專(zhuān)利名稱(chēng):自主交會(huì)對(duì)接中的視覺(jué)導(dǎo)航方法
技術(shù)領(lǐng)域:
本發(fā)明屬于圖像信息技術(shù)領(lǐng)域,具體的說(shuō)是一種輔助視覺(jué)的導(dǎo)航方法,對(duì)獲取的視頻進(jìn)行處理和分析,在遠(yuǎn)距離檢測(cè)并跟蹤目標(biāo),較近距離實(shí)現(xiàn)目標(biāo)的相對(duì)位置和姿態(tài)信 息的解算,用于航天器自主交會(huì)對(duì)接、逐漸接近過(guò)程的自主導(dǎo)航。
背景技術(shù):
航天器交會(huì)技術(shù)是指宇宙飛船、航天飛機(jī)這兩類(lèi)航天器在軌會(huì)合并在結(jié)構(gòu)上連成 一個(gè)整體的技術(shù)。太空交會(huì)對(duì)接是實(shí)現(xiàn)空間站、航天飛機(jī)、太空平臺(tái)和空間運(yùn)輸系統(tǒng)的太 空裝配、回收、補(bǔ)給、維修、航天員交換及營(yíng)救等在軌服務(wù)的先決條件。早期美國(guó)的“雙子星 座”,前蘇聯(lián)的“聯(lián)盟號(hào)”進(jìn)行的交會(huì)對(duì)接都是采取以人手動(dòng)操作為主、自動(dòng)操作為輔的方 式。隨著人類(lèi)探索、開(kāi)發(fā)和利用外層空間的深入,航天任務(wù)數(shù)量和種類(lèi)的日益增多,交會(huì)對(duì) 接技術(shù)日益發(fā)展。早期美國(guó)的“雙子星座”,前蘇聯(lián)的“聯(lián)盟號(hào)”進(jìn)行的交會(huì)對(duì)接都是采取以 人手動(dòng)操作為主,自動(dòng)操作為輔的方式。從60年代美蘇練過(guò)分別實(shí)現(xiàn)交會(huì)對(duì)接至今的近30 年內(nèi),世界上已進(jìn)行了 100多次航天器空間交會(huì)對(duì)接活動(dòng)。交會(huì)對(duì)接技術(shù)正逐步向自住交 會(huì)對(duì)接方向發(fā)展。1992年我國(guó)實(shí)施載人飛船航天工程開(kāi)始,2003年神舟五號(hào)成功將中國(guó)第 一位航天員送上太空,作為載人航天第二步戰(zhàn)略的空間交會(huì)對(duì)接關(guān)鍵技術(shù)的攻關(guān)已經(jīng)提上 了日程。所謂自主交會(huì)對(duì)接就是在無(wú)地面測(cè)控站的參與下靠航天器本身的測(cè)控系統(tǒng)完成 交會(huì)對(duì)接任務(wù)。自主交會(huì)對(duì)接是一個(gè)非常復(fù)雜的問(wèn)題。涉及信息自主獲取的測(cè)量技術(shù),智 能自主的控制技術(shù)和保證飛行狀態(tài)及避免故障的人工智能技術(shù)。自主交會(huì)對(duì)接控制建立于 相對(duì)信息自主測(cè)量的基礎(chǔ)上,航天器能夠不依靠地面站的參與,完全依靠星載計(jì)算機(jī)和星 載敏感器自行完成空間對(duì)接的任務(wù)要求,所以選擇理想的、可測(cè)量出相對(duì)位置和相對(duì)姿態(tài) 的敏感器非常重要。根據(jù)測(cè)量設(shè)備與測(cè)量目標(biāo)的關(guān)系,測(cè)量目標(biāo)分為合作目標(biāo)與非合作目 標(biāo)。從目前的發(fā)展?fàn)顩r看,合作目標(biāo)的自主交會(huì)對(duì)接技術(shù)發(fā)展已經(jīng)較為成熟,并成功用于空 間站的后勤補(bǔ)給、行星取樣返回任務(wù)等。對(duì)于非合作目標(biāo)的自主交會(huì)對(duì)接技術(shù),僅有很少的 研究成果。空間非合作目標(biāo)泛指一類(lèi)不能提供有效合作信息的空間物體,包括故障或失效 衛(wèi)星、空間碎片以及對(duì)方航天器等。許多空間任務(wù)涉及到非合作目標(biāo),比如空間救援、空間 碎片處理以及空間攔截等。在進(jìn)行自主對(duì)接的過(guò)程中,有效的測(cè)量敏感器包括(XD、交會(huì)雷達(dá)、GPS等,這些測(cè) 量敏感器的測(cè)量精度和測(cè)量范圍各不相同,而且由于遮擋、機(jī)構(gòu)特點(diǎn)和測(cè)量原理決定了這 些敏感器存在測(cè)量視場(chǎng)受限問(wèn)題。另外,在最后對(duì)接階段,需考慮到測(cè)量敏感器的盲區(qū),應(yīng) 從敏感器的安裝配置著手,保證不出現(xiàn)盲區(qū),且有很強(qiáng)的抗干擾能力。與合作目標(biāo)航天器交 會(huì)問(wèn)題不同,非合作目標(biāo)本身沒(méi)有配備目標(biāo)標(biāo)識(shí)器和交會(huì)敏感器,這就使得非合作目標(biāo)交 會(huì)問(wèn)題能夠得到的觀(guān)測(cè)信息通常是不完備和不精確的,因而對(duì)相對(duì)導(dǎo)航信息的高精度確定 造成困難。而精度不高的相對(duì)導(dǎo)航參數(shù)會(huì)直接導(dǎo)致交會(huì)控制精度的下降,從而影響到整個(gè) 交會(huì)任務(wù)的完成。所以獲得較為精確的相對(duì)導(dǎo)航信息是順利完成非合作目標(biāo)交會(huì)任務(wù)的關(guān)鍵環(huán)節(jié)。 計(jì)算機(jī)視覺(jué)使計(jì)算機(jī)具有通過(guò)二維圖像認(rèn)知三維環(huán)境信息的能力,使機(jī)器不僅能 感知三維環(huán)境中物體的幾何信息,包括它的形狀、位置、姿態(tài)、運(yùn)動(dòng)等,而且能對(duì)其進(jìn)行描 述、識(shí)別與理解。由于計(jì)算機(jī)視覺(jué)在相對(duì)位姿參數(shù)測(cè)量中具有重要作用,各航天大國(guó)都重 點(diǎn)立項(xiàng)進(jìn)行了自主視覺(jué)導(dǎo)航的相關(guān)技術(shù)研究。自主視覺(jué)導(dǎo)航是指運(yùn)動(dòng)器或機(jī)器人在沒(méi)有 地面人員或航天員的參與下進(jìn)行導(dǎo)航的方式;自主視覺(jué)導(dǎo)航技術(shù)是航行裝置利用圖像傳感 器獲取航向附近的物體信息,通過(guò)對(duì)視頻序列進(jìn)行目標(biāo)識(shí)別、跟蹤、分析等計(jì)算,可實(shí)現(xiàn)目 標(biāo)的檢測(cè)、跟蹤、三維位置姿態(tài)信息獲取,以供給主控制系統(tǒng)使用;國(guó)外很早就開(kāi)展了相關(guān) 研究,如美國(guó)XSS系列衛(wèi)星具有自主在軌檢查、交會(huì)對(duì)接、軌道監(jiān)視、以及圍繞軌道目標(biāo)近 距離機(jī)動(dòng)等能力° Thomas Μ. Davis, Major Tammy L. Baker, Timothy A. Belchak, William R. Larsen. XSS-10Micro2Satellite Flight Demonstration Program[C]. SSC03212IV21, 17th AnnualAIAA/USU Conference on Small Satellite. Utah, August 2003。美國(guó) AeroAstro公司提出的Escort微小衛(wèi)星能夠?qū)臻g目標(biāo)進(jìn)行在軌監(jiān)視、逼近等。Aaron Jacobovits, Thomasff. Vaneck.AeroAstro' s EscortA Microsatellite for 0n20rbit Inspection of Space Assets. [C]. SSC032IV27,17th Annual A IAA/USU Conference on Smal 1 Satellite. Utah, August2003。國(guó)內(nèi)這方面的研究很少,并且由于非合作目標(biāo)相對(duì)位 姿確定技術(shù)具有重要的軍事用途,因此其理論和技術(shù)的研究非常重要。國(guó)際上幾個(gè)航天大 國(guó)都是靠本國(guó)力量,花費(fèi)10年或者更長(zhǎng)時(shí)間才開(kāi)發(fā)出地面仿真系統(tǒng)。目前,以下幾種方法 有可能用于非合作目標(biāo)的特征識(shí)別與定位1)圖像匹配法。根據(jù)實(shí)際衛(wèi)星建立模型,再將采集的衛(wèi)星圖像與已有的模型進(jìn)行 EK, JaL Cropp A, Palmer P. Estimating known targetsatellite [J]. Electronics Letters, 2000, 36 (15) : 1331-1332。這種方法需要事先知道衛(wèi)星的形狀和尺 寸,并建立出模型,使其在未知情況下的可行性有所降低;2)圖像流法。利用單目視覺(jué)拍攝的多幅圖像來(lái)進(jìn)行位姿測(cè)量,見(jiàn)Tomasi C,Kanade T.Shape and motion from image streams under orthography :a factorizationmethod[J]. International Journal of Computer Vision,1992,9 (2) 137-154。這種方法需要一定的先驗(yàn)知識(shí),如衛(wèi)星的具體幾何尺寸或者比例大小。在求解位 置和姿態(tài)參數(shù)時(shí),往往要涉及到非線(xiàn)性方程組的求解,計(jì)算量大,且不易收斂。同時(shí)方程組 多解時(shí),對(duì)于解的判斷非常困難。3)多傳感器方法。例如,利用攝像機(jī)和超聲傳感器的信息融合來(lái)進(jìn)行位姿檢測(cè),見(jiàn) 丁希侖,解玉文,戰(zhàn)強(qiáng).基于多傳感器信息融合的物體位姿檢測(cè)方法[J].航空學(xué)報(bào),2002, 23 (5) :483-486。這種方法一次只能確定目標(biāo)物體一個(gè)點(diǎn)的位置,不能一步得到目標(biāo)物體的 位姿,實(shí)時(shí)性有待提到;而且真空環(huán)境不能傳遞聲波,因此,它只適用于地面機(jī)器人或者地 面演示實(shí)驗(yàn),不能應(yīng)用于太空環(huán)境。
發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)目前方法所遇到的問(wèn)題,提出了一種自主交會(huì)對(duì)接中的視 覺(jué)導(dǎo)航方法,以在目標(biāo)旋轉(zhuǎn)、縮放和平移的情況下,僅依靠目標(biāo)的幾何特征實(shí)現(xiàn)對(duì)目標(biāo)的魯 棒識(shí)別及跟蹤和目標(biāo)相對(duì)位姿的確定。
為實(shí)現(xiàn)上述目的,本發(fā)明包括如下步驟(1) 150m 50m的遠(yuǎn)距離目標(biāo)檢測(cè)及跟蹤步驟通過(guò)高分辨率相機(jī),獲取空間中的 弱小目標(biāo)圖像,進(jìn)行目標(biāo)特征識(shí)別,確認(rèn)目標(biāo);利用粒子濾波器有效跟蹤運(yùn)動(dòng)目標(biāo)并估計(jì)目 標(biāo)的大致方位及速度;(2) 50m 2m的較近距離全局位姿測(cè)量步驟通過(guò)雙目攝像機(jī)標(biāo)定獲取左右攝像 機(jī)的內(nèi)參數(shù)矩陣M11, Mrl,外參數(shù)矩陣Mrl,Mr2和投影矩陣M1, Mr ;結(jié)合上述得到的大致方位 及速度信息,開(kāi)啟雙目攝像機(jī)獲取目標(biāo)的雙目立體圖像對(duì),左攝像機(jī)采集到的圖像為I1U, y),右攝像機(jī)采集到的圖像為Ir(x,y),以采集到的左圖像Ii(x,y)為主圖像,對(duì)左圖像進(jìn)行 圖像預(yù)處理和Harris特征提取,得到左圖像中目標(biāo)的特征點(diǎn)U= [uxuy]T,并在右圖像Ijx, y)中進(jìn)行快速立體匹配,得到特征點(diǎn)在右圖像中的坐標(biāo);根據(jù)雙目攝像機(jī)參數(shù)和目標(biāo)特征 點(diǎn)在左右圖像中的坐標(biāo)進(jìn)行三維重建,并由三維點(diǎn)坐標(biāo)進(jìn)行姿態(tài)解算,得到目標(biāo)的總體位 姿信息;
(3) 2m 0. 6m的近距離目標(biāo)的測(cè)量步驟利用Hough變換提取交會(huì)特征,對(duì)具有 明顯交會(huì)特征的目標(biāo)區(qū)域進(jìn)行定位;根據(jù)可見(jiàn)光成像探測(cè)器得到的立體圖像信息,采用上 述姿態(tài)解算方法得到目標(biāo)區(qū)域的位姿信息,并結(jié)合上述總體位姿信息對(duì)安裝有測(cè)量裝置的 本體指向進(jìn)行調(diào)整,做好交會(huì)準(zhǔn)備;(4)0. 6m 0. 2m的極近距離目標(biāo)的測(cè)量步驟結(jié)合上述目標(biāo)區(qū)域的位姿信息,采 用紅外輔助測(cè)距的方式獲得目標(biāo)的極近距離信息,并給出交會(huì)指令。所述的在右圖像Ir(x,y)中進(jìn)行快速立體匹配,按如下步驟進(jìn)行(a)根據(jù)得到的左圖像中目標(biāo)特征點(diǎn)坐標(biāo)[ux uy]T,計(jì)算右圖像中的極線(xiàn)方程;(b)在左圖像中以目標(biāo)特征點(diǎn)為中心創(chuàng)建的一個(gè)鄰域,在右圖像中沿極線(xiàn)方向創(chuàng) 建一個(gè)同樣大小的鄰域,其中心點(diǎn)在極線(xiàn)上;(c)采用盒濾波加速方法,計(jì)算兩鄰域灰度測(cè)度函數(shù)值,以函數(shù)值最小的點(diǎn)作為匹 配點(diǎn)。本發(fā)明具有如下優(yōu)點(diǎn)(1)本發(fā)明由于采用粒子濾波器進(jìn)行實(shí)時(shí)目標(biāo)跟蹤,解決了跟蹤中的目標(biāo)旋轉(zhuǎn)、縮 放問(wèn)題;(2)本發(fā)明由于采用雙目立體視覺(jué),能夠高精度地測(cè)量目標(biāo)相對(duì)位置和姿態(tài)參 數(shù);(3)本發(fā)明由于采用雙目立體視覺(jué)與紅外測(cè)距相結(jié)合的方式,避免了出現(xiàn)盲區(qū),具 有很強(qiáng)的抗干擾能力;(4)本發(fā)明由于采用Hough變換提取交會(huì)特征,能夠僅依靠目標(biāo)的幾何特征實(shí)現(xiàn) 對(duì)目標(biāo)的識(shí)別與定位;(5)本發(fā)明由于在雙目立體匹配的過(guò)程中采用極線(xiàn)約束下的盒濾波技術(shù),提高了 立體匹配速度。本發(fā)明提供的自主導(dǎo)航方法,在較高的粗大誤差率情況下,仍能夠有效剔除粗大 誤差,實(shí)現(xiàn)較高精度的相對(duì)位姿確定,可以作為非合作航天器相對(duì)位姿參數(shù)確定的一種有 效方案,用于在未知環(huán)境下逐漸靠近目標(biāo)過(guò)程中的自主導(dǎo)航,如月球車(chē)在月球表面的自主 巡游;太空中衛(wèi)星在軌捕獲目標(biāo)時(shí)的定位和接近。
圖1是本發(fā)明的視覺(jué)導(dǎo)航流程圖;圖2是本發(fā)明中標(biāo)定采用的攝像機(jī)模型圖;圖3是現(xiàn)有立體視覺(jué)中雙攝像機(jī)幾何關(guān)系;圖4是本發(fā)明中采用的基于灰度的局部立體匹配的過(guò)程;圖5是本發(fā)明中采用的盒濾波加速方法示意圖; 圖6是本發(fā)明使用的三維姿態(tài)解算物體坐標(biāo)系;圖7是用本發(fā)明方法對(duì)靜止目標(biāo)測(cè)量實(shí)驗(yàn)采集的圖像對(duì);圖8是用本發(fā)明方法對(duì)靜止目標(biāo)測(cè)量實(shí)驗(yàn)預(yù)處理結(jié)果;圖9是用本發(fā)明方法對(duì)靜止目標(biāo)測(cè)量實(shí)驗(yàn)Hough變換檢測(cè)直線(xiàn)的結(jié)果;圖10是用本發(fā)明方法對(duì)運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)采集的圖像對(duì);圖11是用本發(fā)明方法對(duì)運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)得到的χ軸數(shù)據(jù)曲線(xiàn)圖;圖12是用本發(fā)明方法對(duì)運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)得到的y軸數(shù)據(jù)曲線(xiàn)圖;圖13是用本發(fā)明方法對(duì)運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)得到的ζ軸數(shù)據(jù)曲線(xiàn)圖;圖14是用本發(fā)明方法對(duì)運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)得到的俯仰角數(shù)據(jù)曲線(xiàn)圖;圖15是用本發(fā)明方法對(duì)運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)得到的偏航角數(shù)據(jù)曲線(xiàn)圖;圖16是用本發(fā)明方法對(duì)運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)得到的滾動(dòng)角數(shù)據(jù)曲線(xiàn)圖。
具體實(shí)施例方式參照?qǐng)D1,本發(fā)明的視覺(jué)導(dǎo)航步驟如下步驟1,150m 50m的遠(yuǎn)距離目標(biāo)檢測(cè)及跟蹤。(1. 1)通過(guò)高分辨率相機(jī)獲取空間中的弱小目標(biāo)圖像;(1. 2)根據(jù)目標(biāo)特征進(jìn)行識(shí)別,確定目標(biāo);(1. 3)利用粒子濾波器對(duì)目標(biāo)進(jìn)行有效的跟蹤,該粒子濾波器是以貝葉斯理論、隨 機(jī)估計(jì)理論以及蒙特卡羅方法為基礎(chǔ)的一種非線(xiàn)性動(dòng)態(tài)系統(tǒng)分析工具,也是求解貝葉斯估 計(jì)問(wèn)題的一種實(shí)用算法。該算法是使用具有與目標(biāo)相應(yīng)權(quán)值的隨機(jī)樣本集合,來(lái)表示目標(biāo) 的后驗(yàn)概率密度,計(jì)算每個(gè)粒子的直方圖,并歸一化為觀(guān)測(cè)密度P(u),0< p(U) ^ I0利用 P(U)與第一幀被跟蹤區(qū)域q(u)來(lái)更新粒子的權(quán)重w(n),本發(fā)明中使用指數(shù)函數(shù)來(lái)表示粒子 的權(quán)重,如式⑴所示w(n)=Ae-d (1)
n _式中,Λ為指數(shù)分布參數(shù),S = ΣΛ/^。在圖像序列中,粒子經(jīng)過(guò)權(quán)值更新后,粒子的分布在目標(biāo)附近呈現(xiàn)聚集狀態(tài),基本 集中在目標(biāo)區(qū)域內(nèi),而背景區(qū)域的權(quán)值較小,從而實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。(1.4)根據(jù)目標(biāo)的跟蹤結(jié)果,估計(jì)目標(biāo)的大致方位[r,α]及速度ν:r—x2 +y2na-arctan^·(2)
Xn
其中,(xn, yn)為η時(shí)刻目標(biāo)的質(zhì)心坐標(biāo),Δ t為第η幀與第η_1幀的時(shí)間差。步驟2,50m 2m的較近距離全局位姿測(cè)量。(2. 1)采用平板標(biāo)定法獲取雙目攝像機(jī)的內(nèi)參數(shù)矩陣M11, Mrl,外參數(shù)矩陣Mrl,Mr2 和投影矩陣M1, Mr。攝像機(jī)標(biāo)定,是指建立攝像機(jī)圖像中像素位置與三維場(chǎng)景中點(diǎn)的位置之間的對(duì)應(yīng) 關(guān)系,其方法是根據(jù)攝像機(jī)模型,由已知特征點(diǎn)的圖像坐標(biāo)和世界坐標(biāo)求解攝像機(jī)參數(shù)。本 發(fā)明中采用的攝像機(jī)模型是針孔模型,如圖2所示。根據(jù)幾何透視投影原理得到世界坐標(biāo) 系OwXwYwZw與計(jì)算機(jī)圖像坐標(biāo)系uv的關(guān)系 其中,α x = f/dx,α y = f/dy, f為攝像機(jī)焦距,dx,dy為攝像機(jī)每個(gè)像素的距離, M為3X4矩陣,稱(chēng)為投影矩陣諷為攝像機(jī)內(nèi)參數(shù)矩陣;M2為攝像機(jī)外參數(shù)矩陣;t為三維 平移向量,表征兩坐標(biāo)系之間的平移關(guān)系;0= (0,0,0)τ。旋轉(zhuǎn)矩陣R為3X3正交單位矩 陣,表征的是兩坐標(biāo)系之間的旋轉(zhuǎn)關(guān)系,該旋轉(zhuǎn)矩陣R由三個(gè)旋轉(zhuǎn)角度確定,分別是繞攝像 機(jī)坐標(biāo)系χ軸的α,繞攝像機(jī)坐標(biāo)系y軸的β和繞攝像機(jī)坐標(biāo)系ζ軸的Y。具體關(guān)系如 下 本發(fā)明所用立體視覺(jué)系統(tǒng)包含用兩個(gè)攝像機(jī),需要通過(guò)標(biāo)定獲得兩個(gè)攝像機(jī)之間 的相對(duì)位置參數(shù),立體視覺(jué)系統(tǒng)中雙攝像機(jī)幾何關(guān)系如圖3所示。在標(biāo)定中,首先用單攝像 機(jī)定標(biāo)方法分別得到左右攝像機(jī)的投影矩陣M1, Mp左攝像機(jī)的旋轉(zhuǎn)矩陣R1與平移向量、 和右攝像機(jī)的旋轉(zhuǎn)矩陣Rr與平移向量tr,由左右攝像機(jī)的旋轉(zhuǎn)矩陣與平移向量可得兩個(gè)攝 像機(jī)的相對(duì)旋轉(zhuǎn)矩陣Rk和相對(duì)平移向量k Rlr=R1Rr-1tLR=t1-R1Rr-1tr本發(fā)明中采用的平板標(biāo)定法具體實(shí)現(xiàn)步驟首先,通過(guò)移動(dòng)攝像機(jī)或標(biāo)定板獲得15組不同角度下的標(biāo)定板圖像;然后,檢測(cè)圖像中的特征點(diǎn),并求解攝像機(jī)所有的內(nèi)外參數(shù);最后,用最小二乘法來(lái)精確求解所有的參數(shù);
(2. 2)通過(guò)左右兩個(gè)攝像機(jī)獲取目標(biāo)的雙目立體圖像對(duì),左攝像機(jī)采集到的圖像 為I1(^y),右攝像機(jī)采集到的圖像為Ir(χ, y);(2. 3)以采集到的左圖像I1U, y)為主圖像,對(duì)左圖像進(jìn)行圖像預(yù)處理和Harris 特征提取,得到左圖像中目標(biāo)的特征點(diǎn)U1 = [U1 ν2]τ,該Harris特征提取步驟如下首先,利用式(5)計(jì)算梯度圖像 其中(g)表示卷積運(yùn)算,I為原圖像,X為水平梯度圖像,Y為垂直梯度圖像。然后,構(gòu)造自相關(guān)矩陣令
則自相關(guān)矩陣 —「乂 C其中,《 = 6即(-(12+/)/202)為高斯平滑窗函數(shù);最后,提取特征點(diǎn)令i5(ii=,-f,則Harris特征點(diǎn)響應(yīng)值Rh為
(6)其中,常數(shù)k常取0.04-0. 06之間。設(shè)定閾值,將Rh大于閾值的點(diǎn)做為特征點(diǎn),閾值根據(jù)所要檢測(cè)的特征點(diǎn)數(shù)目設(shè) 置;(2.4)根據(jù)步驟(2.3)得到的特征點(diǎn)U1 = [U1 ν2]τ在右圖像I Jx,y)中進(jìn)行快速 立體匹配,該立體匹配的匹配示意圖如圖4所示,具體步驟首先,根據(jù)得到的左圖像中目標(biāo)特征點(diǎn)坐標(biāo)…=[U1 ν2]τ,計(jì)算右圖像中的極線(xiàn)方 程,極線(xiàn)方程如式(7)所示。
(7)其中,U1, U2分別為目標(biāo)特征點(diǎn)在左右圖像中的坐標(biāo),F(xiàn)為基本矩陣,由攝像機(jī)標(biāo)定 得到;然后,在左圖像中以目標(biāo)特征點(diǎn)為中心創(chuàng)建的一個(gè)鄰域,在右圖像中沿極線(xiàn)方向 創(chuàng)建一個(gè)同樣大小的鄰域,其中心點(diǎn)在極線(xiàn)上;最后,采用盒濾波加速方法,計(jì)算兩鄰域灰度測(cè)度函數(shù)值,以函數(shù)值最小的點(diǎn)作為 匹配點(diǎn),本發(fā)明中采用的灰度測(cè)度函數(shù)為C (x, y, d) = Σ 111 (χ, y) _Ir (x+d, y) | (8)本發(fā)明中采用的盒濾波加速方法如圖5所示,其基本思想是采用一個(gè)滑動(dòng)窗口, 在計(jì)算當(dāng)前窗口的函數(shù)值C(x+l,y,d)時(shí)充分利用前一個(gè)窗口的函數(shù)值C(x,y,d)C(x +1, y, d) = C (χ, y, d) -1^2 (χ - w) +1^2 (χ + w +1)(9)其中,w是窗口寬度,d為基線(xiàn)長(zhǎng)度,^^A^^-Ab + A^l·(2. 5)根據(jù)由步驟(2. 1)得到雙目攝像機(jī)參數(shù)和步驟(2. 3)和(2. 4)得到的左圖 像中目標(biāo)特征點(diǎn)坐標(biāo)和右圖像匹配點(diǎn)坐標(biāo)進(jìn)行三維重建得到三維坐標(biāo),并由三維點(diǎn)坐標(biāo)進(jìn)行姿態(tài)解算,得到目標(biāo)的總體位姿信息。 本發(fā)明進(jìn)行三維重建,是根據(jù)攝像機(jī)標(biāo)定得到左右相機(jī)的投影矩陣M1與Mr和由特 征提取得到的空間特征點(diǎn)在左右圖像中的計(jì)算機(jī)圖像坐標(biāo)(U1, V1)與(U2,V2),利用如下最 小二乘法求解方程組,獲得空間特征點(diǎn)的三維坐標(biāo)(X,Y,Z) 其中mi/,mi/(i = l,2,3,j = 1,2,3,4)分別為投影矩陣M1與Mr的第i行第j列 的元素。本發(fā)明中使用的姿態(tài)計(jì)算方法是根據(jù)得到特征點(diǎn)在世界坐標(biāo)系Ow-XwYwZw的三維 坐標(biāo)通過(guò)在目標(biāo)上建立目標(biāo)坐標(biāo)系來(lái)求解兩坐標(biāo)系之間的相對(duì)姿態(tài),進(jìn)而得到空間目標(biāo)與 測(cè)量裝置的相對(duì)姿態(tài)。如圖6,假設(shè)在目標(biāo)上建立的目標(biāo)坐標(biāo)系為Oa-XaYaZa,空間中任意一 點(diǎn)P在兩坐標(biāo)系中的坐標(biāo)分別為(Xw,Yw, Zw)和(Xa,ya,Za),則兩坐標(biāo)之間的關(guān)系如下式所 示
X] 其中,Rwa是世界坐標(biāo)系到目標(biāo)坐標(biāo)系的旋轉(zhuǎn)矩陣,twa是世界坐標(biāo)系到目標(biāo)坐標(biāo)系 的平移向量,a是縮放因子,該旋轉(zhuǎn)矩陣由世界坐標(biāo)系的三個(gè)軸繞目標(biāo)坐標(biāo)系的三個(gè)軸的旋 轉(zhuǎn)角度(Θ,Φ,ψ)表示 步驟3,2m 0. 6m的近距離目標(biāo)的測(cè)量。(3. 1)對(duì)主圖像進(jìn)行圖像預(yù)處理。本發(fā)明中的圖像預(yù)處理包括邊緣檢測(cè)和閾值分割兩部分,其中邊緣檢測(cè)采用 Sobel邊緣檢測(cè)算子,閾值分割采用Gonzalez和Woods提出全局閾值分割方法,該方法能夠 減少自然光線(xiàn)變化對(duì)采集圖像的影響,使閾值分割的效果具有很好的魯棒性;(3. 2)利用Hough變換提取交會(huì)特征,對(duì)具有明顯交會(huì)特征的目標(biāo)區(qū)域進(jìn)行定位, 該Hough變換提取交會(huì)特征的步驟首先,根據(jù)圖像預(yù)處理得到的二值圖像計(jì)算二值圖像的Hough變換域,并對(duì)變換 域進(jìn)行非極大值抑制;然后,對(duì)變換域進(jìn)行平行線(xiàn)檢測(cè)判斷,平行線(xiàn)判斷條件如下所示θ r θ 21 < Δ θ (15)其中,Δ θ為一小角度,
計(jì)算任意不平行的兩條直線(xiàn)的交點(diǎn)坐標(biāo)(X,y) 其中,(P1, O1)與(ρ2,θ2)分別為兩條不平行的直線(xiàn)I1與I2對(duì)應(yīng)的(P,Θ), P為原點(diǎn)到直線(xiàn)的距離,θ為原點(diǎn)到直線(xiàn)的垂線(xiàn)與χ軸的夾角。最后,以交點(diǎn)坐標(biāo)(X,y)作為特征點(diǎn)坐標(biāo)。(3. 3)根據(jù)步驟(2. 5)中所述的位姿解算方法計(jì)算目標(biāo)區(qū)域的位姿信息,并結(jié)合 步驟(2. 5)得到的全局位姿信息對(duì)安裝有測(cè)量裝置的本體的指向進(jìn)行調(diào)整。步驟4,0. 6m 0. 2m的極近距離目標(biāo)的測(cè)量。結(jié)合步驟(3. 3)得到目標(biāo)區(qū)域的位姿信息,采用紅外輔助測(cè)距的方式獲得目標(biāo)的 極近距離信息,并給出交會(huì)指令。本發(fā)明的效果可以通過(guò)實(shí)驗(yàn)進(jìn)一步說(shuō)明。本發(fā)明的實(shí)驗(yàn)分為靜止目標(biāo)的測(cè)量和運(yùn)動(dòng)目標(biāo)測(cè)量?jī)蓚€(gè)實(shí)驗(yàn)。1.靜止目標(biāo)的測(cè)量實(shí)驗(yàn)圖7是對(duì)靜止目標(biāo)采集到的圖像對(duì),其中圖7(a)與圖7(b)為對(duì)矩形目標(biāo)采集到 的圖像對(duì),圖7(c)與圖7(d)為對(duì)三角形目標(biāo)采集到的圖像對(duì),經(jīng)過(guò)圖像預(yù)處理后得到的結(jié) 果如圖8所示,圖8(a)為矩形目標(biāo)預(yù)處理結(jié)果,圖8(b)為三角形目標(biāo)預(yù)處理結(jié)果,圖9給 出的是經(jīng)過(guò)Hough變換檢測(cè)到的目標(biāo)區(qū)域,其中圖9 (a)是矩形目標(biāo)經(jīng)過(guò)Hough變換得到的 目標(biāo)區(qū)域,圖9(b)是三角形目標(biāo)經(jīng)過(guò)Hough變換得到的目標(biāo)區(qū)域,實(shí)驗(yàn)結(jié)果如表1所示。表1靜止目標(biāo)測(cè)量實(shí)驗(yàn)結(jié)果 由表1所示的實(shí)驗(yàn)結(jié)果可以看出在未知目標(biāo)具體參數(shù)的情況下,該導(dǎo)航方法能夠 根據(jù)目標(biāo)的幾何形狀精確得到目標(biāo)的特征點(diǎn)的三維坐標(biāo)。2.運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)運(yùn)動(dòng)目標(biāo)測(cè)量實(shí)驗(yàn)室是通過(guò)搭建一個(gè)試驗(yàn)平臺(tái)來(lái)完成的,圖10是對(duì)被測(cè)運(yùn)動(dòng)目 標(biāo)采集到的圖相對(duì),其中紅色點(diǎn)為測(cè)量點(diǎn)。圖11到圖16分別給出了目標(biāo)以0. 3m/s做勻速直線(xiàn)運(yùn)動(dòng)的情況下得到的相對(duì)距 離信息和相對(duì)姿態(tài)信息。其中圖11是測(cè)量點(diǎn)的三維坐標(biāo)中的X軸的測(cè)量數(shù)據(jù),圖12是測(cè)量點(diǎn)的三維坐標(biāo)中的1軸的測(cè)量數(shù)據(jù),圖13是測(cè)量點(diǎn)的三維坐標(biāo)中的ζ軸的測(cè)量數(shù)據(jù),圖 14是測(cè)量點(diǎn)所在目標(biāo)平面的相對(duì)姿態(tài)中的俯仰角θ,圖15是測(cè)量點(diǎn)所在目標(biāo)平面的相對(duì) 姿態(tài)中的偏航角Φ,圖16是測(cè)量點(diǎn)所在目標(biāo)平面的相對(duì)姿態(tài)中的滾動(dòng)角Ψ。實(shí)驗(yàn)中的測(cè)量速度為6幀/秒,測(cè)量的X,y,z三軸相對(duì)誤差為士0. 02m,三個(gè)旋轉(zhuǎn) 角度相對(duì)誤差為士 1°。由圖11到圖16所示的實(shí)驗(yàn)結(jié)果可以看出,在目標(biāo)運(yùn)動(dòng)的情況下,該導(dǎo)航方法能夠 實(shí)時(shí)的對(duì)目標(biāo)的位姿信息進(jìn)行較高精度地測(cè)量。
權(quán)利要求
一種自主交會(huì)對(duì)接中的視覺(jué)導(dǎo)航方法,包括如下步驟(1)150m~50m的遠(yuǎn)距離目標(biāo)檢測(cè)及跟蹤步驟通過(guò)高分辨率相機(jī),獲取空間中的弱小目標(biāo)圖像,進(jìn)行目標(biāo)特征識(shí)別,確認(rèn)目標(biāo);利用粒子濾波器有效跟蹤運(yùn)動(dòng)目標(biāo)并估計(jì)目標(biāo)的大致方位及速度;(2)50m~2m的較近距離全局位姿測(cè)量步驟通過(guò)雙目攝像機(jī)標(biāo)定獲取左右攝像機(jī)的內(nèi)參數(shù)矩陣Ml1,Mr1,外參數(shù)矩陣Mr1,Mr2和投影矩陣Ml,Mr;結(jié)合上述得到的大致方位及速度信息,開(kāi)啟雙目攝像機(jī)獲取目標(biāo)的雙目立體圖像對(duì),左攝像機(jī)采集到的圖像為Il(x,y),右攝像機(jī)采集到的圖像為Ir(x,y),以采集到的左圖像Ir(x,y)為主圖像,對(duì)左圖像進(jìn)行圖像預(yù)處理和Harris特征提取,得到左圖像中目標(biāo)的特征點(diǎn)u=[uxuy]T,并在右圖像Ir(x,y)中進(jìn)行快速立體匹配,得到特征點(diǎn)在右圖像中的坐標(biāo);根據(jù)雙目攝像機(jī)參數(shù)和目標(biāo)特征點(diǎn)在左右圖像中的坐標(biāo)進(jìn)行三維重建,并由三維點(diǎn)坐標(biāo)進(jìn)行姿態(tài)解算,得到目標(biāo)的總體位姿信息;(3)2m~0.6m的近距離目標(biāo)的測(cè)量步驟利用Hough變換提取交會(huì)特征,對(duì)具有明顯交會(huì)特征的目標(biāo)區(qū)域進(jìn)行定位;根據(jù)可見(jiàn)光成像探測(cè)器得到的立體圖像信息,采用上述姿態(tài)解算方法得到目標(biāo)區(qū)域的位姿信息,并結(jié)合上述總體位姿信息對(duì)安裝有測(cè)量裝置的本體指向進(jìn)行調(diào)整,做好交會(huì)準(zhǔn)備;(4)0.6m~0.2m的極近距離目標(biāo)的測(cè)量步驟結(jié)合上述目標(biāo)區(qū)域的位姿信息,采用紅外輔助測(cè)距的方式獲得目標(biāo)的極近距離信息,并給出交會(huì)指令。
2.根據(jù)權(quán)利要求1所述的視覺(jué)導(dǎo)航方法,其中步驟(2)中所述的在右圖像IJx,y)中 進(jìn)行快速立體匹配,按如下步驟進(jìn)行(2a)根據(jù)得到的左圖像中目標(biāo)特征點(diǎn)坐標(biāo)[uxiiy]T,計(jì)算右圖像中的極線(xiàn)方程;(2b)在左圖像中以目標(biāo)特征點(diǎn)為中心創(chuàng)建的一個(gè)鄰域,在右圖像中沿極線(xiàn)方向創(chuàng)建一 個(gè)同樣大小的鄰域,其中心點(diǎn)在極線(xiàn)上;(2c)采用盒濾波加速方法,計(jì)算兩鄰域灰度測(cè)度函數(shù)值,以函數(shù)值最小的點(diǎn)作為匹配點(diǎn)ο
3.根據(jù)權(quán)利要求1所述的視覺(jué)導(dǎo)航方法,其中步驟(3)中所述的利用Hough變換提取 交會(huì)特征,按如下步驟進(jìn)行(3a)根據(jù)圖像預(yù)處理得到的二值圖像計(jì)算二值圖像的Hough變換域;(3b)對(duì)變換域進(jìn)行非極大值抑制;(3c)對(duì)變換域進(jìn)行平行線(xiàn)判斷,記錄任意兩條不平行的直線(xiàn),并計(jì)算任意兩條不相交 直線(xiàn)的交點(diǎn)坐標(biāo)(x,y), ^ ^ PlSind2-P2Smei ~ Smie2-O,) 式中,(P1, θ》與(P2,θ 2)分別為兩條不平行的直線(xiàn)I1與I2對(duì)應(yīng)的原點(diǎn)到直線(xiàn)的 距離與垂線(xiàn)與X軸的夾角;(3d)以交點(diǎn)坐標(biāo)(X,y)作為交會(huì)特征點(diǎn)坐標(biāo)。
4.根據(jù)權(quán)利要求2所述的視覺(jué)導(dǎo)航方法,其中步驟(2c)中所述的采用盒濾波加速方法,計(jì)算兩鄰域灰度測(cè)度函數(shù)值,按如下步驟進(jìn)行(4a)沿極線(xiàn)方向設(shè)定一個(gè)滑動(dòng)窗口,窗口寬度為w;(4b)令C(x,y,d)為前一窗口的灰度測(cè)度函數(shù)值,當(dāng)前窗口的灰度測(cè)度函數(shù)值C(x+1, y,d)可由下式得到,C(x + 1, y, d) = C(x, y, d) - Idn (χ — w) + If2 (x + w + 1)式中(x,y)為特征點(diǎn)在左圖像中的坐標(biāo),d為基線(xiàn)長(zhǎng)度Id=|Il(x,y)-Ir(x+d,y)|,Il Ir分別為左右圖像的灰度值。
全文摘要
本發(fā)明公開(kāi)了一種自主交會(huì)對(duì)接中的視覺(jué)導(dǎo)航方法。主要解決現(xiàn)有技術(shù)中需要事先知道目標(biāo)具體參數(shù)的缺點(diǎn)。其具體過(guò)程包括150m~50m階段利用粒子濾波器實(shí)現(xiàn)對(duì)目標(biāo)的有效跟蹤;50m~2m階段采用立體視覺(jué)實(shí)現(xiàn)對(duì)目標(biāo)位姿信息的測(cè)量,并采用盒濾波加速方法進(jìn)行快速立體匹配;2m~0.6m階段采用Hough變換對(duì)區(qū)域進(jìn)行定位并提取區(qū)域特征點(diǎn);0.6m~0.2m階段采用紅外輔助測(cè)距,消除測(cè)量盲區(qū)。本發(fā)明能夠在未知目標(biāo)具體參數(shù)的情況下,僅依靠目標(biāo)的幾何特征實(shí)現(xiàn)對(duì)目標(biāo)的魯棒識(shí)別及跟蹤和目標(biāo)相對(duì)位姿的確定,可用于在未知環(huán)境下逐漸靠近目標(biāo)過(guò)程中的自主導(dǎo)航。
文檔編號(hào)G01C21/24GK101839721SQ20101012348
公開(kāi)日2010年9月22日 申請(qǐng)日期2010年3月12日 優(yōu)先權(quán)日2010年3月12日
發(fā)明者劉凱, 孫偉, 郭寶龍, 陳龍 申請(qǐng)人:西安電子科技大學(xué)