基于直線(xiàn)特征的空間非合作目標(biāo)位姿視覺(jué)測(cè)量方法研究.pdf

1、航天器之間的相對(duì)位置和姿態(tài)（統(tǒng)稱(chēng)為位姿）精確測(cè)量是空間交會(huì)對(duì)接、空間碎片回收、在軌維修等重大航天任務(wù)的先決條件。基于光學(xué)成像敏感器的視覺(jué)測(cè)量技術(shù)具有精度高和自主性強(qiáng)等優(yōu)勢(shì)，已經(jīng)成為空間操作最后逼近段相對(duì)位姿測(cè)量的主要手段。目標(biāo)航天器按照是否安裝了合作標(biāo)志，分為合作目標(biāo)和非合作目標(biāo)。非合作目標(biāo)按照是否已知目標(biāo)結(jié)構(gòu)先驗(yàn)知識(shí)又分為模型已知的非合作目標(biāo)和完全非合作目標(biāo)?？臻g合作目標(biāo)的視覺(jué)測(cè)量方法已經(jīng)得到了深入的研究和成功的應(yīng)用，相對(duì)而言，對(duì)空間

2、非合作目標(biāo)進(jìn)行視覺(jué)測(cè)量頗具挑戰(zhàn)性。盡管空間人造目標(biāo)紋理較為簡(jiǎn)單，但是它們具有大量能夠很好反應(yīng)目標(biāo)幾何信息的直線(xiàn)特征。由于直線(xiàn)特征提取可靠，屬性豐富，受光照，噪聲等影響小，因此利用直線(xiàn)特征進(jìn)行位姿測(cè)量具有較大的技術(shù)優(yōu)勢(shì)。
　　為滿(mǎn)足該需求，本文研究了基于直線(xiàn)特征的空間非合作目標(biāo)位姿估計(jì)方法，研究?jī)?nèi)容包括四大部分：一是直線(xiàn)特征提取及匹配方法；二是基于直線(xiàn)模型的相機(jī)標(biāo)定方法；三是基于直線(xiàn)模型的非合作目標(biāo)位姿估計(jì)方法；四是基于直線(xiàn)特征的完

3、全非合作目標(biāo)位姿估計(jì)方法。概況起來(lái)，本文的創(chuàng)新性主要體現(xiàn)在如下幾點(diǎn)：
　　1、針對(duì)受復(fù)雜光照影響的弱紋理目標(biāo)匹配問(wèn)題，提出了一種基于直線(xiàn)局部鄰域梯度信息和全局結(jié)構(gòu)信息的直線(xiàn)特征匹配算法。算法首先結(jié)合像素點(diǎn)梯度信息和局部對(duì)比度信息構(gòu)建直線(xiàn)支撐區(qū)域，并根據(jù)赫爾姆霍茨準(zhǔn)則抑制虛假直線(xiàn)，相對(duì)于已有的基于邊緣圖的直線(xiàn)檢測(cè)算法，本文方法無(wú)需過(guò)多進(jìn)行參數(shù)設(shè)置，對(duì)復(fù)雜光照、噪聲、模糊等具有更強(qiáng)的魯棒性；然后利用圖像直線(xiàn)鄰域梯度分布構(gòu)建方向直方圖描

4、述符，并用于初始匹配；接著利用直線(xiàn)間的全局拓?fù)潢P(guān)系濾除誤匹配，最后迭代利用拓?fù)錇V波尋找更多的匹配，同時(shí)引入全局角度約束提高算法效率并進(jìn)一步濾除錯(cuò)誤匹配。相比傳統(tǒng)方法，本文方法對(duì)光照變換、噪聲、色差、模糊、視點(diǎn)變化等具有更強(qiáng)的魯棒性，同時(shí)算法對(duì)尺度變化也有一定的魯棒性。
　　2、針對(duì)無(wú)控制標(biāo)志條件下的相機(jī)參數(shù)自動(dòng)標(biāo)定問(wèn)題，提出了基于輪廓模型的弱紋理平面目標(biāo)單應(yīng)識(shí)別優(yōu)化算法。算法隨機(jī)選取四條滿(mǎn)足一定幾何約束的直線(xiàn)段進(jìn)行假設(shè)變換關(guān)系的求

5、解，并在假設(shè)檢驗(yàn)框架下通過(guò)選取使得投影誤差最小的變換關(guān)系作為單應(yīng)初值。為了解決復(fù)雜背景條件下單應(yīng)的優(yōu)化問(wèn)題，算法將目標(biāo)輪廓模型采樣為模型點(diǎn)序列，并通過(guò)優(yōu)化模型點(diǎn)投影同圖像對(duì)應(yīng)點(diǎn)的法向距離平方和實(shí)現(xiàn)單應(yīng)的優(yōu)化求解。另外基于提出的單應(yīng)識(shí)別優(yōu)化算法，設(shè)計(jì)了利用邊緣信息進(jìn)行相機(jī)內(nèi)外參數(shù)標(biāo)定的方法。相比傳統(tǒng)方法，本文方法無(wú)需制備平面靶板，利用具有標(biāo)準(zhǔn)尺寸的物件便能實(shí)現(xiàn)相機(jī)內(nèi)外參數(shù)的估計(jì)，標(biāo)定過(guò)程更為靈活。
　　3、針對(duì)傳統(tǒng)方法僅利用直線(xiàn)端點(diǎn)

6、信息，忽略了端點(diǎn)間的相關(guān)性的缺點(diǎn)，提出了基于直線(xiàn)間積分距離度量的位姿估計(jì)算法。首先設(shè)計(jì)了一種直線(xiàn)間積分距離度量準(zhǔn)則；然后基于該距離度量，根據(jù)圖像直線(xiàn)是否被看作無(wú)限長(zhǎng)，提出了多種基于直線(xiàn)的位姿估計(jì)算法，相對(duì)于傳統(tǒng)方法，本文算法對(duì)直線(xiàn)段間斷噪聲和方向噪聲具有更強(qiáng)的魯棒性；最后從圖像直線(xiàn)最小二乘擬合過(guò)程出發(fā)，給定邊緣點(diǎn)的噪聲信息（原始圖像），首次推導(dǎo)了圖像直線(xiàn)段端點(diǎn)定位的誤差模型。在此基礎(chǔ)上，給出了基于直線(xiàn)對(duì)應(yīng)位姿參數(shù)的極大似然估計(jì)。通過(guò)證明

7、發(fā)現(xiàn)提出的直線(xiàn)間積分距離函數(shù)同從推導(dǎo)的誤差模型出發(fā)得到的距離函數(shù)的形式一致。
　　4、證明了兩類(lèi)基于直線(xiàn)模型的目標(biāo)位姿跟蹤方法的等價(jià)性。首先從圖像觀測(cè)噪聲出發(fā)，在概率框架下證明了本文提出的基于直線(xiàn)對(duì)應(yīng)的位姿估計(jì)方法和基于最小化法向距離的模型跟蹤方法（第一類(lèi)方法需要檢測(cè)圖像中的直線(xiàn)，第二類(lèi)方法直接在原始圖像上進(jìn)行法向搜索得到模型圖像對(duì)應(yīng)）內(nèi)在的等價(jià)性；然后從優(yōu)化函數(shù)的物理意義出發(fā)，證明了兩類(lèi)方法對(duì)應(yīng)的直線(xiàn)間距離函數(shù)形式的一致性；最后

8、從效率、精度、魯棒性等多個(gè)角度對(duì)兩類(lèi)方法進(jìn)行了對(duì)比和評(píng)測(cè)，并通過(guò)在模型圖像配準(zhǔn)階段引入亞像素定位技術(shù)，提高了傳統(tǒng)基于最小化法向距離的模型跟蹤方法的精度和魯棒性。
　　5、針對(duì)結(jié)構(gòu)先驗(yàn)信息未知條件下的完全非合作目標(biāo)的位姿估計(jì)問(wèn)題，提出了基于直線(xiàn)的序列圖像目標(biāo)關(guān)鍵結(jié)構(gòu)重建和位姿估計(jì)方法。算法首先利用提出的直線(xiàn)匹配算法確定序列圖像間直線(xiàn)對(duì)應(yīng)關(guān)系，并線(xiàn)性求解相機(jī)位姿參數(shù)和目標(biāo)直線(xiàn)參數(shù)；然后根據(jù)提出的直線(xiàn)間積分距離度量構(gòu)建目標(biāo)函數(shù)；最后通過(guò)