一种基于关键点权重的空间目标相对位姿迭代估计方法及系统技术方案

本发明专利技术公开了一种基于关键点权重的空间目标相对位姿迭代估计方法及系统，涉及计算机视觉导航技术领域，用以解决现有方法对于空间目标的相对位姿估计精度不高且稳定性不高的问题。本发明专利技术的技术要点包括：获取包含空间目标的图像序列；提取图像序列中的关键点像素坐标；根据关键点像素坐标计算空间目标的初始形心位置区域；根据初始形心位置和关键点像素坐标，计算获取每个关键点的权重值；根据关键点的权重值及其与三维关键点的对应关系，加权迭代计算获取空间目标的相对位姿追踪结果。本发明专利技术可以更好的利用时域信息，提升位姿估计的稳定性，提升相对位姿估计精度。提升相对位姿估计精度。提升相对位姿估计精度。

【技术实现步骤摘要】
一种基于关键点权重的空间目标相对位姿迭代估计方法及系统


[0001]本专利技术涉及计算机视觉导航
，具体涉及一种基于关键点权重的空间目标相对位姿迭代估计方法及系统。

技术介绍

[0002]随着相机硬件的性能提升，计算机视觉作为机器人研发中重要的一部分也得到了飞速发展，利用其进行相对位姿导航也成为了相对常见的应用。由于空间目标运动具有更大的规律性，但是伴随着更苛刻的光照变化，更广泛的深度变化，因此地面常见的视觉方法并不能完美的移植。在轨非合作航天器的6D姿态追踪一直是通过多种视觉传感器结合的方式来处理，由于观测距离远，光照条件恶劣，所使用的传感器通常具备出色的性能。这其中，光学相机的能耗低，质量轻便使得学者们一直围绕其进行研究。单目相机通过频繁的拍摄可以获取大量图像，拍摄角度基本保证能全面拍摄到目标的各个角度。
[0003]由于空间目标的运动往往存在一定的规律，因此其上下文信息的应用可以为姿态的估计带来积极的影响，而恶劣的光照条件也导致序列图像中一些目标难以识别和提取特征，因此一些学者们选择引入一些时域优化方法来应对这种情况，常见的方法包括卡尔曼滤波，全局BA算法，回环检测算法等。虽然这些方法提升了姿态追踪的稳定性，但是此类方法大多直接对姿态进行修正，当目标运动复杂度较高，如包含进动章动、角速度过快等情况时，此类优化方法难以利用少量数据对目标运动规律进行分析，导致优化效果微弱。

技术实现思路

[0004]为此，本专利技术提出一种基于关键点权重的空间目标相对位姿迭代估计方法及系统，用以解决现有方法对于空间目标的相对位姿估计精度不高且稳定性不高的问题。
[0005]根据本专利技术的一方面，提供一种基于关键点权重的空间目标相对位姿迭代估计方法，该方法包括以下步骤：
[0006]步骤一、获取包含空间目标的图像序列；
[0007]步骤二、提取图像序列中的关键点像素坐标；
[0008]步骤三、根据关键点像素坐标计算空间目标的初始形心位置区域；
[0009]步骤四、根据初始形心位置和关键点像素坐标，计算获取每个关键点的权重值；
[0010]步骤五、根据关键点的权重值及其与三维关键点的对应关系，加权迭代计算获取空间目标的相对位姿追踪结果。
[0011]进一步地，步骤二的具体过程包括：根据图像像素位置及灰度变化提取目标的关键点，所述关键点包括目标外部边界框的角点；计算确定关键点像素坐标值。
[0012]进一步地，步骤三的具体过程包括：将关键点进行区域划分，划分出包含目标的多个角点区域；根据角点区域确定区域中心坐标；结合不同区域中心坐标及区域包含的点数，回归出多个关键点区域中心，进而估计出目标的初始形心位置区域。
[0013]进一步地，步骤四的具体过程包括：计算各个初始形心位置区域的关键点与其所在区域中心点的像素距离li；计算每个关键点与初始形心位置的像素距离dis；剔除li/dis大于预设阈值的点，将li/dis大于预设阈值所对应的点定义为外点；在初始筛选掉外点后，按照以下公式进一步估计权重值，计算得到每个关键点的权重值如下：
[0014][0015]其中，diameter为目标长方体边界框的外接球直径。
[0016]进一步地，步骤五的具体过程包括：设空间点三维坐标为设空间点三维坐标为P
i
[X
i
，Y
i
，Z
i
]T
，空间点在相机坐标系中的坐标为u
i
[u
i
，v
i
]T
；相邻帧的相机坐标系中3D点坐标有如下关系：
[0017][0018]s
i
u
i
＝KTP
i
[0019]式中，K表示相机的内参；T表示李群；[u
i
′
，v
i
′
]表示估计的[u
i
，v
i
]像素点位置坐标；s
i
表示尺度因子；
[0020]将3D点坐标重投影到二维平面上，投影点像素坐标和估计点像素坐标之间的差即为重投影误差；将重投影误差用作优化的误差函数，并将误差求和以构造最小二乘问题：
[0021][0022]式中，T
*
表示满足上式最小的T的值；n表示图像的数量；
[0023]使用李代数构建无约束的优化问题，在求解误差时，对T左乘扰动量δξ，然后考虑重投影误差e关于扰动量的导数，通过求解每个误差项对优化变量的导数，描述重投影误差相对于相机位姿李代数的一阶变化，得到雅可比矩阵如下：
[0024][0025]式中，e表示重投影误差函数；f
x
，f
y
来源于相机内参；[X
′
，Y
′
，Z
′
]表示三维点坐标；
[0026]通过牛顿
‑
高斯迭代，逐步迭代计算获得最优相机位姿。
[0027]根据本专利技术的另一方面，提供一种基于关键点权重的空间目标相对位姿迭代估计系统，该系统包括：
[0028]图像获取模块，其配置成获取包含空间目标的图像序列；
[0029]关键点提取模块，其配置成提取图像序列中的关键点像素坐标；
[0030]形心位置计算模块，其配置成根据关键点像素坐标计算空间目标的初始形心位置区域；
[0031]关键点权重计算模块，其配置成根据初始形心位置和关键点像素坐标，计算获取每个关键点的权重值；
[0032]位姿计算模块，其配置成根据关键点的权重值及其与三维关键点的对应关系，加权迭代计算获取空间目标的相对位姿追踪结果。
[0033]进一步地，所述关键点提取模块中提取图像序列中的关键点像素坐标的具体过程包括：根据图像像素位置及灰度变化提取目标的关键点，所述关键点包括目标外部边界框的角点；计算确定关键点像素坐标值。
[0034]进一步地，所述形心位置计算模块中计算空间目标的初始形心位置区域的具体过程包括：将关键点进行区域划分，划分出包含目标的多个角点区域；根据角点区域确定区域中心坐标；结合不同区域中心坐标及区域包含的点数，回归出多个关键点区域中心，进而估计出目标的初始形心位置区域。
[0035]进一步地，所述关键点权重计算模块中计算获取每个关键点的权重值的具体过程包括：计算各个初始形心位置区域的关键点与其所在区域中心点的像素距离li；计算每个关键点与初始形心位置的像素距离dis；剔除li/dis大于预设阈值的点，将li/dis大于预设阈值所对应的点定义为外点；在初始筛选掉外点后，按照以下公式进一步估计权重值，计算得到每个关键点的权重值如下：
[0036][0037]其中，diameter为目标长方体边界框的外接球直径。
[0038]进一步地，所述位姿计算模块中加权迭代计算获取空间目标的相对位姿追踪结果的具体过程包括：设空间点三维坐标为P<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键点权重的空间目标相对位姿迭代估计方法，其特征在于，包括以下步骤：步骤一、获取包含空间目标的图像序列；步骤二、提取图像序列中的关键点像素坐标；步骤三、根据关键点像素坐标计算空间目标的初始形心位置区域；步骤四、根据初始形心位置和关键点像素坐标，计算获取每个关键点的权重值；步骤五、根据关键点的权重值及其与三维关键点的对应关系，加权迭代计算获取空间目标的相对位姿追踪结果。2.根据权利要求1所述的一种基于关键点权重的空间目标相对位姿迭代估计方法，其特征在于，步骤二的具体过程包括：根据图像像素位置及灰度变化提取目标的关键点，所述关键点包括目标外部边界框的角点；计算确定关键点像素坐标值。3.根据权利要求1所述的一种基于关键点权重的空间目标相对位姿迭代估计方法，其特征在于，步骤三的具体过程包括：将关键点进行区域划分，划分出包含目标的多个角点区域；根据角点区域确定区域中心坐标；结合不同区域中心坐标及区域包含的点数，回归出多个关键点区域中心，进而估计出目标的初始形心位置区域。4.根据权利要求1所述的一种基于关键点权重的空间目标相对位姿迭代估计方法，其特征在于，步骤四的具体过程包括：计算各个初始形心位置区域的关键点与其所在区域中心点的像素距离li；计算每个关键点与初始形心位置的像素距离dis；剔除li/dis大于预设阈值的点，将li/dis大于预设阈值所对应的点定义为外点；在初始筛选掉外点后，按照以下公式进一步估计权重值，计算得到每个关键点的权重值如下：其中，diameter为目标长方体边界框的外接球直径。5.根据权利要求4所述的一种基于关键点权重的空间目标相对位姿迭代估计方法，其特征在于，步骤五的具体过程包括：设空间点三维坐标为P
i
[X
i
,Y
i
,Z
i
]
T
，空间点在相机坐标系中的坐标为u
i
[u
i
,v
i
]
T
；相邻帧的相机坐标系中3D点坐标有如下关系：s
i
u
i
＝KTP
i
式中，K表示相机的内参；T表示李群；[u
i
′
，v
i
']表示估计的[u
i
,v
i
]像素点位置坐标；s
i
表示尺度因子；将3D点坐标重投影到二维平面上，投影点像素坐标和估计点像素坐标之间的差即为重投影误差；将重投影误差e用作优化的误差函数，并将误差求和以构造最小二乘问题：
式中，T
*
表示满足上式最小的T的值；n表示图像的数量；使用李代数构建无约束的优化问题，在求解误差时，对T左乘扰动量δξ，然后考虑重投影误差e关于扰动量的导数，通过求解每个误差项对优化变量的导数，描述重投影误差相对于相机位姿李代数的一阶变化，得到雅可比矩阵如下：式中，e表示重投影误差函数；f
x
，f
y
来源于相机内参；[X',Y',Z']表示三维点坐标；通过牛顿
‑
高斯迭代，逐步迭代计算获得最优相机位姿。6.一种基于关键点权重的空间目标相对位姿迭代估计系统，其特征在于，包括：图像获取模块，其配置成获取包含空间目标的图像序列；关键点提取模块，...

【专利技术属性】
技术研发人员：张泽旭，苏宇，袁帅，袁萌萌，王艺诗，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：