[发明专利]一种融合机器视觉和激光参照点信息的目标位姿测量方法

说明书

本发明属于空间目标位姿测量领域，涉及一种融合机器视觉和激光参照点信息的目标位姿测量方法，应用于空间近场操作及在轨服务中的非合作目标位姿测量过程。克服传统正交迭代算法存在的运算效率较非迭代算法低的问题，利用激光参照点作为单目视觉位姿测量方法的空间特征点，对传统正交迭代算法的中间过程进行整合，通过在迭代过程消除平移向量的中间值来实现正交迭代算法的加速求解，同时利用平行透视投影模型来求解正交迭代算法中的旋转矩阵初始值，使得算法的性能和效率都得到了改善。

技术领域

本发明属于空间目标位姿测量领域，特别涉及一种融合机器视觉和激光参照点信息的目标位姿测量方法，应用于空间近场操作及在轨服务中的非合作目标位姿测量过程。

背景技术

精确测量空间目标的相对位置和姿态(统称为位姿)是完成空间交会对接、攻防对抗、在轨捕获与维护等重大尖端国防及航天任务的关键，而基于单目视觉的位姿测量方法相对双目及多目视觉测量方法具有系统结构简单、摄像机标定步骤简明、测量视场范围广、成本低以及测量实时效率高等优点。凭借以上优点，基于单目视觉的位姿测量方法被广泛应用于空间非合作目标位姿测量领域。基于单目视觉的位姿测量方法大体上可以分为两大类：一类是基于待测目标的已知几何形状求解位姿参数，如圆环椭圆度法、目标长宽比法等方法。另一类是基于目标特征标志信息的位姿求解算法。前者需要已知目标的特定几何形状，而后者不受目标几何形状的限制，不仅适用于规则目标，也适用于各种形状不规则的目标，相比而言，后者具有更高的研究和实用价值，因而逐渐成为单目视觉的位姿测量领域的研究热点。而根据所用目标特征标志信息的不同，后者又可以分为基于点特征的单目视觉位姿测量技术和基于直线特征的单目视觉位姿测量技术。

基于点特征的目标位姿估计方法也被称为透视n点定位问题(Perspective-n-Point，PnP)，即给定摄像机内部参数、n个空间特征点在目标坐标系下的坐标信息及n个空间特征点对应像点在图像坐标系下的像素坐标，然后求解目标在摄像机坐标系下的位姿信息。按照求解方法来分类，PnP问题可分为非迭代方法和迭代方法。最经典的非迭代方法为DLT法，该方法最初是用于摄像机标定，改动后可以基于至少4个共面特征点或者至少6个非共面特征点求解位姿信息。但是DLT法不能保证旋转矩阵的正交性，对噪声十分敏感，鲁棒性不高。迭代方法通常利用像面重投影误差作为目标函数，然后利用Gauss-Newton法或Levenberg-Marquardt法等非线性优化算法进行迭代求解，通过最小化目标函数求解位姿信息，精度和鲁棒性较高。但缺点在于位姿解算精度与迭代算法中的旋转矩阵初始值关系较大，且迭代算法往往计算量大，算法效率较低。针对这一缺点，DeMenthon等提出了POSIT(Pose from Orthography and Scaling with Ierations)算法，该算法利用弱透视投影模型得到旋转矩阵初始值，再利用相关迭代算法求解位姿信息，POSIT算法精度较高，但其得到的旋转矩阵往往不是最优旋转矩阵。Horaud提出一种基于平行透视迭代的位姿求解方法，该方法将弱透视投影模型用平行透视模型来代替，算法稳定性得到提高，并且能获得较好的求解速度。但该算法同样无法保证旋转矩阵的正交性，需要再采用其他方法求解最接近的正交矩阵，但得到的矩阵往往接近真实旋转矩阵但仍然不是最优的旋转矩阵。针对这一问题，Lu提出了正交迭代算法(Fast andglobally convergent pose estimation fromvideo images(C.P.Lu,G.Hager,E.Mjolsness,IEEE Trans.Pattern Analysis andMachine Intelligence,Vol.22,NO.5,pp.610-622，2000)，该算法以目标空间共线误差(物方共线误差)作为目标函数，可直接求解正交旋转矩阵，由于该算法具有精度高、鲁棒性好、全局收敛以及算法精度不依赖于旋转矩阵初始值的优点，该算法逐渐成为基于单目视觉的位姿测量领域的研究热点之一。但该方法本质上是仍然一种迭代算法，这就决定了其运算效率较非迭代算法必然要低，而对于面向空间目标位姿测量的空间摄像机而言，其对算法的计算效率要求更高，因此需要改进传统的迭代过程，提升其运算效率。

发明内容