一种基于多视场的空间目标几何约束辅助鲁棒检测方法技术

本申请提出了一种基于多视场的空间目标几何约束辅助鲁棒检测方法，涉及空间目标探测领域，包括：建立基于多视场的目标检测模型，根据目标检测模型提取多视场图像序列；基于多视场图像序列，提取二维点特征与线特征，并通过三焦点张量筛选和匹配计算相应的三维线集，根据三维线集估算平面集，计算相应的单应性矩阵，通过单应性矩阵进行点在图像间的映射，建立匹配关系；基于匹配关系，对候选点进行管理，获得成熟点，并计算GDOP加权因子，将成熟点与GDOP加权因子用于进行BA优化，计算优化结果；基于优化结果，确定目标的运动参数和三维重建结果。本申请能够克服点特征不足和相似度过高的问题，并进行精度高的3D重建。并进行精度高的3D重建。并进行精度高的3D重建。

【技术实现步骤摘要】
一种基于多视场的空间目标几何约束辅助鲁棒检测方法


[0001]本申请涉及空间目标探测领域，尤其涉及一种基于多视场的空间目标几何约束辅助鲁棒检测方法。

技术介绍

[0002]空间目标探测是一系列在轨操作的基础，包括目标跟踪、航天器维护和垃圾拦截。空间目标检测的主要任务是估计其三维几何和运动参数，这是当前研究中的一个普遍挑战。
[0003]基于光学摄像机的机器视觉由于提供了丰富的信息和高的检测精度而被广泛应用于目标检测，然而，空间目标检测的研究和应用大多基于单视场，这受到最先进技术的限制，对于空间目标(如卫星、碎片和小行星)，单视场探测通常会导致信息不足。借助分布式卫星系统(DSS)的长基线和同步工作能力，可以获得指定目标的多视场数据，从而大大提高精度和鲁棒性，实现长期检测、跟踪、重建和识别。
[0004]然而，空间应用中的特征匹配有两个问题。首先，考虑到不同探测航天器的视角变化很大，变化中的模式很大，并且特征很难精确匹配，第二，目标图案总是简单或重复的(例如太阳能阵列板)。

技术实现思路

[0005]针对上述问题，提出了一种基于多视场的空间目标几何约束辅助鲁棒检测方法，该方法包括：
[0006]建立基于多视场的目标检测模型，根据所述目标检测模型提取多视场图像序列；
[0007]基于所述多视场图像序列，提取二维点特征与线特征，并通过三焦点张量筛选和匹配计算相应的三维线集，根据所述三维线集估算平面集，计算相应的单应性矩阵，通过所述单应性矩阵进行点在图像间的映射，建立匹配关系；
[0008]基于所述匹配关系，对候选点进行管理，获得成熟点，并计算GDOP加权因子，将所述成熟点与所述GDOP加权因子用于进行BA优化，计算优化结果；
[0009]基于所述优化结果，确定目标的运动参数和三维重建结果。
[0010]可选的，所述建立基于多视场的目标检测模型，包括：
[0011]若相机坐标系定义为{S}，目标坐标系定义{G}，则相机成像模型为
[0012][0013]其中是特征点的相机框架光轴坐标，是第k个特征点的像素坐标，与分别是{G}和{S}中第k个特征点的3D坐标，是{G}和{S}之间的转换矩阵，是从原点{G}到原点{S}的位置矢量，M是固有参数矩阵；
[0014]在所述相机成像模型的基础中，建立所述基于多视场的目标检测模型，其中，每个卫星上的相机坐标系定义为{S
i
},i＝1,2,...,n，其原点为O
i
。
[0015]可选的，所述基于所述多视场图像序列，提取二维点特征与线特征，并通过三焦点张量筛选和匹配计算相应的三维线集，根据所述三维线集估算平面集，计算相应的单应性矩阵，通过所述单应性矩阵进行点在图像间的映射，建立匹配关系，包括：
[0016]从一个相机中提取LSD线特征和点特征后，使用最小二乘法查找包含大多数线的平面，并在另一台相机中使用特征点匹配线，并使用RANSAC法查找平面并消除错误的匹配关系，其中，匹配线条位于同一平面内，线和点分别为和
[0017]基于三焦点张量约束筛选和匹配2D线特征，其中，若2D线特征满足公式(2)，则所述三维线集{L
k
}表示为所述公式(2)为：
[0018][0019]其中，ε是阈值，T＝[T1，T2，T3]是三焦点张量；
[0020]若3D线表示为方向向量L＝(x,y,z)和线中的点P＝(x0,y0,z0)。若直线L在平面内M，则当两条线确定一个平面时，基于线集的随机样本一致法确定可能的平面方程{L
k
}，其中，所述估计平面集用表示；
[0021]根据公式(3)从平面导出的单应性矩阵若满足单应性矩阵约束且点的特征描述符相似，则匹配点，所述公式(3)为：
[0022][0023]其中，是M平面的法向量，d是到平面的距离。
[0024]可选的，所述基于所述匹配关系，对候选点进行管理，获得成熟点，包括：
[0025]在计算候选特征点及其匹配点的投影误差时，如果误差逐渐收敛，则这些点成为检测和匹配的成熟点。
[0026]可选的，所述候选点的选择需要满足预设条件，所述预设条件包括：
[0027]均匀分布且尽量在梯度大地方选择候选点；
[0028]当观察到一个特征点时，另一个候选点将沿极线搜索。当摄像机中的两个点匹配时，最终候选基于完全的三焦点张量约束选择。
[0029]可选的，所述计算GDOP加权因子，将所述成熟点与所述GDOP加权因子用于进行BA优化，计算优化结果，包括:
[0030]将相机的连续q帧测量和不在公共视野区域内的点进行优化，状态向量定义如下：
[0031][0032]其中为在图像序列中检测到至少三次但不在公共视图区域中的l点的坐标；
[0033]测量向量为
[0034][0035]其中是点的测量，其中，
[0036]其中
[0037]若观察到该(m+j)th点，则相应的测量值为
[0038]通过权重公式(4)，获得其中，测量函数表示为：
[0039][0040]所述公式(4)为：
[0041][0042]通过边缘化δx
point
和δx
npoint
，获得所述优化结果δz
motion
＝H
motion
δx
motion
，其中，δx
point
和δx
npoint
通过数学模型获得。
[0043]可选的，所述数学模型，包括：
[0044]若在t时刻特征点在共视区域的总数是m，测量值定义为：
[0045][0046]其中，用于表示所有可见摄像机中第j个特征点的坐标；
[0047]将目标的位置姿态和点坐标视为状态向量，得到：
[0048][0049]其中向量是对应于矩阵的罗德里格斯变换；
[0050]根据所述相机成像模型，得到：
[0051][0052]其中，先验已知；
[0053]根据公式(5)、公式(6)与公式(7)，测量函数用z
t
＝f(x
t
)进行表示，所述测量函数的一阶展开式为：
[0054][0055]对矩阵进行分割，获得由此边缘化δx
point
，公式化为：
[0056][0057]本申请的实施例提供的技术方案至少带来以下有益效果：
[0058]假设目标由多个平面组成，2D线特征基于几何约束进行匹配，然后估计3D平面，基于从平面导出的单应矩阵来匹配多视场的不同图像的点特征从而估计3D特征点坐标和目标运动参数的初始值，实现三维重建结果，能够克服点特征不足和相似度过高的问题，并进行精度高的3D重建。
[0059]本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多视场的空间目标几何约束辅助鲁棒检测方法，其特征在于，包括：建立基于多视场的目标检测模型，根据所述目标检测模型提取多视场图像序列；基于所述多视场图像序列，提取二维点特征与线特征，并通过三焦点张量筛选和匹配计算相应的三维线集，根据所述三维线集估算平面集，计算相应的单应性矩阵，通过所述单应性矩阵进行点在图像间的映射，建立匹配关系；基于所述匹配关系，对候选点进行管理，获得成熟点，并计算GDOP加权因子，将所述成熟点与所述GDOP加权因子用于进行BA优化，计算优化结果；基于所述优化结果，确定目标的运动参数和三维重建结果。2.根据权利要求1所述的方法，其特征在于，所述建立基于多视场的目标检测模型，包括：若相机坐标系定义为{S}，目标坐标系定义{G}，则相机成像模型为其中是特征点的相机框架光轴坐标，是第k个特征点的像素坐标，与分别是{G}和{S}中第k个特征点的3D坐标，是{G}和{S}之间的转换矩阵，是从原点{G}到原点{S}的位置矢量，M是固有参数矩阵；在所述相机成像模型的基础中，建立所述基于多视场的目标检测模型，其中，每个卫星上的相机坐标系定义为{S
i
},i＝1,2,...,n，其原点为O
i
。3.根据权利要求2所述的方法，其特征在于，所述基于所述多视场图像序列，提取二维点特征与线特征，并通过三焦点张量筛选和匹配计算相应的三维线集，根据所述三维线集估算平面集，计算相应的单应性矩阵，通过所述单应性矩阵进行点在图像间的映射，建立匹配关系，包括：从一个相机中提取LSD线特征和点特征后，使用最小二乘法查找包含大多数线的平面，并在另一台相机中使用特征点匹配线，并使用RANSAC法查找平面并消除错误的匹配关系，其中，匹配线条位于同一平面内，线和点分别为和基于三焦点张量约束筛选和匹配2D线特征，其中，若2D线特征满足公式(2)，则所述三维线集{L
k
}表示为所述公式(2)为：其中，ε是阈值，T＝[T1，T2，T3]是三焦点张量；若3D线表示为方向向量L＝(x,y,z)和线中的点P＝(x0,y0,z0)。若直线L在平面内M，则当两条线确定一个平面时，基于线集的随机样本一致法确定可能的平面方程{L
k
}，其中，所述估计平面集用表示...

【专利技术属性】
技术研发人员：欧阳晨光，师帅，皮峻银，马林，
申请(专利权)人：北京清博华创测控技术有限公司，
类型：发明
国别省市：