基于ZYNQ的空间非合作目标特征提取技术
发布时间：2021-11-17 21:35
随着人类探索太空活动的开展,越来越多的航天器被发射到外天空。早期载人航天器的补给、故障航天器的维护等空间在轨服务通常由航天员完成,随着航天技术的发展与进步,利用全自主系统实现空间在轨服务成为当前研究的热点,对航天器运动姿态的精准识别是开展空间在轨服务的重要技术保障。在后摩尔定律时代,异构计算是提高硬件平台计算能力的重要手段,因此本论文将就基于ZYNQ多核异构So C的空间非合作目标特征提取技术进行研究。本论文首先搭建了典型空间非合作目标地面模拟装置,分析了典型空间非合作目标外形特征,决定使用双目立体视觉方案对其太阳帆板4个顶点进行识别。随后对相机畸变模型、双目相机成像模型及图像处理算法理论基础进行了分析与研究。分别使用基于聚类与多边形拟合的图像识别方案完成了对空间非合作目标特征的提取,并对识别效果进行了分析。接着利用双目相机成像模型求取了非合作目标4个顶点在世界坐标系中的运动轨迹。其次,采取基于视频流的图像处理技术,借助Vivado HLS高级综合工具使用C++语言完成了基于FPGA的图像处理算法开发。同时对算法进行了PIPELINE、DATAFLOW与UNROLL等并行化处理,并从算...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
ZYNQ多核异构SoC架构
哈尔滨工业大学工程硕士学位论文182.5.3图像高斯滤波CCD或CMOS图像传感器在进行数字图像采集过程中往往会因为所处环境光照、温度、传感器本身器件属性及传输过程中磁场干扰等原因引入干扰原始图像的随机噪声。为了有效地去除噪声对原始图像的干扰，需要对图像噪声产生原因进行分析，概率分布函数及概率密度函数能够很好地对噪声进行描述[37]，利用相机传感器拍摄空间非合作目标，由于深空中光线较弱、相机长时间工作发热及电路元件本身属性等问题，往往会在图像采集过程引入高斯噪声。高斯滤波是一种基于加权平均法的图像滤波方法，对于高斯噪声有着很好的抑制作用，二维连续高斯函数见公式（2-27）：2222221(,)2xyxyxyGxye(2-27)其中x与y分别表示x与y方向高斯分布的标准差，代表着数据的离散程度，越小高斯滤波模板中心系数越大，图像平滑程度越不明显高斯分布如图2-16所示。图2-16高斯分布使用高斯滤波器对加入高斯噪声的图像进行高斯滤波处理，结果如图2-17(c)所示，高斯噪声得到了有效地去除，于此同时图像一定程度变得模糊。(a)原始图像(b)加入高斯噪声的图像(c)高斯滤波处理后的图像图2-17高斯滤波
哈尔滨工业大学工程硕士学位论文234、双阈值连接，非最大值抑制有效地去除了绝大多数杂散响应，为了更加准确获取图像边缘信息，这里使用双阈值的方法进一步屏蔽散杂响应。设置高阈值HT与低阈值LT（通常HT:LT=3:1或2:1），对于大于高阈值的梯度幅值确定为强边缘进行保留，小于低阈值的梯度幅值置0，介于二者之间的梯度幅值确定为弱边缘。对于弱边缘，搜索该像素点8邻域区间内是否存在强边缘像素，若存在则将该点保留为真实边缘，否则置0。分别使用Sobel与Canny边缘检测算法对灰度图像进行边缘检测，结果如图2-22所示，对比发现Canny边缘检测算法相比于Sobel边缘检测算法能更加准确、清晰地反映物体边缘信息。(a)灰度图像(b)Sobel边缘检测图像(c)Canny边缘检测图像图2-22边缘检测2.5.7图像角点检测角点通常指两条边的交点，是图像的重要特征之一，角点检测常用于运动检测、视频追踪与目标识别领域。FAST（加速段测试的特征）角点检测[41]算法是一种高效的角点检测算法，拥有比其他角点检测算法更快的计算速度，它的主要操作为：判断图像中一点P是否为角点，首先确定一个以P点为圆心周长为16个像素的圆（如图2-23所示），选择合适的阈值t，如果圆上出现连续n个像素的灰度值与P点灰度值之差大于或小于阈值t，则认为P点为角点见公式（2-47），根据实验测得，通常n取9最佳。图2-23FAST角点检测原理
【参考文献】：
期刊论文
[1]高速单光源定位跟踪系统[J]. 尹艺玲,李明璐. 装备制造技术. 2019(06)
[2]基于背景建模的船舶参数估计方法[J]. 钱江,张桂荣,何平,姚江,顾宋华,季建中. 舰船电子工程. 2019(05)
[3]“凤凰”计划关键技术及其启示[J]. 陈罗婧,郝金华,袁春柱,傅丹膺. 航天器工程. 2013(05)
[4]从ETS-Ⅶ到HTV——日本交会对接/停靠技术研究[J]. 朱仁璋,王鸿芳,徐宇杰,魏羽良. 航天器工程. 2011(04)
[5]技术试验卫星（ETS-Ⅶ）星上部件的研制[J]. 坂田隆司,久保田伸幸,王存恩. 控制工程. 1999(06)
博士论文
[1]基于多目视觉与惯导融合的SLAM方法研究[D]. 张超凡.中国科学技术大学 2019
[2]基于双目视觉的空间非合作目标姿态测量技术研究[D]. 颜坤.中国科学院大学(中国科学院光电技术研究所) 2018
[3]空间非合作漂旋目标的逼近与跟踪控制[D]. 韩飞.哈尔滨工业大学 2018
[4]空间机器人自主接管非合作目标的轨迹规划与控制研究[D]. 张博.哈尔滨工业大学 2017
[5]光场三维成像技术研究[D]. 刘永春.南京航空航天大学 2016
[6]大视距非合作目标视觉位姿测量系统关键技术研究[D]. 赵振庆.哈尔滨工业大学 2016
硕士论文
[1]基于FPGA的双目立体视觉图像采集及预处理系统的设计[D]. 汪乐意.西安科技大学 2019
[2]CMOS图像预处理方法研究与FPGA实现[D]. 武昊男.中北大学 2019
[3]高分辨SAR图像飞机目标检测的FPGA设计[D]. 金晓飞.西安电子科技大学 2019
[4]基于摄影测量的输电线路三维建模优化技术研究[D]. 饶成成.华北电力大学 2019
[5]基于双目视觉相机的深度图像恢复技术研究与应用[D]. 茹一伟.哈尔滨理工大学 2017
[6]空间翻滚非合作目标位姿及运动参数视觉识别技术研究[D]. 刘崇超.哈尔滨工业大学 2017
[7]广角图像畸变校正算法的研究及FPGA实现[D]. 林艳星.西安电子科技大学 2017
[8]基于Google地图的安全射界图绘制[D]. 李笑冬.天津大学 2016
[9]面向空间非合作目标捕获的位姿测量方法研究[D]. 任宇琪.哈尔滨工业大学 2015
[10]基于FPGA的航空CCD相机图像畸变校正技术研究[D]. 徐芳.中国科学院研究生院(长春光学精密机械与物理研究所) 2013
本文编号：3501680
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
ZYNQ多核异构SoC架构
哈尔滨工业大学工程硕士学位论文182.5.3图像高斯滤波CCD或CMOS图像传感器在进行数字图像采集过程中往往会因为所处环境光照、温度、传感器本身器件属性及传输过程中磁场干扰等原因引入干扰原始图像的随机噪声。为了有效地去除噪声对原始图像的干扰，需要对图像噪声产生原因进行分析，概率分布函数及概率密度函数能够很好地对噪声进行描述[37]，利用相机传感器拍摄空间非合作目标，由于深空中光线较弱、相机长时间工作发热及电路元件本身属性等问题，往往会在图像采集过程引入高斯噪声。高斯滤波是一种基于加权平均法的图像滤波方法，对于高斯噪声有着很好的抑制作用，二维连续高斯函数见公式（2-27）：2222221(,)2xyxyxyGxye(2-27)其中x与y分别表示x与y方向高斯分布的标准差，代表着数据的离散程度，越小高斯滤波模板中心系数越大，图像平滑程度越不明显高斯分布如图2-16所示。图2-16高斯分布使用高斯滤波器对加入高斯噪声的图像进行高斯滤波处理，结果如图2-17(c)所示，高斯噪声得到了有效地去除，于此同时图像一定程度变得模糊。(a)原始图像(b)加入高斯噪声的图像(c)高斯滤波处理后的图像图2-17高斯滤波
哈尔滨工业大学工程硕士学位论文234、双阈值连接，非最大值抑制有效地去除了绝大多数杂散响应，为了更加准确获取图像边缘信息，这里使用双阈值的方法进一步屏蔽散杂响应。设置高阈值HT与低阈值LT（通常HT:LT=3:1或2:1），对于大于高阈值的梯度幅值确定为强边缘进行保留，小于低阈值的梯度幅值置0，介于二者之间的梯度幅值确定为弱边缘。对于弱边缘，搜索该像素点8邻域区间内是否存在强边缘像素，若存在则将该点保留为真实边缘，否则置0。分别使用Sobel与Canny边缘检测算法对灰度图像进行边缘检测，结果如图2-22所示，对比发现Canny边缘检测算法相比于Sobel边缘检测算法能更加准确、清晰地反映物体边缘信息。(a)灰度图像(b)Sobel边缘检测图像(c)Canny边缘检测图像图2-22边缘检测2.5.7图像角点检测角点通常指两条边的交点，是图像的重要特征之一，角点检测常用于运动检测、视频追踪与目标识别领域。FAST（加速段测试的特征）角点检测[41]算法是一种高效的角点检测算法，拥有比其他角点检测算法更快的计算速度，它的主要操作为：判断图像中一点P是否为角点，首先确定一个以P点为圆心周长为16个像素的圆（如图2-23所示），选择合适的阈值t，如果圆上出现连续n个像素的灰度值与P点灰度值之差大于或小于阈值t，则认为P点为角点见公式（2-47），根据实验测得，通常n取9最佳。图2-23FAST角点检测原理
【参考文献】：
期刊论文
[1]高速单光源定位跟踪系统[J]. 尹艺玲,李明璐. 装备制造技术. 2019(06)
[2]基于背景建模的船舶参数估计方法[J]. 钱江,张桂荣,何平,姚江,顾宋华,季建中. 舰船电子工程. 2019(05)
[3]“凤凰”计划关键技术及其启示[J]. 陈罗婧,郝金华,袁春柱,傅丹膺. 航天器工程. 2013(05)
[4]从ETS-Ⅶ到HTV——日本交会对接/停靠技术研究[J]. 朱仁璋,王鸿芳,徐宇杰,魏羽良. 航天器工程. 2011(04)
[5]技术试验卫星（ETS-Ⅶ）星上部件的研制[J]. 坂田隆司,久保田伸幸,王存恩. 控制工程. 1999(06)
博士论文
[1]基于多目视觉与惯导融合的SLAM方法研究[D]. 张超凡.中国科学技术大学 2019
[2]基于双目视觉的空间非合作目标姿态测量技术研究[D]. 颜坤.中国科学院大学(中国科学院光电技术研究所) 2018
[3]空间非合作漂旋目标的逼近与跟踪控制[D]. 韩飞.哈尔滨工业大学 2018
[4]空间机器人自主接管非合作目标的轨迹规划与控制研究[D]. 张博.哈尔滨工业大学 2017
[5]光场三维成像技术研究[D]. 刘永春.南京航空航天大学 2016
[6]大视距非合作目标视觉位姿测量系统关键技术研究[D]. 赵振庆.哈尔滨工业大学 2016
硕士论文
[1]基于FPGA的双目立体视觉图像采集及预处理系统的设计[D]. 汪乐意.西安科技大学 2019
[2]CMOS图像预处理方法研究与FPGA实现[D]. 武昊男.中北大学 2019
[3]高分辨SAR图像飞机目标检测的FPGA设计[D]. 金晓飞.西安电子科技大学 2019
[4]基于摄影测量的输电线路三维建模优化技术研究[D]. 饶成成.华北电力大学 2019
[5]基于双目视觉相机的深度图像恢复技术研究与应用[D]. 茹一伟.哈尔滨理工大学 2017
[6]空间翻滚非合作目标位姿及运动参数视觉识别技术研究[D]. 刘崇超.哈尔滨工业大学 2017
[7]广角图像畸变校正算法的研究及FPGA实现[D]. 林艳星.西安电子科技大学 2017
[8]基于Google地图的安全射界图绘制[D]. 李笑冬.天津大学 2016
[9]面向空间非合作目标捕获的位姿测量方法研究[D]. 任宇琪.哈尔滨工业大学 2015
[10]基于FPGA的航空CCD相机图像畸变校正技术研究[D]. 徐芳.中国科学院研究生院(长春光学精密机械与物理研究所) 2013
本文编号：3501680
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3501680.html
最近更新
教材专著
