一种基于立体视觉的空间非合作目标位姿测量方法技术

本发明专利技术公开了一种基于立体视觉的空间非合作目标位姿测量方法，无需任何辅助测量工具，也无需知道目标的几何尺寸，直接识别非合作目标自身的固有特征实现对目标位置姿态参数的测量；采用“自适应平滑滤波+Wallis滤波”的图像预处理框架，解决空间复杂环境造成的图像退化问题，提高非合作目标识别与特征提取精度；采用一种基于空间几何约束的特征匹配算法，将像平面内的极线约束推广到空间，在完成特征匹配的同时直接获取其三维信息，降低图像处理算法的复杂度。

Space non cooperative target pose measurement method based on stereo vision

The invention discloses a non cooperative target pose measurement method based on stereo vision space, without any tool, there is no need to know the size of target, the inherent characteristics of direct identification of non cooperative target to achieve their own measurement of target position and attitude parameters; using \image preprocessing framework +Wallis adaptive filter smoothing filter, to solve the complex space environment caused by the image degradation problems, improve the non cooperative target recognition and feature extraction accuracy; using a constraint based on geometric feature matching algorithm, as extended epipolar constraint plane to space, direct access to the three-dimensional information in feature matching at the same time, reduce the complexity of image processing algorithm.

【技术实现步骤摘要】
一种基于立体视觉的空间非合作目标位姿测量方法
本专利技术属于空间在轨服务
，具体涉及一种基于立体视觉的空间非合作目标位姿测量方法。
技术介绍
近年来，人类航天活动不断增加，每年发射的航天器也越来越多。随着时间的消逝，众多航天器中就会产生一些废弃航天器、故障航天器以及空间碎片等，从而影响其他航天器的安全；另外，空间中一些特殊轨道资源是有限的，如地球静止轨道GEO，一旦航天器出现故障或报废，不仅会造成经济损失，同时还会占用相应的轨道资源。因此，以航天器在轨维护、废弃航天器清理、空间攻防等为目的的空间在轨服务技术已成为航天领域的重点研究方向。根据在轨服务的目标能否提供有效的合作信息，空间在轨服务技术分为合作目标在轨服务和非合作目标在轨服务两类。目前，国内外对非合作目标还没有统一的定义。总结目前在研的空间非合作目标，其非合作特性的表征和程度有所不同，但大都具有以下特点：1)无法利用星间链路来直接传输其位置和姿态信息；2)没有安装用于辅助测量的合作光学标志器和特征块等；3)运动状态、空间结构等信息完全未知或部分未知。从目前的航天技术发展情况来看，空间合作目标的在轨服务技术已相对成熟，并已成功应用于一些航天器在轨维护项目，如日本的ETS-VII、美国的“轨道快车”等；而空间非合作目标的在轨服务技术还不是很成熟，现在还没有国家能够实现空间非合作目标在轨服务的演示验证。非合作目标在轨服务是一项十分艰巨的任务，摆在面前的难点是如何在目标运动情况和空间结构未知的情况下精确获取其位置和姿态信息。国内外学者针对非合作目标位姿测量问题展开了大量研究，当前主要的非合作目标位姿测量手段有微波雷达测量、激光雷达测量以及光学成像测量等。与其他几种方法比较，基于视觉的光学成像测量以其体积小、质量低、寿命长和稳定性好等优点，已成为逼近阶段非合作目标位姿获取的重要途径。然而，基于视觉的非合作目标位姿测量仍然面临以下问题：1)空间环境比较复杂，获取的非合作目标图像存在一定程度的退化，影响目标识别及特征提取精度。2)图像处理算法复杂度较高，影响算法实时性。
技术实现思路
有鉴于此，本专利技术的目的是提供一种基于立体视觉的空间非合作目标位姿测量方法，以有效解决空间复杂环境造成的图像退化问题以及降低图像处理算法的复杂度，实现空间非合作目标位姿的高精度高效测量。本专利技术的一种基于立体视觉的空间非合作目标位姿测量方法，采用两个摄像机对空间非合作目标进行拍摄，将两个摄像机分别定义为左摄像机和右摄像机，获得的目标图像分别定义为左图像和右图像，包括如下步骤：步骤1、对左图像和右图像分别进行预处理，以减少噪声干扰，增强图像特征信息；步骤2、对其中左图像进行目标特征识别，得到左图像中的特征点；步骤3、立体匹配与三维重构，具体为：S301、针对左图像中的任意一个特征点，定义为pl，连接pl与左摄像机的光心O，得到光线在该光线上找到特征点pl在空间中对应的物点，定义为空间点P0；并得到该空间点在世界坐标系XwYwZw中的三维坐标空间三维坐标P0(x0,y0,z0)，再假设空间点P0的Zw轴坐标值容差为Δz，在光线上取Zw轴坐标分别为(z0-Δz)和(z0+Δz)的两个空间点Pmin和Pmax；S302、在左图像中，选取以特征点pl为中心的窗口W；在线段上任意选择一个空间点，作为参照空间点，将窗口W投影到右图像上，获得pl在右图像中的相应的匹配窗口；获得窗口W和对应的匹配窗口之间的相关系数NCC，如下式所示：其中，m×n表示窗口W的大小，s为位于左图像的窗口W中的像点，s(zw)为右图像中相应匹配窗口中的像点；Il和Ir分别表示左图像和右图像中像点的灰度；表示窗口W中的像点的平均灰度值，表示窗口W的匹配窗口内像点的平均灰度值；S303、按照S302的方法，遍历线段上所有空间点，将每一个空间点分别作为参照空间点，在右图像中分别找到窗口W的匹配窗口，并分别计算相关系数NCC，则相关系数NCC最大时对应的空间点即为特征点pl的匹配点，同时获得特征点pl对应的空间点的空间三维坐标；步骤4、位姿参数解算，具体为：S401、在左图像中提取的所有目标特征点中任意选取三个不共线的目标特征点，分别定义为P1,P2,P3；S402、建立目标坐标系，取P1为目标坐标系的原点，为目标坐标系的y轴方向，特征点P1,P2,P3所在平面的法向量为目标坐标系的z轴方向，根据右手定则确定目标坐标系的x轴方向；S403、根据步骤S301的方法得到目标特征点P1,P2,P3在世界坐标系中的三维坐标后，则获得目标坐标系与世界坐标系之间的旋转矩阵R与平移向量T；S404、姿态欧拉角通过旋转矩阵R求出，相对位置由平移向量T给出；由此，得到非合作目标的位置和姿态。所述图像预处理包括进行自适应平滑滤波与Wallis滤波，其中，自适应平滑滤波算法为迭代算法，设迭代次数为T，则基本迭代步骤为：(a)以图像I中各像点I(x,y)为中心分别确定窗口Q，计算像点I(x,y)的梯度：(b)计算窗口权系数w(x,y)：其中，k为平滑参数，取值为：k2＝E(I(x,y)-E(I(x,y)))2；(c)根据以下公式对图像中的像点灰度值进行更新；(d)根据步骤(c)中更新后的图像I的像点灰度值，采用步骤(a)和(b)的方法，得到梯度和窗口权系数，再利用步骤(c)的方法再次对图像中的像点灰度值进行更新，反复执行步骤(a)、(b)和(c)，直到迭代次数满足要求。目标特征识别的方法为：利用Canny算法对目标边缘信息进行提取，然后利用Hough变换与最小二乘拟合算法提取目标直线特征和椭圆边界特征，最终结合提取的直线特征与椭圆边界特征实现对目标特征的识别。本专利技术具有如下有益效果：(1)本专利技术无需任何辅助测量工具，也无需知道目标的几何尺寸，直接识别非合作目标自身的固有特征实现对目标位置姿态参数的测量；(2)采用“自适应平滑滤波+Wallis滤波”的图像预处理框架，解决空间复杂环境造成的图像退化问题，提高非合作目标识别与特征提取精度；(3)采用一种基于空间几何约束的特征匹配算法，将像平面内的极线约束推广到空间，在完成特征匹配的同时直接获取其三维信息，降低图像处理算法的复杂度。附图说明图1为本专利技术基于立体视觉的空间非合作目标位姿测量流程图；图2为空间几何约束示意图；图3为双目立体视觉特征三维重构原理图；图4为本专利技术基于空间几何约束的图像特征匹配图。图5为本专利技术的目标坐标系与世界坐标系相互关系示意图。具体实施方式下面结合附图并举实施例，对本专利技术进行详细描述。基于立体视觉的空间非合作目标位姿测量方法，对左、右摄像机同步采集到的图像进行处理，并计算非合作目标的相对位置姿态参数，主要步骤如下：步骤1、图像预处理：分别对左、右摄像机图像进行自适应平滑滤波与Wallis滤波，以减少噪声干扰，增强图像特征信息。自适应平滑滤波算法为迭代算法，设迭代次数为T，则基本迭代步骤为：(a)以影像I中各像点I(x,y)为中心分别确定窗口Q，计算像点I(x,y)的梯度，如下式所示：(b)计算窗口权系数w(x,y)其中，k为平滑参数，k的大小决定了平滑过程中图像细节的保留程度。如果k的取值过大，则图像中的各个边缘也将被平滑掉，这将和传统的加权平均平滑算法没有什么区别；如果本文档来自技高网...

【技术保护点】
一种基于立体视觉的空间非合作目标位姿测量方法，采用两个摄像机对空间非合作目标进行拍摄，将两个摄像机分别定义为左摄像机和右摄像机，获得的目标图像分别定义为左图像和右图像，其特征在于，包括如下步骤：步骤1、对左图像和右图像分别进行预处理，以减少噪声干扰，增强图像特征信息；步骤2、对其中左图像进行目标特征识别，得到左图像中的特征点；步骤3、立体匹配与三维重构，具体为：S301、针对左图像中的任意一个特征点，定义为p

【技术特征摘要】
1.一种基于立体视觉的空间非合作目标位姿测量方法，采用两个摄像机对空间非合作目标进行拍摄，将两个摄像机分别定义为左摄像机和右摄像机，获得的目标图像分别定义为左图像和右图像，其特征在于，包括如下步骤：步骤1、对左图像和右图像分别进行预处理，以减少噪声干扰，增强图像特征信息；步骤2、对其中左图像进行目标特征识别，得到左图像中的特征点；步骤3、立体匹配与三维重构，具体为：S301、针对左图像中的任意一个特征点，定义为pl，连接pl与左摄像机的光心O，得到光线在该光线上找到特征点pl在空间中对应的物点，定义为空间点P0；并得到该空间点在世界坐标系XwYwZw中的三维坐标空间三维坐标P0(x0,y0,z0)，再假设空间点P0的Zw轴坐标值容差为Δz，在光线上取Zw轴坐标分别为(z0-Δz)和(z0+Δz)的两个空间点Pmin和Pmax；S302、在左图像中，选取以特征点pl为中心的窗口W；在线段上任意选择一个空间点，作为参照空间点，将窗口W投影到右图像上，获得pl在右图像中的相应的匹配窗口；获得窗口W和对应的匹配窗口之间的相关系数NCC，如下式所示：其中，m×n表示窗口W的大小，s为位于左图像的窗口W中的像点，s(zw)为右图像中相应匹配窗口中的像点；Il和Ir分别表示左图像和右图像中像点的灰度；表示窗口W中的像点的平均灰度值，表示窗口W的匹配窗口内像点的平均灰度值；S303、按照S302的方法，遍历线段上所有空间点，将每一个空间点分别作为参照空间点，在右图像中分别找到窗口W的匹配窗口，并分别计算相关系数NCC，则相关系数NCC最大时对应的空间点即为特征点pl的匹配点，同时获得特征点pl对应的空间点的空间三维坐标；步骤4、位姿参数解算，具体为：S401、在左图像中提取的所有目标特征点中任意选取三个不共线的目标特...

【专利技术属性】
技术研发人员：杨宁，赵爽，申景诗，张建德，郭春辉，石德乐，吴世臣，
申请(专利权)人：山东航天电子技术研究所，
类型：发明
国别省市：山东,37