一种用于光学自主导航的导航信息提取方法及系统技术方案

本发明专利技术涉及一种用于光学自主导航的导航信息提取方法及系统。所述导航信息提取方法包括下列步骤：S1.对天体目标图像进行边缘检测；S2.基于边缘检测结果进行天体纹理抑制；S3.使用最小二乘圆拟合法提取天体中心位置作为导航信息。本发明专利技术提供一种面向丰富纹理天体目标的中心位置信息提取方法，能解决纹理丰富天体目标图像处理过程中存在的晨昏线和纹理等伪边缘，适用于非完整天体目标图像，边缘检出率高，边缘连续性好，对于拍摄的小弧段天体目标也有很好的轮廓拟合效果。也有很好的轮廓拟合效果。也有很好的轮廓拟合效果。

【技术实现步骤摘要】
一种用于光学自主导航的导航信息提取方法及系统


[0001]本专利技术涉及自主光学导航
，尤其涉及一种面向丰富纹理天体目标和非完整天体图像的导航信息提取方法及系统。

技术介绍

[0002]航天器能够独立于地面基站和其他设备进行自主导航是深空探测的重要趋势，利用天体目标测得导航信息的光学导航技术是自主导航的重要组成部分。借助天体目标图像获取导航信息，最常见的是指利用导航相机获取天体中心位置，其工作原理是利用导航相机在某时刻拍摄的天体目标图像，先进行边缘提取，后对某些纹理丰富的天体目标图像进行纹理抑制，获取天体轮廓以拟合计算天体中心位置，从而完成导航信息的提取。随着深空探测的推进向深度和广度发展，许多面天体目标都可列为导航信息提取的对象。由于各天体目标表面纹理深刻程度不同，如某些天体其上存在陨石坑，环形火山口等丰富的纹理信息，部分天体还存在云层等干扰导航信息提取的天体特征，增加了纹理抑制的难度；同时在航天器探测过程的不同阶段，捕获图像包含全部清晰轮廓和部分天体目标弧段的情况，都直接影响导航信息提取的精度和成功率。传统导航信息提取方法不能完全抑制丰富纹理，或不能面向非完整天体弧段，这就对深空探测中光学敏感器导航信息提取算法提出了更高的要求。
[0003]如何克服上述现有技术方案的不足, 成为本
亟待解决的课题。

技术实现思路

[0004]为克服上述现有技术的不足，本专利技术提供了一种用于光学自主导航的导航信息提取方法、系统及计算机存储介质，具体采用如下技术方案。
[0005]一种用于光学自主导航的导航信息提取方法，所述方法包括下列步骤：S1.对天体目标图像进行边缘检测；S2.基于边缘检测结果进行天体纹理抑制；S3.使用最小二乘圆拟合法提取天体中心位置作为导航信息。
[0006]进一步，所述步骤S1包括：S11.使用高斯
‑
自适应中值滤波方式平滑图像；S12.对每一像素的梯度幅值与梯度方向进行计算S13.非极大值抑制；S14.改进阈值选取的弱边缘检测。
[0007]进一步，所述步骤S2包括：S21.基于边缘检测结果进行纹理去除；S22.丰富纹理抑制。
[0008]进一步，所述步骤S3包括：S31.定义圆的标准方程与一般方程的转换关系；
S32.定义性能指标函数；S33.引入最优化表达形式并求解最优拟合结果。
[0009]进一步，所述步骤S12具体包括根据如下公式对每一像素的梯度幅值与梯度方向进行计算：（1）式中，为天体图像横坐标，为天体图像纵坐标，为方向梯度，为方向梯度, 为梯度幅值，为梯度方向；进一步，所述步骤S14具体包括：获取两阈值与，有，小于阈值的图像部分为类，在阈值与之间的图像部分为类，大于阈值的图像部分为类；所述类、类、类的概率分别表示为：类的概率分别表示为：
ꢀꢀ
（2）式中，与为当前两阈值，为像素灰度级为的概率，为像素被分类到类的概率，为像素被分类到类的概率，为像素被分类到类的概率；所述类、类、类的平均灰度值为：类的平均灰度值为：
ꢀꢀꢀꢀꢀꢀ
（3）式中，为类的平均灰度值，为类的平均灰度值，为类的平均灰度值，为在类中像素灰度级为的概率，为在类中像素灰度级为的概率，为在类中像素灰度级为的概率；整幅图像的平均灰度值：（4）式中，为整幅图的平均灰度值；双阈值类间方差定义为：
ꢀꢀꢀꢀ
（5）式中，为整幅图的平均灰度值；取所述双阈值类间方差最大时的灰度等级与作为图像的最佳灰度阈值与，分别作为图像的低阈值和高阈值；将在高低阈值之间的像素标记为弱边缘，具体包括：确定双阈值后，将大于高阈值的像素标记为强边缘置1，将小于低阈值的像素标记为非边缘置0，将在高低阈值之间的像素标记为弱边缘也就是疑似边缘，从而进行弱边缘检测；抑制孤立的弱边缘，进行孤立性检测，具体包括：判断该像素周围八个像素是否与强边缘处于通一个连通域，若在同一连通域，则保留该点；若非同一连通域，则去除该点。
[0010]进一步，所述步骤S21具体包括：S211.提取所述步骤S1的边缘检测预处理结果；S212.对预处理图像提取骨架并去除小结构；S213.去除轨迹毛刺；S214.标记图像划分连通域。
[0011]进一步，所述步骤S22具体包括：S221.依次提取标记后的单个连通域；S222.滑动坐标计算切线夹角进行轨迹筛选；S223.计算轨迹曲率均值数列方差；S224.依据真实边缘轨迹曲率均值数列方差最小为判据，抑制纹理。
[0012]本专利技术还涉及一种采用如上所述导航信息提取方法的导航信息提取系统，所述导航信息提取系统包括：边缘检测模块，用于对天体目标图像进行边缘检测；
纹理抑制模块，用于基于边缘检测结果进行天体纹理抑制；导航信息模块，用于使用最小二乘圆拟合法提取天体中心位置作为导航信息。
[0013]本专利技术还涉及一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的导航信息提取方法。
[0014]本专利技术提供的技术方案的有益效果是：提供一种面向丰富纹理天体目标的中心位置信息提取方法，能解决纹理丰富天体目标图像处理过程中存在的晨昏线和纹理等伪边缘，适用于非完整天体目标图像，边缘检出率高，边缘连续性好，对于拍摄的小弧段天体目标也有很好的轮廓拟合效果。
附图说明
[0015]图1为本专利技术的示例天体图像及其三维灰度图。
[0016]图2为本专利技术用于光学自主导航的导航信息提取方法的流程图。
[0017]图3为本专利技术的示例天体目标灰度图原图及其边缘检测结果图。
[0018]图4为本专利技术基于边缘检测结果进行天体纹理抑制的流程图。
[0019]图5为本专利技术的索引与切线关系变换图。
[0020]图6为本专利技术的切线夹角变换图。
[0021]图7为本专利技术基于边缘检测结果进行天体纹理抑制的变换过程图。
[0022]图8为本专利技术与canny算子检测的仿真图像检测结果对比示意图。
[0023]图9为本专利技术与canny算子检测的导航信息提取对比示意图。
[0024]图10为本专利技术的边缘检测率示意图。
具体实施方式
[0025]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。
[0026]除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0027]本专利技术的具体实施例涉及一种用于光学自主导航的导航信息提取方法，针对深空探测捕获段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于光学自主导航的导航信息提取方法，其特征在于，所述方法包括下列步骤：S1.对天体目标图像进行边缘检测；S2.基于边缘检测结果进行天体纹理抑制；S3.使用最小二乘圆拟合法提取天体中心位置作为导航信息。2.根据权利要求1所述的用于光学自主导航的导航信息提取方法，其特征在于，所述步骤S1包括：S11.使用高斯
‑
自适应中值滤波方式平滑图像；S12.对每一像素的梯度幅值与梯度方向进行计算S13.非极大值抑制；S14.改进阈值选取的弱边缘检测。3.根据权利要求1所述的用于光学自主导航的导航信息提取方法，其特征在于，所述步骤S2包括：S21.基于边缘检测结果进行纹理去除；S22.丰富纹理抑制。4.根据权利要求1所述的用于光学自主导航的导航信息提取方法，其特征在于，所述步骤S3包括：S31.定义圆的标准方程与一般方程的转换关系；S32.定义性能指标函数；S33.引入最优化表达形式并求解最优拟合结果。5.根据权利要求2所述的用于光学自主导航的导航信息提取方法，其特征在于，所述步骤S12具体包括根据如下公式对每一像素的梯度幅值与梯度方向进行计算：（1）式中，为天体图像横坐标，为天体图像纵坐标，为方向梯度，为方向梯度, 为梯度幅值，为梯度方向。6.根据权利要求2所述的用于光学自主导航的导航信息提取方法，其特征在于，所述步骤S14具体包括：获取两阈值与，有，小于阈值的图像部分为类，在阈值与之间的图像部分为类，大于阈值的图像部分为类；所述类、类、类的概率分别表示为：
（2）式中，与为当前两阈值，为像素灰度级为的概率，为像素被分类到类的概率，为像素被分类到类的概率，为像素被分类到类的概率；所述类、类、类的平均灰度值为：类的平均灰度值为：类的平均灰度值为：（3）式中， 为类的平均灰度值，为类的平均灰度值，为类的平均灰度值，为在类中像素灰度级为的概率，为在类中像素灰度级...

【专利技术属性】
技术研发人员：李健，王毓，王刚毅，李伟，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：