基于直线特征的空间非合作目标位姿视觉测量方法研究

发布时间：2018-04-15 19:24

  本文选题：直线检测 + 直线匹配　； 参考：《国防科学技术大学》2016年博士论文

【摘要】：航天器之间的相对位置和姿态(统称为位姿)精确测量是空间交会对接、空间碎片回收、在轨维修等重大航天任务的先决条件。基于光学成像敏感器的视觉测量技术具有精度高和自主性强等优势,已经成为空间操作最后逼近段相对位姿测量的主要手段。目标航天器按照是否安装了合作标志,分为合作目标和非合作目标。非合作目标按照是否已知目标结构先验知识又分为模型已知的非合作目标和完全非合作目标。空间合作目标的视觉测量方法已经得到了深入的研究和成功的应用,相对而言,对空间非合作目标进行视觉测量颇具挑战性。尽管空间人造目标纹理较为简单,但是它们具有大量能够很好反应目标几何信息的直线特征。由于直线特征提取可靠,属性丰富,受光照,噪声等影响小,因此利用直线特征进行位姿测量具有较大的技术优势。为满足该需求,本文研究了基于直线特征的空间非合作目标位姿估计方法,研究内容包括四大部分:一是直线特征提取及匹配方法;二是基于直线模型的相机标定方法;三是基于直线模型的非合作目标位姿估计方法;四是基于直线特征的完全非合作目标位姿估计方法。概况起来,本文的创新性主要体现在如下几点:1、针对受复杂光照影响的弱纹理目标匹配问题,提出了一种基于直线局部邻域梯度信息和全局结构信息的直线特征匹配算法。算法首先结合像素点梯度信息和局部对比度信息构建直线支撑区域,并根据赫尔姆霍茨准则抑制虚假直线,相对于已有的基于边缘图的直线检测算法,本文方法无需过多进行参数设置,对复杂光照、噪声、模糊等具有更强的鲁棒性;然后利用图像直线邻域梯度分布构建方向直方图描述符,并用于初始匹配;接着利用直线间的全局拓扑关系滤除误匹配,最后迭代利用拓扑滤波寻找更多的匹配,同时引入全局角度约束提高算法效率并进一步滤除错误匹配。相比传统方法,本文方法对光照变换、噪声、色差、模糊、视点变化等具有更强的鲁棒性,同时算法对尺度变化也有一定的鲁棒性。2、针对无控制标志条件下的相机参数自动标定问题,提出了基于轮廓模型的弱纹理平面目标单应识别优化算法。算法随机选取四条满足一定几何约束的直线段进行假设变换关系的求解,并在假设检验框架下通过选取使得投影误差最小的变换关系作为单应初值。为了解决复杂背景条件下单应的优化问题,算法将目标轮廓模型采样为模型点序列,并通过优化模型点投影同图像对应点的法向距离平方和实现单应的优化求解。另外基于提出的单应识别优化算法,设计了利用边缘信息进行相机内外参数标定的方法。相比传统方法,本文方法无需制备平面靶板,利用具有标准尺寸的物件便能实现相机内外参数的估计,标定过程更为灵活。3、针对传统方法仅利用直线端点信息,忽略了端点间的相关性的缺点,提出了基于直线间积分距离度量的位姿估计算法。首先设计了一种直线间积分距离度量准则;然后基于该距离度量,根据图像直线是否被看作无限长,提出了多种基于直线的位姿估计算法,相对于传统方法,本文算法对直线段间断噪声和方向噪声具有更强的鲁棒性;最后从图像直线最小二乘拟合过程出发,给定边缘点的噪声信息(原始图像),首次推导了图像直线段端点定位的误差模型。在此基础上,给出了基于直线对应位姿参数的极大似然估计。通过证明发现提出的直线间积分距离函数同从推导的误差模型出发得到的距离函数的形式一致。4、证明了两类基于直线模型的目标位姿跟踪方法的等价性。首先从图像观测噪声出发,在概率框架下证明了本文提出的基于直线对应的位姿估计方法和基于最小化法向距离的模型跟踪方法(第一类方法需要检测图像中的直线,第二类方法直接在原始图像上进行法向搜索得到模型图像对应)内在的等价性;然后从优化函数的物理意义出发,证明了两类方法对应的直线间距离函数形式的一致性;最后从效率、精度、鲁棒性等多个角度对两类方法进行了对比和评测,并通过在模型图像配准阶段引入亚像素定位技术,提高了传统基于最小化法向距离的模型跟踪方法的精度和鲁棒性。5、针对结构先验信息未知条件下的完全非合作目标的位姿估计问题,提出了基于直线的序列图像目标关键结构重建和位姿估计方法。算法首先利用提出的直线匹配算法确定序列图像间直线对应关系,并线性求解相机位姿参数和目标直线参数;然后根据提出的直线间积分距离度量构建目标函数;最后通过使用姿态矩阵的李代数表示以及空间直线四参数表示将最小化目标函数问题转化为迭代加权最小二乘问题进行求解。相比传统方法,本文方法在仅需相机旋转初值条件下,便能线性求解空间直线参数和相机位置参数初值,通过构建一体化优化函数,进一步提高了位姿参数和直线参数的精度。本文工作是对空间非合作目标视觉跟踪的有益尝试。本文方法还可用于飞行器助降、景象匹配、机器人操作、视觉导航、目标检测跟踪等其他视觉任务。
[Abstract]:......
【学位授予单位】：国防科学技术大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：V448.2;TP391.41
，

本文编号：1755452