CN103528568A - 一种基于无线信道的目标位姿图像测量方法 - Google Patents

Abstract

本发明一种基于无线信道数据传输***的目标位姿图像测量方法，涉及图像处理与位姿测量技术。包括设置发射端和接收端，发射端包括摄像机和图像处理单元，图像处理单元提取拍摄图像的至少3个特征点，确定其坐标，建立所述坐标与目标的先验特征的匹配关系，生成图像特征信息数据；图像特征信息数据通过无线信道从发射端传输到接收端；接收端的位姿解算单元，采用接收到的图像特征信息数据进行位姿参数解算。本发明将位姿的图像测量分为特征提取和位姿参数解算两个步骤，采用传输图像特征信息数据代替整幅图像，满足容量较低的无线信道要求。特征提取在高分辨率和高帧率图像的条件下完成，从而保证了位姿参数的测量精度。

Description

一种基于无线信道的目标位姿图像测量方法

技术领域

本发明涉及图像处理与位姿测量技术，尤其涉及一种基于无线信道数据传输***的目标位姿图像测量方法。

背景技术

位姿图像测量技术具有不接触被测物体的优点，在科研、军事、空间开发等领域具有十分重要的应用价值。在某些位姿测量的场景中，需要将观测点设置在飞行器（例如飞机、飞船、火箭等）上，测量与飞行器具有相对运动的飞行目标（例如卫星、火箭等）的相对位姿参数。设置在飞行器上的观测点通过无线信道与地面接收站通信。

图像测量的精度高度依赖于图像分辨率和帧率，当图像分辨率和帧率足够高时才能获得高测量精度。在航天、军事等领域，测量***采用无线信道传输数据时，信道容量较低使测量***的图像分辨率和帧率较低，需要通过合理的方案设计，优化位姿图像测量技术的各个步骤，达到较高的位姿测量精度。

北京理工大学航天测控实验室研制的目标位姿远程图像观测***，采用数据压缩技术实现了在较低的信道容量下图像的无线传输，图像可用于对目标位姿进行定性的观测。但是受无线信道容量所限，这种***所传输的图像分辨率和码率较低，不能对目标位姿进行定量测量。

国防科学技术大学对基于视觉的空间目标位姿测量方法进行了研究，在论文“基于视觉的空间目标位置姿态测量方法研究”中，提出了在较高图像分辨率的条件下精确测量目标位姿的方法，但是该方法没有考虑在低信道容量下高分辨率图像无法传输的问题。

典型无线信道容量不高于2Mbps，上述方法在此较低的信道容量下都不能够实现对目标位姿的高精度图像测量，为此需要针对此信道容量的较低数据传输条件设计目标位姿图像测量方法。

发明内容

为了解决现有技术中存在的上述缺陷，本发明要解决的技术问题是针对无线信道的低信道容量的传输条件提出一种目标位姿图像测量方法，该方法能够实现对目标位姿的高精度图像测量，适用于具有先验信息的各种类型的合作目标。

本发明解决其技术问题所采取的技术方案是：

一种基于无线信道的目标位姿图像测量方法，将位姿测量算法分解为特征提取和位姿参数解算两环节，且在特征提取环节得到的图像特征信息数据的传输码率满足无线信道的低容量限制。

本发明的方法包括，设置发射端和接收端；

所述发射端包括摄像机和图像处理单元；所述摄像机拍摄飞行目标的高分辨率图像；其中摄像机拍摄的图像分辨率高于512×512，帧率高于50bps；

所述图像处理单元提取所述摄像机拍摄图像的至少3个特征点，确定特征点在图像中的坐标；并建立所述坐标与目标的先验特征的匹配关系，生成图像特征信息数据。

在对摄像机拍摄的图像进行特征提取的步骤中，所提取的特征点可以是所述图像的角点、边缘等图像特征。

在所述步骤中，所述生成的图像特征信息数据需经过图像预处理、目标检测、特征检测、特征匹配、图像特征信息数据输出等环节，以上环节可选择与测量场景相适应的已成熟的公知算法实现。

由于本发明的方法中待测目标为合作目标，因此具有先验特征信息，与图像处理有关的算法可根据目标特征的不同采取公知的相应的特征匹配算法，生成的图像特征信息数据能够计算出目标位姿参数。

所述生成的图像特征信息数据通过无线信道从发射端传输到接收端。

所述接收端包括位姿解算单元，位姿解算单元采用接收到的所述图像特征信息数据进行位姿参数解算。

数据传输***的无线信道容量较低，不能实时传送高分辨率和高帧率图像，但是图像特征信息数据的传输码率可以满足无线信道的容量限制。

本发明将传输的数据流采用图像特征信息数据代替整幅图像，从而满足容量较低的无线信道要求；并将位姿的图像测量分为特征提取和位姿参数解算两个步骤，特征提取在高分辨率和高帧率图像的条件下完成，保证了图像特征信息数据的精度，从而保证了位姿参数的测量精度。

通过以下结合附图以举例方式对本发明的实施方式进行详细的描述后，本发明的其他特征、特点和优点将会更加的明显。

附图说明

图1是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法的***组成框图。

图2是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法的测量流程图。

图3是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法的飞行目标外观图。

图4是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法的飞行目标的特征点示意图。

图5是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法的示意图。

图6是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法的中心投影模型图。

图7是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法的图像特征信息数据提取流程图。

图8是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法中飞行目标图像梯度方向示意图。

图9是本发明的一种基于无线信道数据传输***的目标位姿图像测量方法的像素坐标系与图像坐标系示意图。

具体实施方式

下面结合附图和一个典型的具体实施方式对本发明做详细说明。

参见附图所示，图1是本发明一种基于无线信道数据传输***的目标位姿图像测量方法的***的组成框图。本发明的***由发射端和接收端两部分组成。其中，发射端由摄像机、图像处理单元、调制及功放器、发射机组成；接收端由接收机、检测及解调器、位姿解算单元组成。其中，本发明的***发射端完成图像采集、图像特征提取、信号调制和放大、信号发送等功能；接收端完成信号接收、信号解调、位姿解算、参数显示等功能。

参见图2所示，本发明的测量流程如下：采用高分辨率摄像机拍摄目标图像，摄像机的图像分辨率高于512×512，帧率高于50bps；所拍摄的图像传给图像处理器，图像处理器对图像进行特征提取，并将图像特征信息数据，经调制及功放后通过发射机发送。可以经过信道容量不高于2Mbps的低带宽的无线信道传送给接收端。接收端的接收机接收图像特征信息数据后，经检测及解调器传给位姿解算单元进行位姿参数解算。

本发明的核心步骤在于，将目标的位姿测量算法分为图像特征提取和位姿参数求解两部分，分别在***的发送端和接收端完成，从而使***完成对目标的位姿参数测量。

下面以待测目标为带有标记图案的锥形目标为例，具体说明本发明的目标位姿测量的方法。

图3为待测飞行目标的外观图，图4为飞行目标的特征点示意图，以图4所示的类梯形的4个顶点作为目标的特征点。

（一）位姿参数与坐标系定义

图5为本发明的位姿测量***简图，图6为本发明的测量方法的中心投影模型图。对待测飞行目标的位姿测量过程中共定义5个坐标系：

（1）目标坐标系O-XYZ

（2）测量坐标系O_w-X_wY_wZ_w

（3）摄像机坐标系O_c-X_cY_cZ_c

（4）图像坐标系o-xy

（5）像素坐标系o'-uv

同时，设特征点P_i在上述5个坐标系中的坐标分别为：W_i=(X_i,Y_i,Z_i)^T，

w=(x_i,y_i)^T，w'=(u_i,v_i)^T。（本专利默认i=1,2,3,4）

W_i与

之间存在以下关系：

$W_i^w={\mathrm{RW}}_i+T---\left(1\right)$

T为平移向量，是一个三维向量T=[T_X,T_Y,T_Z]^T。表示两坐标系之间的相对位置，即目标坐标系的原点在测量坐标系的坐标。

R为旋转矩阵，是三个角度(α,β,γ)的三角函数组合。绕X轴旋转角α，绕Y轴旋转角β，绕Z轴旋转角γ。目标坐标系按顺序分别绕三个坐标轴旋转，就达到三条坐标轴分别与测量坐标系对应的三条坐标轴方向一致的姿态。R用来描述目标坐标系相对于测量坐标系的姿态。R与(α,β,γ)的关系为：

$\begin{array}{c}R=R_Z{R}_Y{R}_X\\ =\left[\begin{array}{ccc}\cos \mathrm{\γ}& \sin \mathrm{\γ}& 0\\ -\sin \mathrm{\γ}& \cos \mathrm{\γ}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}\cos \mathrm{\β}& 0& -\sin \mathrm{\β}\\ 0& 1& 0\\ \sin \mathrm{\β}& 0& \cos \mathrm{\β}\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\α}& \sin \mathrm{\α}\\ 0& -\sin \mathrm{\α}& \cos \mathrm{\α}\end{array}\right]\\ =\left[\begin{array}{ccc}\cos \mathrm{\γ}\cos \mathrm{\β}& \sin \mathrm{\γ}\cos \mathrm{\α}+\cos \mathrm{\γ}\sin \mathrm{\β}\sin \mathrm{\α}& \sin \mathrm{\γ}\sin \mathrm{\α}-\cos \mathrm{\γ}\sin \mathrm{\β}\cos \mathrm{\α}\\ -\sin \mathrm{\γ}\cos \mathrm{\β}& \cos \mathrm{\γ}\cos \mathrm{\α}-\sin \mathrm{\γ}\sin \mathrm{\β}\sin \mathrm{\α}& \cos \mathrm{\γ}\sin \mathrm{\α}+\sin \mathrm{\γ}\sin \mathrm{\β}\cos \mathrm{\α}\\ \sin \mathrm{\β}& -\cos \mathrm{\β}\sin \mathrm{\α}& \cos \mathrm{\β}\cos \mathrm{\α}\end{array}\right]\end{array}---\left(2\right)$

位姿测量就是要求解出平移向量T与姿态角(α,β,γ)。

（二）特征点提取

特征点提取就是要提取出目标特征在摄像机所拍摄的图像的像素坐标系中的坐标。待测目标的外观要进行标记方案设计来产生先验图像特征信息数据，针对不同的目标特征标记设计方案不同。先验图像特征信息数据可以是特征点或者特征线，其数量决定了图像特征信息数据所要占用的无线信道带宽。图像求解目标位姿至少需要3个特征点的先验信息。特征点个数的上限与信道分配给测量***的带宽相关，但是采用的特征点个数越多计算复杂度越大，造成图像处理单元的负载过大，最优个数为3或者4个。

以图3所示的目标为例，说明特征点提取的过程。目标特征为每个类梯形区域的4个顶点P1,P2,P3,P4，根据本发明的针对该特征点的高精度提取方法，提取流程如图7，具体步骤如下：

（1）检测类梯形整像素边缘，本发明的具体实施方式采用Canny算子检测类梯形边缘，步骤为：

第一步:用高斯滤波器平滑图像。高斯平滑函数为：

$\begin{array}{c}H(x,y)=e^{-\frac{{\mathrm{\α}}^2+b^2}{{2\mathrm{\σ}}^2}}\\ G(x,y)=f(x,y)*H(x,y)\end{array}---\left(3\right)$

第二步:用一阶偏导的有限差分来计算梯度的幅值和方向。一阶差分卷积模板为：

$\begin{array}{cc}{H}_1=\left|\begin{array}{cc}-1& -1\\ 1& 1\end{array}\right|& H_2=\left|\begin{array}{cc}1& -1\\ 1& -1\end{array}\right|\end{array}---\left(4\right)$

第三步:对梯度幅值进行非极大值抑制。仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值，本发明利用梯度的方向求梯度。

ξ[i,j]=Sector(θ[i,j])       （6）

如图8所示的待测飞行目标图像梯度方向示意图，四个扇区的标号为0到3，对应3×3邻域的四种可能组合。在每一点上，邻域的中心像素M与沿着梯度线的两个像素相比。如果M的梯度值不比沿梯度线的两个相邻像素梯度值大，则令M=0。即

N[i,j]=NMS(M[i,j],ξ[i,j])        （7）

第四步:用双阈值算法检测和连接边缘。减少假边缘段数量的典型方法是对N[i,j]使用一个阈值，将低于阈值的所有值赋零值。本发明采用双阈值算法。选取双阈值:τ₁和τ₂，且τ₁≈2τ₂，得到两个阈值边缘图像T₁[i,j]和T₂[i,j]，在T₁中收取边缘，将T₂中所有间隙连接起来。

利用Canny算法得到类梯形的整像素边缘点P_i(m,n)。

（2）分离类梯形边缘中的腰、上底、下底。由于黑色类梯形和白色类梯形相邻，类梯形腰两边颜色的有黑色和白色两种；而类梯形上、下底两边的颜色，一边是灰色（背景）而另一边是白色或黑色（特征标记）。根据这一特点，将类梯形腰从边缘点中分离出来。类梯形的腰是直线，用最小二乘法拟合出来。在类梯形边缘点中去掉腰上的边缘点，得到类梯形上、下底边缘点。类梯形上、下底是圆弧，投影到图像中成为椭圆弧（或圆弧），用这些点分别拟合两条上、下底所在的椭圆曲线。

（3）提取类梯形亚像素边缘。在基于Canny算子求类梯形整像素边缘点P_i(m,n)之后，将已知的整像素边缘点P_i(m,n)的梯度方向近似替代其未知的亚象素边缘点的梯度方向，并在整像素边缘点的梯度方向上进行插值，获得差值函数φ(x,y)，由于图像边缘处的灰度导数值最大，因此，φ(x,y)的最大值点的坐标即为亚像素边缘点的坐标，那么，再通过求差值函数φ(x,y)的最大值就可获取亚像素边缘点的坐标P′_i(m′,n′)。

设R为类梯形的边缘点P_i(m,n)的梯度幅值，R₀为边缘点P_i(m,n)的灰度梯度的模，R_-1、R₁分别是在梯度方向上与P_i点相邻的两像素点P_i-1、P_i+1的梯度幅值，R₀、R_-1、R₁由八模板Sobel算子获得，则边缘点P_i(m,n)的亚像素坐标P′_i(m′,n′)为：

$\begin{array}{c}{m}^{\′}=m+\frac{R_{-1}-R_1}{R_{-1}-{2R}_0+R_1}\·\frac{W}{2}\cos \left(\mathrm{\θ}\right)\\ n^{\′}=n+\frac{R_{-1}-R_1}{R_{-1}-{2R}_0+R_1}\·\frac{W}{2}\sin \left(\mathrm{\θ}\right)\end{array}---\left(8\right)$

式中，W为相邻像素点到边缘点的距离，W=1或，θ为梯度方向与图像纵轴的夹角。

根据上述方法，求出腰、上底、下底每个边缘点的亚像素坐标P′_i(m′,n′)。

（4）求解特征点亚像素坐标

由于类梯形的腰是沿圆锥体母线的直线段，因此，类梯形的腰可以用最小二乘法拟合成直线模型y=kx+b。设P_L1(m_L1,n_L1)和P_L2(m_L2,n_L2)分别是类梯形两条腰上的整像素坐标，P′_L1(m′_L1,n′_L1)和P′_L2(m′_L2,n′_L2)为相应点的亚像素边缘点坐标，则类梯形的腰L₁、L₂为：

$\begin{array}{c}{L}_1:n_{L1,i}^{\′}=k_1{m}_{L1,i}^{\′}+b_1\\ L_2:n_{L2,j}^{\′}=k_2{m}_{L2,j}^{\′}+b_2\end{array}---\left(9\right)$

式中，k₁、b₁、k₂、b₂分别为：

$\begin{array}{c}{b}_1=\stackrel{\‾}{n_{L1}^{\′}}-k_1\stackrel{\‾}{m_{L1}^{\′}}\\ k_1=\frac{\mathrm{\Σ}(\stackrel{\‾}{m_{L1}^{\′}}-m_{L1}^{\′})(\stackrel{\‾}{n_{L1}^{\′}}-n_{L1}^{\′})}{\mathrm{\Σ}{(\stackrel{\‾}{m_{L1}^{\′}}-m_{L1}^{\′})}^2}\\ b_2=\stackrel{\‾}{n_{L2}^{\′}}-k_2\stackrel{\‾}{m_{L2}^{\′}}\\ k_2=\frac{\mathrm{\Σ}(\stackrel{\‾}{m_{L2}^{\′}}-m_{L2}^{\′})(\stackrel{\‾}{n_{L2}^{\′}}-n_{L2}^{\′})}{\mathrm{\Σ}{(\stackrel{\‾}{m_{L2}^{\′}}-m_{L2}^{\′})}^2}\end{array}---\left(10\right)$

式中，表示像素点均值。

因为类梯形上底和下底为圆弧，投影到图像中成为椭圆弧，因此，类梯形上底和下底拟合成二次曲线方程模型ax²+bxy+cy²+dx+ey+f=0。令P_C1(m_C1,n_C1)、P_C2(m_C2,n_C2)为类梯形上底和下底的整像素坐标，P′_C1(m′_C1,n′_C1)、P′_C2(m′_C2,n′_C2)为相应点的亚像素坐标，类梯形的上底和下底分别为L₃、L₄。

由于圆锥体距离摄像机较远时，上底和下底上的边缘点数量较少，拟合出的二次曲线效果不理想，与真实曲线误差较大。针对该问题，本发明利用拉格朗日差值法拟合上底和下底所在的二次曲线。

求类梯形L₁,L₃交点坐标P_L1L3(m,n),的方法如下：

（a）找出L₃上距L₁为d≈1，d≈3的两个亚像素边缘点P′₁(m′₁,n′₁)、P′₂(m′₂,n′₂)。

（b）提取L₁另一侧类梯形上底上距L₁为d≈1的亚像素边缘点P′₃(m′₃,n′₃)。

（c）基于式，P′₁(m′₁,n′₁)、P′₂(m′₂,n′₂)、P′₃(m′₃,n′₃)进行拉格朗日差值

$\begin{array}{c}{c}_1\left(x\right)=\frac{(x-m_2^{\′})(x-m_3^{\′})}{(m_1^{\′}-m_2^{\′})(m_1^{\′}-m_3^{\′})}\\ c_2\left(x\right)=\frac{(x-m_1^{\′})(x-m_3^{\′})}{(m_2^{\′}-m_1^{\′})(m_2^{\′}-m_3^{\′})}\\ c_3\left(x\right)=\frac{(x-m_1^{\′})(x-m_2^{\′})}{(m_3^{\′}-m_1^{\′})(m_3^{\′}-m_2^{\′})}\end{array}---\left(11\right)$

（4）基于式，求出L₁,L₃交点坐标

$\begin{array}{c}y=n_1{c}_1\left(x\right)+n_2{c}_2\left(x\right)+n_3{c}_3\left(x\right)\\ n_{L1,i}^{\′}=k_1{m}_{L1,i}^{\′}+b_1\end{array}---\left(12\right)$

类似的，可以求出类梯形腰与上底和下底的其它3个交点坐标P_L2L3(m,n),P_L1L4(m,n)，P_L2L4(m,n)。

根据本发明的具体实施方式，上述特征点提取、建立图像特征点与目标先验特征的匹配关系，生成图像特征信息数据的全部环节由以DSP芯片为核心的图像处理单元完成。

（三）传输码率计算

生成图像特征信息数据后，要将图像特征信息数据通过无线信道传给用于装有位姿测量软件的位姿解算单元。

经过特征点提取得到待测飞行目标在高分辨率摄像机所拍摄的图像中的图像特征信息数据，本发明中采用图像特征信息数据取代图像本身作为无线信道的传输内容，从而满足无线信道的容量限制。以图3所示目标为例，其特征点为4个，计算传输码率。

每帧图像的图像特征信息数据包括4个特征点的坐标和编号，每个特征点坐标占用8Bytes的存储空间，特征点编号占用2Bytes的存储空间，因此单帧图像的图像特征信息数据数据量为40Bytes。

计算采用4个特征点，图像帧率不同时的码率。如表1所示：

表1码率计算（1）

图像帧率	输出码率
		50bps	15.63Kbps
100bps	31.25Kbps
		200bps	62.50Kbps

如表1所示的计算结果，采用较高的帧率200bps时，无线信道用于传输图像图像特征信息数据数据的带宽为62.5Kbps，远低于典型无线信道2Mbps的信道容量，可以为无线信道节省大量带宽。

计算图像帧率为100bps，采用的特征点个数不同时的码率。如表2所示：

表2码率计算（2）

特征点个数	输出码率
		4	31.25Kbps
6	46.88Kbps
		8	62.50Kbps

如表2所示的计算结果，采用8个特征点时，无线信道用于传输图像特征信息数据的带宽为62.5Kbps，远低于典型无线信道2Mbps的信道容量。

（四）位姿参数解算

位姿参数解算由图像处理单元完成，可通过公知的位姿测量算法完成。实践中可通过装有位姿测量软件的计算机解算目标的位姿参数。本发明的方法中，待测目标为合作目标，因此具有先验图像特征信息数据。在前面步骤中，特征点在目标坐标系O-XYZ中的坐标W_i=(X_i,Y_i,Z_i)是先验信息，为已知；特征点在像素坐标系中的坐标w'=(u_i,v_i)^T通过上述的特征点提取步骤获得。位姿参数解算就是利用以上已知量结合本发明的高分辨率摄像机的参数求解出目标的位姿参数。

图5为本发明的位姿测量***简图，本发明的高分辨率摄像机坐标系为O-X_cY_cZ_c，摄像机主点为坐标系原点，摄像机横纵方向分别为x轴和y轴，摄像机光轴为z轴。测量坐标系为O_w-X_wY_wZ_w。

（1）求解特征点图像坐标系坐标

设像素坐标系中各个像素之间在x轴和y轴方向上的距离，即像素实际物理尺寸，分别是dx和dy，图像中心的像素坐标为(u₀,v₀)，如图9，由像素坐标系和图像坐标系的变换关系可以由图像中任意点在像素坐标系坐标w'=(u_i,v_i)^T求解图像坐标系坐标w=(x_i,y_i)^T，即

$\left\{\begin{array}{c}{x}_i=(u_i-u_0)\mathrm{dx}\\ y_i=(v_i-v_0)\mathrm{dy}\end{array}\right.---\left(13\right)$

（2）求解特征点摄像机坐标系坐标

f表示摄像机的焦距，则4个特征点图像坐标系坐标(x_i,y_i)^T与摄像机坐标系坐标 $W_i^c={(X_i^c,Y_i^c,Z_i^c)}^T$ 存在以下关系：

$\left\{\begin{array}{c}\frac{x_i}{f}=\frac{X_i^c}{Z_i^c}\\ \frac{y_i}{f}=\frac{Y_i^c}{Z_i^c}\end{array}\right.---\left(14\right)$

同时这4个点中的任意2点之间的三维空间距离是已知的（先验信息），即：

$d(P_i,P_j)=\sqrt{{(X_i^c-X_j^c)}^2+{(Y_i^c-Y_j^c)}^2+{(Z_i^c-Z_j^c)}^2}=d_{\mathrm{ij}}---\left(15\right)$

由式可得8个等式，由式可得6个等式，此可以得1个超定方程组，用最小二乘法即可求解出 $W_i^c={(X_i^c,Y_i^c,Z_i^c)}^T.$

（3）求解特征点世界坐标系坐标

设摄像机坐标系和世界坐标系之间的相对变换关系由旋转矩阵Rc与平移向量Tc表示。Rc与Tc在测量前的摄像机安装过程中为已知（摄像机标定）。即：

$W_i^w={\mathrm{RcW}}_i^c+\mathrm{Tc}---\left(16\right)$

（4）求解目标的位姿参数

目标的位姿参数由旋转矩阵R和平移向量T表示，世界坐标系坐标与的物体坐标系坐标存在以下关系：

$W_i^w={\mathrm{RW}}_i+T---\left(17\right)$

设4个特征点的质心在世界坐标系和目标坐标系中的坐标分别为：

$\stackrel{\‾}{P}=\frac{1}{4}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{W}_i^w,\stackrel{\‾}{Q}=\frac{1}{4}\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{W}_i$

则4个特征点在以质心为原点的坐标系下的新坐标为：

$W_i^{w\′}=W_i^w-\stackrel{\‾}{P},{W_i}^{\′}=W_i-\stackrel{\‾}{Q}$

其中：

$W_i^{w\′}={(x_i^{w\′},y_i^{w\′},x_i^{w\′})}^T,{W_i}^{\′}={({x_i}^{\′},{y_i}^{\′},{x_i}^{\′})}^T$

从而得到：

$T=\stackrel{\‾}{P}+R\stackrel{\‾}{Q}---\left(18\right)$

设：

$\left\{\begin{array}{c}{S}_{\mathrm{xx}}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i^{w\′}{x_i}^{\′}\\ S_{\mathrm{xy}}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i^{w\′}{y_i}^{\′}\\ S_{\mathrm{xz}}=\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_i^{w\′}{z_i}^{\′}\\ .\\ .\\ .\end{array}\right.$

$N=\left[\begin{array}{cccc}{S}_{\mathrm{xx}}+S_{\mathrm{yy}}+S_{\mathrm{zz}}& S_{\mathrm{yz}}-S_{\mathrm{yz}}& S_{\mathrm{zx}}-S_{\mathrm{xz}}& S_{\mathrm{xy}}-S_{\mathrm{xy}}\\ S_{\mathrm{yz}}-S_{\mathrm{yz}}& S_{\mathrm{xx}}-S_{\mathrm{yy}}-S_{\mathrm{zz}}& S_{\mathrm{xy}}+S_{\mathrm{yx}}& S_{\mathrm{zx}}+S_{\mathrm{xz}}\\ S_{\mathrm{zx}}-S_{\mathrm{xz}}& S_{\mathrm{xy}}+S_{\mathrm{yx}}& -S_{\mathrm{xx}}+S_{\mathrm{yy}}-S_{\mathrm{zz}}& S_{\mathrm{yz}}+S_{\mathrm{zy}}\\ S_{\mathrm{xy}}-S_{\mathrm{yx}}& S_{\mathrm{zx}}+S_{\mathrm{xz}}& S_{\mathrm{yz}}+S_{\mathrm{zy}}& -S_{\mathrm{xx}}-S_{\mathrm{yy}}+S_{\mathrm{zz}}\end{array}\right]$

旋转矩阵R所对应的四元数r?，是N的最大特征值所对应的特征向量。令 $\stackrel{\·}{r}={\left[\begin{array}{cccc}{r}_0& r_1& r_2& r_3\end{array}\right]}^T,$ 则其表示的旋转矩阵为：

$R=\left[\begin{array}{ccc}{r_0}^2+{r_1}^2-{r_2}^2-{r_3}^2& 2(r_1{r}_2-r_0{r}_3)& 2(r_1{r}_3+r_0{r}_2)\\ 2(r_1{r}_2+r_0{r}_3)& {r_0}^2-{r_1}^2+{r_2}^2-{r_3}^2& 2(r_2{r}_3-r_0{r}_1)\\ 2(r_1{r}_3-r_0{r}_2)& 2(r_2{r}_3+r_0{r}_1)& {r_0}^2-{r_1}^2-{r_2}^2+{r_3}^2\end{array}\right]$

从而求得R，并由式(2)求解(α,β,γ)，由式（18）求解T=[T_X,T_Y,T_Z]^T，得到目标的位姿参数。

应当认识到，以上描述只是本发明的一个特定实施例，本发明并不仅仅局限于以上图示或描述的特定的结构，权利要求将覆盖本发明的实质精神及范围内的所有变化方案。

Claims (3)

1.一种基于无线信道的目标位姿图像测量方法，其特征在于，

设置发射端和接收端；

所述发射端包括摄像机和图像处理单元；

所述摄像机拍摄合作飞行目标的高分辨率图像；

所述图像处理单元提取所述摄像机拍摄高分辨率图像的至少3个特征点，确定特征点在图像中的坐标；并建立所述坐标与所述合作飞行目标的先验特征的匹配关系，生成图像特征信息数据；

每帧图像的图像特征信息数据包括特征点的坐标和编号；

所述生成的图像特征信息数据通过无线信道从发射端传输到接收端；

所述接收端包括位姿解算单元；

位姿解算单元采用接收到的所述图像特征信息数据进行位姿参数解算。

2.根据权利要求1所述的基于无线信道的目标位姿图像测量方法，其特征在于，摄像机拍摄的图像分辨率高于512×512，帧率高于50bps。

3.根据权利要求1或2所述的基于无线信道的目标位姿图像测量方法，其特征在于，所述特征点提取、建立图像特征点与合作目标先验特征的匹配关系，生成图像特征信息数据的全部环节由以DSP芯片为核心的图像处理单元完成。

Images