基于计算机视觉的大型柔性结构振动模态辨识方法与试验装置制造方法及图纸

本发明专利技术提供了一种基于计算机视觉的大型柔性结构振动模态辨识方法与试验装置，属于仿真测试技术领域。本发明专利技术方法步骤如下：相机建模与标定；采集图像；图像预处理；合作靶标轮廓提取；合作靶标质心计算；合作靶标星体坐标解算；合作靶标星体坐标转换；卡尔曼滤波处理；频谱分析。本发明专利技术相较于传统振动测量方法与装置具有非接触式、高精度、低辨识误差、易部署等特点，不仅能够在全局范围下进行多点测量，还能够在降低在轨设备复杂度的前提下实现柔性附件振动位移的高精度测量。件振动位移的高精度测量。件振动位移的高精度测量。

【技术实现步骤摘要】
基于计算机视觉的大型柔性结构振动模态辨识方法与试验装置


[0001]本专利技术涉及一种基于计算机视觉的大型柔性结构振动模态辨识方法与试验装置，属于仿真测试


技术介绍

[0002]随着航天技术的发展，空间卫星的结构日趋复杂，其结构逐渐呈现出携带轻质与大尺寸柔性附件的特点。大型柔性附件结构具有质量轻、阻尼低和振动频率小的特点，容易受到飞轮、推动器等力矩输出部件的干扰从而产生长时间、低频率的振动，不仅会对卫星的姿态指向精度产生影响，而且严重影响器件的使用寿命。因此如何抑制大型柔性附件的挠性振动至关重要，而挠性模态的参数测量与辨识方法是挠性抑制技术的关键。
[0003]针对大型柔性附件的振动测量方法，按测量手段可分为接触式测量技术与非接触式测量技术，接触式测量技术使用安装在附件上的传感器来获得其振动位移信息，但会影响轻质挠性附件的质量分布，改变其动力学特性，因此测量误差较大，不适合轻质大型柔性附件的振动测量。非接触式测量技术使用光学技术间接测量附件的振动位移信息，其不仅能够在全局范围下进行多点测量，还能够在降低在轨设备复杂度的前提下实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的大型柔性结构振动模态辨识方法，其特征在于，包括以下步骤：步骤一：相机建模与标定分析相机的成像过程，通过相机标定获得相机内外参数矩阵，在不考虑相机镜头畸变的前提下，建立单目相机针孔成像模型；根据针孔成像模型中的相似三角形理论，可以得到像平面坐标系和相机坐标系之间的对应关系：其中，(x,y,1)
T
为空间物点P在像平面中的齐次坐标，(X
c
,Y
c
,Z
c
,1)
T
为空间物点P在相机坐标中的齐次坐标，f为相机镜头的焦距；由于相机坐标系与世界坐标系之间满足刚体变换定律，故有如下对应关系：其中，(X
w
,Y
w
,Z
w
,1)
T
为空间物点P在世界坐标系下的齐次坐标，R和T分别是世界坐标系到相机坐标系的旋转矩阵和平移矢量；由于像素坐标系与像平面坐标系之间满足等比缩放关系，且其零点有一固定偏移量，故有如下对应关系：其中，(u,v,1)
T
为空间物点P在像素坐标系下的齐次坐标，dx和dy分别是横向和纵向的缩放系数，u0和v0分别是零点在横向和纵向的偏移量；综合以上关系式，可以得到如下所示相机针孔成像模型：在上式中，令：
则有：其中，M1、M2分别为相机的内部参数矩阵和外部参数矩阵，其可使用张氏标定法，由相机标定获得，作为先验条件构建单目相机针孔成像模型；步骤二：采集图像通过工业相机实时高速采集得到包含挠性桁架上合作靶标的图像，并通过图像采集卡将图像传递给测量PC机，使用测量PC机进行后续图像处理及坐标解算工作；步骤三：图像预处理图像预处理操作包括设定目标区域、图像滤波、颜色识别二值化和形态学处理，通过图像预处理流程能够滤除图像中大部分干扰噪声信息，并且能够从图像中提取出含有特征靶标的前景图像信息；设定目标区域：由于柔性附件和合作靶标仅占图像的小部分区域，图像中大部分为冗余的环境信息，所以对整幅图片的所有像素点进行逐一处理是没有必要的，因此首先对采集图片设定合适的固定目标区域，使得随着柔性附件振动，其上所有的合作靶标均稳定在图像中该区域内；图像滤波：图像滤波的目的是滤除图像中的噪声信息，减少图像中的环境光源干扰，并且使得像素变化更加平滑；本方法选用高斯滤波，其原理为对每一个像素点使用高斯模板做卷积，即取周围n个领域的像素值加高斯权，结果为像素点的新像素值；高斯滤波的数学公式表达如式所示：公式表达如式所示：颜色识别二值化：颜色识别二值化的目的是提取出包含特征靶标的前景图像信息，将图像中的前景信息与背景信息区分出来；其原理是，首先根据HSV颜色空间得到特征靶标颜色的HSV空间取值范围，即对应红色的HSV颜色空间，定义范围集合
其中，h，s，v分别对应像素点的色调，饱和度和明度，而H
min
和H
max
分别代表色调取值的下限和上限，S
min
和S
max
分别代表饱和度的取值的下限和上限，V
min
和V
max
分别代表明度取值的下限和上限；将图像中每个像素的HSV三通道值与上述范围集合进行比较，根据比较的结果判断该点像素为前景点或背景点，具体公式如下：其中，为上述定义的范围集合，I
Binary
为二值化图像的灰度取值，可取0或1，0为白色，1为黑色，I
hsv
为当前像素点处的hsv三通道取值；形态学处理：形态学处理主要为腐蚀和膨胀操作，通过形态学处理可以将上述得到的二值化图像中的孤立噪声点消除，并使得提取特征更加显著，便于之后对标志点的提取；形态学处理的原理是使用特定核与图像做卷积操作，得到每个像素点的新值；形态学腐蚀的作用为扩展图像中的黑色部分，其具体计算公式如下所示：形态学膨胀的作用为扩张图像中的白色部分，其具体计算公式如下所示：其中，(x,y)为图像上的像素点，(x',y')为核上的像素点，dst(x,y)为像素点(x,y)处的计算值，src(x,y)为像素点(x,y)处的原始值；步骤四：合作靶标轮廓提取上述经过图像预处理的二值化图像只包含测量合作靶标的前景信息，需要提取分离出每个合作靶标的轮廓信息，以便后续解算靶标的质心位置；使用Canny边缘检测算法提取出每个合作靶标的边缘信息，Canny边缘检测算法主要由以下几部分组成：高斯滤波，梯度计算，非极大值抑制和边缘连接；使用如下式的二维高斯核对图像进行滤波，去除图像中噪声干扰；其次计算图像灰度值梯度的幅值及方向，canny算法中采用的卷积算子如下式所示：使用该算子对图像做卷积，得到各像素点的梯度信息，幅值越大的点其灰度变化越剧烈，更可能是图像中的边缘点；对于图像中所有可能的边缘点，通过非极大值抑制得到局部边缘点，其主要过程为：寻找每个点在梯度方向上的最大值，其为局部极值，将非局部极值点标记为0，以此规则循环
图像中每一个像素点；最后将检测得到的边缘点连接成一个闭合轮廓，首先通过一个高阈值得到一个边缘图像，但此时边缘点可能并不闭合，所以进一步在该边缘图像的端点进行低阈值寻找，直至整个边缘轮廓闭合，得到图像中的闭合轮廓信息；步骤五：合作靶标质心计算对于上述提取到的合作靶标轮廓点信息，使用基于边缘曲线拟合的亚像素定位方法进行特征靶标质心定位，由于特征靶标为圆形，故预设拟合曲线L和偏差函数Q分别为：L:x2+y2+ax+by+c＝0其中，a,b,c为二次拟合曲线L的待定参数，其拟合解为偏差函数Q取极小值时的一组空间向量；根据最小二乘法原理对拟合曲线参数进行最优化求解，令Q(a,b,c)分别对a,b,c求偏导并等于0，构成如下方程组：通过解上述方程组得到最小值点，最终得到拟合曲线最优估计参数，即特征靶标质心的亚像素坐标(x0,y0)；步骤六：合作靶标星体坐标解算通过上述图像预处理算法和合作靶标质心提取算法，获得了多个合作靶标在图像中的中心位置信息，但由于本系统中相机会随着单轴气浮平台转动，其成像坐标系不固定，不能直接从图像的靶标位置信息中直接进行模态振动辨识，因此需要预先将质心的图像坐标转换并统一至静坐标系下，再对振动位移曲线进行频谱分析以辨识其振动模态参数；将单轴气浮平台与挠性桁架的刚性连接端作为坐标原点，并以连接端的切向和法向分别作为x轴和y轴建立星体坐标系，该星体坐标系随着单轴气浮平台转动，又因为工业相机通过支架固连于单轴气浮平台，所以该星体坐标系与相机满足刚性变换关系，故将其作为相机标定中的世界坐标系；则根据单目相机成像模型，可以由上述提取得到的合作靶标质心解算得到其星体坐标，具体如下：由上述所建立的单目相机针孔成像模型，有下式成立：P
p
＝M1P
n
其中，P
p
、P
n
分别为特征靶标质心在图像坐标系...

【专利技术属性】
技术研发人员：夏红伟，解源，李莉，马广程，安昊，考永贵，马长波，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：