CN104154919A - 一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法 - Google Patents

Abstract

本发明提出了一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法。该方法首先给出了基于滑动窗口Hough变化以及三角形内切圆的特征结构自主识别算法，得到三角架上特征点的图像坐标，再结合P4P算法以及已知的航天器尺寸与特征结构，计算出由旋转矩阵与平移矩阵表示的相对位姿。本发明适用于近距离交会阶段，对非合作航天器进行观测、跟踪、对接时的相对位姿测量。有益效果：本发明可自动完成太阳能帆板三角架部件的特征提取及位姿解算，整个过程中无需人工干预，也无需在目标上安置标识器，实时性和自主性高，克服了远程控制下测量结果受传输时延、传输可靠性的影响大，***不稳定等缺点。

Description

一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法

技术领域

本发明涉及一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法，属于航天器在轨服务技术领域。

背景技术

随着太空活动日益频繁，由于发射失误或通信天线展开失败产生的失效或废弃卫星越来越多，这些失效卫星不仅造成了巨大的经济损失，还占用了宝贵的轨道资源，给其他卫星的运行造成威胁。为了尽可能的挽回损失或净化轨道环境，以卫星维修、生命延长及太空垃圾清除为目的在轨服务技术越来越受重视(崔乃刚，王平，郭继峰，等.空间在轨服务技术发展综述[J].宇航学报.2007,28(4):33-39)。在轨服务过程中，通常需要先测得目标航天器的位置与姿态信息，这些航天器大多和地面控制端失去了信息交流，运动状态未知，且机构上没有安装用于辅助测量的合作标志器和特征块，称为非合作目标。对于此类目标位姿的测量，只能利用目标上的自然特征，其测量误差与难度都远远比合作目标的位姿测量要大。

针对非合作航天器上不同部件的位姿测量方法，各国都开展了大量的研究。文献(Inaba N,Oda M,Asano M.Rescuing a stranded Satellite inSpace—experimental robotic capture of non-cooperative Satellites[J].Transactions ofthe Japan Society for Aero-nautical and Space Sciences.2006,48(162):213-220.)提出一种针对航天器的星箭对接环部件进行位姿测量的方法，该方法事先假定目标航天器外形、尺寸及质量等都已知。文献(徐文福,梁斌,李成.基于立体视觉的航天器相对位姿测量方法与仿真研究[J].宇航学报,2009,30(4):1-8.)以太阳能帆板三角架为识别目标，提出将非合作航天器图像下传到地面，利用人机交互的方式为追踪航天器提供人工合作信息完成特征提取与位姿解算。文献(Du X D,Liang B,et a1.Pose measurement of large non-cooperative satellite based oncollaborative cameras.Acta Astronautica,2011,68(11)：2047-2065.)也是通过人机交互的方式，选取太阳能帆板矩形框架为目标对象，利用双目相机对较大的非合作航天器进行位姿测量。

综上所述，目前虽然对于航天器相对位姿测量的整体研究很多，但专门针对航天器特征识别的研究较少。现有为数不多的特征识别也大多采用人机交互的方法，通过将远程拍摄到的图片下传到地面主控端，通过人工手动选取目标参考点，实现特征结构的实时定位与跟踪，这种方法受到传输时延、传输可靠性的影响较大，***将不稳定，而且由于需要地面人员的直接参与，其自主性和实时性不高。大多需要人的远程操控，其自主性和实时性不高，且测量结果受传输时延、传输可靠性的影响大，***不稳定。因此，提出一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法，以获取近距离交会阶段非合作航天器的相对位姿，是非常必要和迫切的。

发明内容

本发明为解决现有非合作航天器位姿测量的自主性和实时性差、***不稳定以及传输时延大等问题，进而提供了一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法，主要步骤包括基于单目视觉的图像预处理、基于滑动Hough变化以及三角形内切圆特性的特征结构自主识别、以及基于P4P算法的相对位姿测量。该方法无需人工干预，也无需在目标上安置标识器，而是以航天器自身的典型部件作——太阳能帆板三角支架作为识别对象，实现非合作航天器与摄像机相对位姿的自主测量。

技术方案

为解决上述问题，一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法所采用的技术方案是：

步骤1：摄像机拍摄图片，对原图像进行滤波、二值化，Canny算法提取边缘等预处理；

步骤2：采用基于滑动窗口Hough变化以及三角形内切圆的特征结构自主识别算法，得到三角架上特征点的图像坐标；:

步骤3：结合P4P算法以及已知的航天器尺寸与特征结构，计算出由旋转矩阵与平移矩阵表示的相对位姿；

步骤4：将估测的姿态信息转换成旋转角与平移距离的表示方式，与激光跟踪仪测量的准确值作对比，分析误差原因。

有益效果

与现有技术相比，本发明的有益效果是无需添加任何辅助测量工具，直接选取非合作航天器上的典型部件—太阳能帆板三角架为对象进行目标位姿的自主测量，且不需要将太空中拍摄到的图像下传到地面由人工选取图像参考点，避免了图像远程传输过程中产生的时延和***不稳定。

附图说明

图1为Hough算法下将图像空间上的直线映射到ρ-θ参数空间的示意图；

图2为三角形及其内切圆关系的原理图；

图3为中心透视投影成像模型图；

图4为相对位姿测量实验示意图；

图5为三角形检测结果图；

具体实施方式

一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法，图像处理步骤：

(1)采用Canny算子提取图像边缘：用高斯滤波器平滑图像，再用一阶偏导的有限差分来计算梯度的幅值和方向，接着对梯度幅值进行非极大值抑制，最后用双阈值算法检测和连接边缘；

(2)进行均值滤波，降低像素的噪声；

(3)图像二值化：即灰度分划，指设定一个灰度值，凡是图像本身灰度大于它的便令其为亮点而灰度值低于设定值的，便令其为暗点，如此获得一个二元的图像。

一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法，基于滑动Hough变化的三角形检测的具体实施方案是：

利用点—线的对偶性，即采用参数方程ρ＝xcos(θ)+ysin(θ)将图像平面上的一个点就对应到参数平面上的一条曲线上，其中ρ是从原点引到直线的垂线长度，θ是垂线与x轴正向的夹角。原始坐标系下呈现直线的所有点，它们的斜率和截距是相同的，这个特点表现在参数坐标系下即所有曲线聚集于同一个点(θ₀,ρ₀)，参见图1。由三角形内切圆特性：内切圆圆心到三边距离相等，选取一小窗口在图像上滑动，指定窗口中心为坐标原点，对窗口内图像进行Hough变化，当窗口滑动到坐标系原点正好与三角形内切圆圆心重合时，三角形在对应的Hough参数空间内会有三个峰值点，且这三个峰值点的ρ坐标绝对值相等(参见图2)，由此可确定三角形顶点和内心的图像坐标。具体实现步骤如下：

(1)对图像进行预处理，提取特征并计算其梯度方向；

(2)将(θ，ρ)参数平面量化，设置二维累计矩阵H(θ_i,ρ_j)；

(3)边缘细化，即在边缘点的梯度方向上保留极值点，剔除那些非极值点；

(4)对每一边缘点，以其梯度方向ψ为中心，设置一小区间[ψ-θ₀,ψ+θ₀]，其中θ₀为经验，一般可取5°～10°，在此小区间上以Δθ为步长，对每一个区间中的θ量化值计算相应的ρ值，并给相应的累计矩阵元素增加一个单位值；

(5)对累计矩阵进行阈值检测，将大于阈值的点作为备选点；

(6)取累计矩阵(即参数空间)中备选点中的极大值点为所需的峰值点，这些点所对应的参数空间的坐标即所检测直线的参数。

(7)判断上一步检测到的直线段集合中是否有三条线段的长度及角度满足以下条件(由于数字图像中的直线段不能精确满足其数学定义，需要设置阈值，以下条件表达式中T_a即为设定的阈值)：

A |ρ_a-ρ_b|＜T_a,|ρ_a-ρ_c|＜T_a,|ρ_c-ρ_b|＜T_a(内切圆圆心到三边距离相等)；

B AB×AO、AO×AC、OB×OC均与AB×AC平行同向(窗口中心在三条线段围成多边形的内部)；

C a+b>c,a+c>b,b+c>a(三角形任意两边之和大于第三边)；

如果检测到的直线段满足上述条件，则这三条线段构成了一个三角形，即可得到三角形的三条边及三个角，该三角形也就可以被确定下来，同时也可以得到三角形内切圆的圆心坐标(x₀,y₀)、圆心分别到三条边的距离ρ及ρ所在直线与x轴的夹角θ，依此可以确定该三角形三个顶点的坐标，完成三角架特征点的定位。

一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法，基于P4P算法的相对位姿解算的具体实施方案是：

由中心透视成像模型(参见图3)描述航天器上的特征点在摄像机坐标系下的坐标Q_c(x_c,y_c,z_c)与其图像坐标为U_o(u,v)之间的映射关系：

$z_c\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{cccc}{f}_u& 0& u_o& 0\\ 0& f_v& v_o& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\\ 1\end{array}\right]---\left(1\right)$

其中f_u、f_v为有效焦距，u_o、v_o为相机主点。又已知特征点在目标坐标系下的坐标Q_o(x_o,y_o,z_o)与其在摄像机坐标系下的坐标Q_c(x_c,y_c,z_c)之间的刚体关系用齐次坐标可描述为：

$\left[\begin{array}{c}{x}_c\\ y_c\\ z_c\\ 1\end{array}\right]=\left[\begin{array}{cc}R& T\\ 0^T& 1\end{array}\right]\left[\begin{array}{c}{x}_o\\ y_o\\ z_o\\ 1\end{array}\right]---\left(2\right)$

其中 $R=\left[\begin{array}{ccc}{r}_0& r_1& r_2\\ r_3& r_4& r_5\\ r_6& r_7& r_8\end{array}\right]$ 是由Q_o(x_o,y_o,z_o)到Q_c(x_c,y_c,z_c)坐标的旋转转换矩阵， $T=\left[\begin{array}{c}{t}_1\\ t_2\\ t_4\end{array}\right]$ 是Q_o(x_o,y_o,z_o)坐标原点到Q_c(x_c,y_c,z_c)坐标原点的平移向量。

将(2)式带入(1)式，并令λ＝z_c得：

$\mathrm{\λ}\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{cccc}{f}_u& 0& u_o& 0\\ 0& f_v& v_o& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{cc}R& T\\ 0^T& 1\end{array}\right]\left[\begin{array}{c}{x}_o\\ y_o\\ z_o\\ 1\end{array}\right]---\left(3\right)$

当已知四个特征点的图像坐标(u,v)和空间坐标(x_o,y_o,z_o)，则将式(3)纯量化后可得到关于λ₁～λ₄、r₀～r₈、t₁～t₃、f_u、f_v、u_o、v_o共20个未知变量的12个线性方程，又已知旋转矩阵R正交，除去约束关系后还剩15个未知变量。比例系数λ的实际意义是物点到光心的距离在光轴方向的投影，当四个特征点共面时，λ₁＝λ₂＝λ₃＝λ₄，此时方程组只剩下12个未知变量，有唯一线性解。即摄像机的内参、目标旋转矩阵R以及平移矩阵T均可求解出来。

具体实验案例：

现结合实施案例与附图对本发明作进一步描述。

本发明搭建了非合作航天器位姿自主测量的地面实验平台，结构框图如图4所示。实验平台主要包括太空背景、星载计算机、CCD相机、目标航天器等，相关模块技术参数如下：

1)太空背景由面向虚拟制造的多投影沉浸式虚拟环境应用平台——“五通道220度大型环幕立体显示***”构建，该***具有宽视场角、高分辨率、画面颜色整体一致性好、沉浸感好等特点，可模拟出较为真实的太空环境；

2)星载计算机由普通的个人计算机模拟，主要负责图像的处理与运算；

3)相机使用Kinect彩色摄像头，分辨率为1280×960，有效视距为1.2～3.5m，其内参数为：等效焦距f_u＝f_v＝1600，主点坐标u_c＝u_c＝(400,300)，图像尺寸为1280×960；

4)目标航天器为嫦娥二号探月卫星模型(比例1：30)，模型为锌铝合金材质，重量1.3kg，尺寸参数为：680mm(长)×220mm(高)×125mm。

5)主体结构为56mm×66mm×70mm的立方体。由于本发明使用的是卫星模型，所以按照比例折算，近距离为约为0～1m。太阳能帆板三角架部分大小为52mm×52mm×55mm，该尺寸符合实际。

基于本发明的相对位姿测量方法与上述的相关技术参数，实验过程中应事先标定好相机的内、外参数，利用相机对目标航天器拍照(任一太阳能帆板三角架完整成像)，利用本发明方法自动完成特征点的提取，并解算目标航天器坐标系与相机坐标系之间的位姿参数。

Claims (4)

1.一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法，其特征在于包括如下步骤：

(1)基于单目视觉的图像预处理：根据摄像机采集到的图像，进行实时处理，包括平滑滤波、边沿检测、二值化处理等；

(2)基于滑动窗口Hough变化以及三角形内切圆的特征结构自主识别：用滑动窗口遍历原图像，对窗口内的图片进行Hough变化与判定，找到满足三角形特征的顶点坐标；

(3)基于P4P算法的相对位姿解算：结合已知的航天器尺寸以及检测出的三角形上四个共面特征点的图像坐标，计算出由旋转矩阵与平移矩阵表示的相对位姿，并与激光跟踪仪测量的准确值对比。

2.根据权利要求1所述的图像预处理过程，其特征在于：

采用自适应Canny边缘检测算法来克服传统的Canny算法噪声抑制与边缘的定位性能相冲突、对阈值设定不灵活、不能自动根据图像特征确定阈值、算法的自主能力较差等缺点，通过某种计算方法自动确定阈值和高斯空间系数，能够根据不同的图像特性自适应的进行边缘检测。

3.根据权利要求1所述的基于滑动Hough变化的三角形特征检测的算法，其特征在于：

利用三角形内切圆心到三边距离相等这一特性。选择一个窗口在图像中滑动，以该窗口的中心作为直角坐标系的原点对窗口内的图像作Hough变换。当滑动到坐标系原点正好与三角形内切圆圆心重合时，三角形在对应的Hough参数空间内会有三个峰值点，这三个峰值点的ρ坐标绝对值相等，θ值不同。由此确定三角形顶点和内心的图像坐标。

4.根据权利要求1所述的基于P4P算法的非合作航天器位姿解算，其特征在于：

当已知目标结构上任一共面四点的图像坐标(u_i，v_i)和对应的空间坐标(x_oi，y_oi，z_oi)时，依据摄像机成像模型： $z_c\left[\begin{array}{c}u\\ v\\ 1\end{array}\right]=\left[\begin{array}{cccc}{f}_u& 0& u_o& 0\\ 0& f_v& v_o& 0\\ 0& 0& 1& 0\end{array}\right]\left[\begin{array}{cc}R& T\\ 0^T& 1\end{array}\right]\left[\begin{array}{c}{x}_o\\ y_o\\ z_o\\ 1\end{array}\right],$ 可唯一确定摄像机坐标系到目标航天器坐标系之间的位姿转换关系 $\left[\begin{array}{cc}R& T\\ 0^T& 1\end{array}\right].$