征分別采取圓和消失點位姿解算，圓和特征點位姿解算，消失點和特征點位姿解算，及特征點位姿解算四種位姿解算方案完成慢旋非合作目標的相對測量。
本發(fā)明與現(xiàn)有技術相比，具有以下優(yōu)點：
本發(fā)明解決了逼近過程中追蹤星與慢旋運動的目標星之間相對位置和姿態(tài)的測量，具有實時性好、魯棒性強及測量精度高等優(yōu)點，為后續(xù)空間在軌操控任務的順利實施提供位姿信息支持
附圖說明
圖1為本發(fā)明一種基于單目視覺的慢旋非合作目標相對測量方法的流程圖。
具體實施方式
以下結合附圖，通過詳細說明一個較佳的具體實施例，對本發(fā)明做進一步闡述。
一種基于單目視覺的慢旋非合作目標相對測量系統(tǒng)，包含：圖像預處理單元，用于對采集的慢旋目標圖像進行圖像降噪、圖像增強及圖像分割過程，獲取用于解算的目標有效區(qū)域；圖像特征的選擇與提取單元，用于對目標有效區(qū)域中的目標本體矩形、圓及點特征的檢測提??；特征表達與檢索單元，用于實現(xiàn)旋轉目標實時二位圖像特征與三位目標特征的連續(xù)跟蹤匹配；位姿結算單元，用于根據(jù)不同旋轉角速度下提取的不同特征解算求得慢旋非合作目標相對位置和相對姿態(tài)信息。
如圖1所示，一種基于單目視覺的慢旋非合作目標相對測量方法，該方法包含：
S1，圖像預處理單元對采集的慢旋目標圖像進行圖像降噪、圖像增強及圖像分割過程，獲取用于解算的目標有效區(qū)域；
S2，圖像特征的選擇與提取單元對目標有效區(qū)域中的目標本體矩形、圓及點特征的檢測提?。?/p>
S3，特征表達與檢索單元實現(xiàn)旋轉目標實時二位圖像特征與三位目標特征的連續(xù)跟蹤匹配；
S4，位姿結算單元根據(jù)不同旋轉角速度下提取的不同特征解算求得慢旋非合作目標相對位置和相對姿態(tài)信息。
所述的步驟S2中圖像特征的選擇與提取單元提取的矩形特征用于獲取姿態(tài)解算的消失點特征。
所述的步驟S3具體包含：
S3.1，將空間目標分割為主體與子部件，提取相關幾何特征；
S3.2，利用尺度不變特征檢索法對提取的目標幾何特征編碼；
S3.3，對編碼特征構建局部特征數(shù)據(jù)庫；
S3.4，采用特征跟蹤法實現(xiàn)旋轉目標實時二維圖像特征與三維目標特征的連續(xù)跟蹤匹配。
所述的步驟S3.1具體為：通過探測各子部件邊界和區(qū)域面積確定其大小、方向和質心等幾何特征進而分割得到獨立分離的空間目標主體和子部件，將各子部件進行多邊形擬合，以擬合區(qū)域為基本單元提取其幾何特征。
假設大小為M×N的數(shù)字圖像f(x,y)的二維(p+q)階矩定義為
其中，p＝0,1,2,...,q＝0,1,2,...,相應的(p+q)階中心矩定義為
其中
一階矩可用來描述區(qū)域的質心。由ηpq表示的歸一化中心矩定義為：
式中：
其中，p+q＝2,3,...。
區(qū)域對象的延伸方向(即長軸方向)可定義為
其幾何意義是與區(qū)域有相同的二階矩的橢圓長軸與x軸夾角。區(qū)域的長軸a與短軸b也同樣用此橢圓的長軸與短軸長度近似
將分割后得到的空間目標主體與部件分別擬合為與區(qū)域有相同二階矩的橢圓進行處理，利用式(3)計算各部件的質心，再通過(7)和(8)得到各部件的長短軸，利用橢圓面積公式計算其面積，即可得到所需的幾何特征參數(shù)。
所述的步驟S3.2具體為：利用目標衛(wèi)星各個表面及其顯著特征的幾何體的數(shù)目、子部件的面積及各部件之間的距離以及參照表面之間的連接性和相關性尺度不變特征進行幾何特征編碼，生成各姿態(tài)模型對應的特征檢索向量。
(a)利用式(3)計算各部件的質心；
(b)通過(7)和(8)得到各部件的長短軸；
(c)利用橢圓面積公式計算其面積，并將其作為對應區(qū)域面積；
(d)通過質心坐標計算得到各部件間的歐式距離；
(e)分別計算1-(dij/dmax)2與ai/amax，得到特征檢索矩陣M，其中dij代表部件i與部件j之間的歐式距離，dmax代表所有部件間歐式距離最大值；ai代表部件i的區(qū)域面積，amax代表所有部件中區(qū)域面積最大值。
(f)計算矩陣M的特征向量，該向量即為對應空間目標姿態(tài)的檢索向量
所述的步驟S3.3具體為：根據(jù)目標自身的結構特點，在目標各個表面選取具有代表性的特征，，例如圓、輪廓、典型結構上的角點構建局部特征數(shù)據(jù)庫，使數(shù)據(jù)庫里的每個姿態(tài)對應一唯一的數(shù)值檢索。
所述的步驟S3.4具體為：目標上最為顯著的特征檢測結果作為特征匹配的初始條件，確定目標在視場中可視的表面編碼，并以此為初始狀態(tài)，開始進行特征匹配，比較觀測圖像提取的特征檢索與數(shù)據(jù)庫里的各個模型的檢索值，并采用特征跟蹤法實現(xiàn)旋轉目標實時二維圖像特征與三維目標特征的連續(xù)跟蹤匹配。
位姿解算單元根據(jù)不同時刻提取的不同特征分別采取圓和消失點位姿解算，圓和特征點位姿解算，消失點和特征點位姿解算，及特征點位姿解算四種位姿解算方案完成慢旋非合作目標的相對測量。
考慮到圖像幀間特征位置變化較小，采用擴展卡爾曼濾波(EKF)即可實現(xiàn)特征點跟蹤；
對于橢圓特征跟蹤，可以通過對橢圓圓心位置的跟蹤來實現(xiàn)，根據(jù)運動預測的結果，將后一幀橢圓的檢測范圍限定在圓心位置估計值的鄰域內，以排除其它噪聲對橢圓檢測的干擾；
對于直線特征的跟蹤，可以將圖像平面上檢測到的輪廓直線進行Hough變換，將其映射為Hough空間的一個點，使用上述關于點跟蹤的方法對Hough空間中的點進行跟蹤，從而達到對直線特征的跟蹤。
特征跟蹤不僅可以實現(xiàn)二維圖像特征與三維目標模型的持續(xù)匹配過程，同時也為提高橢圓、角點以及直線等幾何特征檢測的精度和效率提供可靠保證。
所述步驟S4特征匹配以目標上最為顯著的特征檢測結果作為特征匹配的初始條件，確定目標在視場中可視的表面編碼，并以此為初始狀態(tài)，開始進行特征匹配。通過比較觀測圖像提取的特征檢索與數(shù)據(jù)庫里的各個模型的檢索值，通過簡單的最小距離或相關系數(shù)得出模型之間的相似程度，并按相似性度大小返回檢索結果確定最佳匹配，得到初始的位姿對應關系,并采用特征跟蹤法實現(xiàn)旋轉目標實時二維圖像特征與三維目標特征的連續(xù)跟蹤匹配。
其中特征匹配選用歐氏距離度量作為相似性匹配的度量方法，特征向量間歐氏距離最小的模型姿態(tài)即視為得到的最佳姿態(tài)估計結果。設任意兩個三維模型的特征向量分別為X＝(x1,x2,...,xn)，則這三種距離度量可分別表達為：
在檢索過程中，可以通過對不同特征賦予大小不同的權值以根據(jù)反映情況對結果施加影響，加權的歐式距離度量還可以由下式表達：
其中，ωi為不同特征的權值。
所述的位姿解算模塊單元結合目標自身結構和尺寸，追蹤星上視覺敏感器相關參數(shù)，目標星與追蹤星之間的相對距離及當前時刻敏感器獲取的旋轉目標表面特征分別采取圓和消失點位姿解算，圓和特征點位姿解算，消失點和特征點位姿解算及特征點位姿解算四種位姿解算方案完成慢旋非合作目標的相對測量。
綜上所述，本發(fā)明一種基于單目視覺的慢旋非合作目標相對測量系統(tǒng)和方法，解決了逼近過程中追蹤星與慢旋運動的目標星之間相對位置和姿態(tài)的測量，具有實時性好、魯棒性強及測量精度高等優(yōu)點，為后續(xù)空間在軌操控任務的順利實施提供位姿信息支持。
盡管本發(fā)明的內容已經(jīng)通過上述優(yōu)選實施例作了詳細介紹，但應當認識到上述的描述不應被認為是對本發(fā)明的限制。在本領域技術人員閱讀了上述內容后，對于本發(fā)明的多種修改和替代都將是顯而易見的。因此，本發(fā)明的保護范圍應由所附的權利要求來限定。