[发明专利]基于轮廓点混合特征匹配的空间目标姿态估计方法

说明书

技术领域

本发明涉及三维立体视觉的数字图像处理技术领域，具体涉及一种基于轮廓点混合特征匹配的空间目标姿态估计方法。

背景技术

近年来，光学成像系统在空间目标上的应用十分广泛，许多实际功能如自动交会对接、在轨自服务等都需要确定空间目标的姿态参数，因此将姿态估计方法应用于空间目标是有迫切需求的。另一方面，随着高质量光学成像系统的快速发展，包含更多空间目标细节信息的图像数据可以用来作为姿态估计的输入，有利于提高姿态估计的精度。

完整的姿态估计方法需要解决两方面的问题：首先需要确定从输入图像到目标三维模型的特征对应关系，然后基于对应关系对投影误差函数进行优化实现对目标姿态参数的估计。对于后一问题，国内外学者已经提出了很多有效的算法；而针对于前一问题，即如何确定输入图像到目标三维模型的特征对应关系，目前的姿态估计算法大致可以分为三类：(1)第一类方法直接将姿态估计问题分为两个子问题，首先通过提取特征点、特征线或是特征区域，在二维图像和三维模型之间以特征匹配的方式建立对应关系，再基于得到的对应关系进行姿态参数的估计。这类方法只适用于一些限定的应用场景，而在无约束的三维环境下，没有哪一种特征提取算子是完全稳定和可靠的。(2)第二类方法借助于图像识别的方式来回避建立2D-3D特征对应关系的问题。该类方法预先生成一些目标三维模型不同姿态下的投影图像，然后以某种标准计算输入图像与预先生成的投影图像的相似度，以相似度最高的投影图像所对应的姿态作为目标的姿态结果。这类方法可以粗略地估计姿态参数，但由于不存在严格的投影对应关系方程，因此无法得到目标姿态参数的准确估计值，而且预先生成的投影轮廓数量会随着姿态估计参数精度要求的提高而呈指数级增长。(3)第三类方法采用迭代机制来同时确定特征对应关系并估计姿态参数。与前两类方法对比，第三类方法的优势在于不依赖于特征提取算子的能力并且不需要预先生成大量投影图像，因此也是目前姿态估计问题研究的热点。但采用迭代机制的方法也有共同的缺点就是会受到算法收敛速度和收敛半径的限制，并且初始值往往对算法效果影响较大。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何以较小的计算量、较快的运行速度、较高的精确度实现空间目标姿态估计。

(二)技术方案

为了解决上述技术问题，本发明提供了一种基于轮廓点混合特征匹配的空间目标姿态估计方法，包括以下步骤：

步骤1、输入空间目标的三维模型和待估计姿态下所成的单目图像；其中三维模型包含空间目标的顶点坐标以及结构信息，输入的单目图像为灰度图像；

步骤2、根据空间目标的位置姿态确定投影图像；

步骤3、对输入图像和投影图像进行预处理，并提取轮廓；

步骤4、根据投影时的颜色信息对投影图像轮廓点进行筛选；

步骤5、分别构造输入图像轮廓与投影图像轮廓的轮廓点混合特征向量；

步骤6、基于轮廓点的混合特征匹配建立输入图像轮廓和投影图像轮廓之间的2D-2D点对应关系；

步骤7、基于颜色索引建立输入图像轮廓到空间目标三维模型之间的2D-3D点对应关系；

步骤8、基于输入图像轮廓到空间目标三维模型之间的2D-3D点对应关系解算姿态参数；

步骤9、根据终止条件判断是当前输出姿态参数还是返回步骤2进行下一次迭代计算。

优选地，步骤4中根据投影时的颜色信息对投影图像轮廓点进行筛选时使用三维模型中的顶点三维坐标进行计算。

优选地，步骤5具体为：轮廓点混合特征由像素点位置和曲率组成，通过式(1)构造轮廓点的混合特征向量：

f＝(f₁,f₂,f₃)^T＝(ω₁x,ω₂y,ω₃k)^T (1)

其中，f₁,f₂,f₃表示特征分量，x，y分别表示输入图像轮廓或投影图像轮廓的轮廓点的横、纵坐标，k是轮廓曲线在对应轮廓点处的曲率，ω₁,ω₂,ω₃是权重系数，权重系数的确定方式为：当输入图像轮廓与投影图像轮廓所对应的姿态相差小于或等于一定值时，仅使用轮廓点的横、纵坐标特征建立点对应关系；当输入图像轮廓与投影图像轮廓所对应的姿态相差大于所述一定值时，依靠轮廓点的横、纵坐标和曲率特征建立点对应关系。