[发明专利]一种适用于空间非合作目标的三角形帆板支架识别方法

说明书

技术领域

本发明属于图像处理与计算机视觉领域，具体涉及一种搭载在空间绳系机器人视觉感知系统上的非合作卫星三角形帆板支架的自动识别方法。

背景技术

空间绳系机器人系统由“空间绳系机器人+空间系绳+空间平台”组成，具有安全、灵活、操作距离远等特点，可广泛应用于包括在轨维修、在轨加注、辅助变轨及在轨空间站辅助组装等在轨服务中，已经成为空间操控技术领域的研究热点之一。这种新型的微型智能机器人，在空间可以自主逼近目标。在其逼近的过程中利用自身携带的双目视觉测量系统对目标进行实时检测、识别、跟踪与测量。其中最关键的步骤是如何快速自动识别非合作目标物体上的感兴趣区域（ROI,region of interest），例如识别目标的几何构型、几何尺寸、判别目标上合适的抓捕部位等。

非合作目标的识别是一个世界性难题，已经引起了国内外研究者的重视。张世杰等提出了一种不采用合作光标情况下的位姿测量方法，但假设被识别目标的形状及几何尺寸已知。欧洲空间局设计了地球静止轨道恢复器（ROGER），使用绳系飞网或飞爪，对轨道上的废弃卫星进行抓捕，其中对目标的测量使用了包括激光测距、主动视觉等手段。Thienel等在NASA的资助下，针对哈勃太空望远镜的服务，提出了一种非线性的方法用于估计航天器的姿态，并进行跟踪控制，但采用了较多的先验知识。Inaba等提出了一种对非合作目标进行在轨识别与捕获的方法，但假定目标的外形、尺寸及质量已知。德国宇航局（DLR）在20世纪90年代初就开展了对非合作目标在轨服务的研究，在ESS（实验服务卫星）项目中，设计了针对非合作目标变轨发动机的抓捕机构及基于多传感器数据融合的识别算法；DLR正在开展的TECSAS（空间系统演示验证技术卫星）项目将对航天器的接近和交会、绕飞监测、机器人捕获等进行演示实验。TECSAS采用了复杂的非合作目标识别算法，但由于受星载处理器计算能力的限制，该算法无法在星上自主完成，而是将采集的图像下传到地面，在地面操作员的直接参与下（人为判断搜索区域、锁定特征点等），由地面设备进行图像处理并计算目标位姿，再将测量结果上传到星上，星上控制器控制追踪星跟踪、接近目标。该方法受传输时延、传输可靠度的影响较大，当时延较大时整个系统将不稳定；而且，由于需要操作人员的直接参与，其“自主”性不高。美国麻省理工大学Dubowsky领导的课题组也对非合作目标的识别展开了研究，采用激光成像对目标的形状、运动及相关参数进行估计。

发明内容

本发明的目的在于弥补现有非合作目标星典型兴趣区域识别技术的不足，提供一种适用于空间非合作目标的三角形帆板支架识别方法，本发明基于目标连接架与背景的几何特征差异，以目标物体上的边界直线段作为识别的依据，利用单目视觉对目非合作目标星的三角形帆板支架进行快速识别，顶点提取，为基于视觉的相对位姿测量以及抓捕点的选择奠定基础，能够快速准确检测出图像中三角形区域且能够提取出三角形的三个顶点。

为实现上述目的，本发明的技术方案为：

一种适用于空间非合作目标的三角形帆板支架识别方法，基于目标连接架与背景的几何特征差异，以目标物体上的边界直线段作为识别的依据，利用单目视觉对非合作目标的三角形帆板支架进行识别。

具体包括以下步骤：

第一步：对目标图像进行采集、过滤后提取边缘点，得到边缘图像I3；

第二步：采用具有方向性的Hough变换对第一步得到的图像I3进行直线提取，得到包含三角形支架各直线在内的各条直线信息；

第三步：从第二步提取的所有直线信息中，采用动态规划搜索算法识别对应于三角形帆板支架的直线；

第四步：利用第三步识别出来的三角形支架对应的直线，计算三角形的顶点。

第一步中提取边缘点的具体方法为：首先近似估计过滤后的图像的梯度，然后求出梯度的模值，其中，梯度模值大于阈值T的像素为边缘点。

边缘点的判断方法为：对于梯度模值图上的模值非零的每一像素点，在梯度方向上，如果该点的梯度值非局部极大，则该点不属于边缘点，令其梯度模值为零，否则该点属于边缘点。

第一步中提取边缘点的方法还包括以下步骤：对梯度模值图进行二值化处理，将图像分割为目标和背景，得到二值化的边缘图像。

所述阈值T采用迭代法计算，具体步骤为：首先确定初始阈值，该初始阈值为过滤后图像中最大灰度值的一半，根据该初始阈值将过滤后图像分为目标和背景两部分，分别计算目标和背景的平均灰度，以目标和背景的平均灰度的平均值为新的阈值，如此反复，直至达到收敛。

第二步的具体步骤为：