[发明专利]一种基于NI‑CVS的气浮台位置姿态确定方法

摘要

本发明公开的一种基于NI‑CVS的气浮台位置姿态确定方法，在气浮台上设置五个特征点，采集图像，将采集到的图像进行灰度处理，并进行特征点提取。当遇到由于特征点遮挡或者特征点提取失败的情况时，根据前一时刻视觉导航算法预测的该时刻的特征点位置姿态信息来重构丢失或者故障的特征点，继续完成之后的位置姿态解算。在进行位置姿态解算前，还可以对相机安装矩阵和特征点位置进行校准。本方法可以实时显示气浮台的运动图像以及气浮台运动位置和姿态的变化曲线，并将气浮台运动的数据保存到指定位置。本方法相比较其它气浮台位姿确定方法，具有处理方法简单、系统成本低、容错性高、性能好等优点。本方法还可应用于航天器在轨服务等航天任务中。

主权项

本发明公开的一种基于NI‑CVS的气浮台位置姿态确定方法，其特征在于，包括以下步骤：1）在气浮台上设置五个特征点，所述五个特征点包括四个同一平面内的特征点和一个平面外的特征点；2）对NI‑CVS和气浮台控制计算机的时间进行同步；3）采集气浮台运动图像或读取之前保存的气浮台运动视频；4）将采集到的气浮台运动图像按照设定的阈值进行灰度处理，并提取灰度图像中的特征点，将提取到的特征点数目、特征点在像平面内投影的像素面积、特征点在图像坐标系中的坐标测算出来；5）对特征点故障进行处理：51）如果提取到的有效特征点数目等于五个，并与设置的特征点构型一致，则提取到了需要的所有特征点，计算所有特征点的投影像素面积，面积最大的为平面外的特征点，剩下的四个特征点采用三角形面积大小排序的方法进行特征点匹配，然后进行步骤6）的位置姿态解算；52）如果提取到的有效特征点数目等于四个，则有一个特征点丢失或者发生故障，根据每个特征点的投影像素面积大小，判断丢失或者发生故障的特征点是否在平面内；521）如果丢失或者发生故障的特征点是平面外的特征点，则直接采用三角形面积大小排序的方法进行平面内特征点匹配，并采用平面内四个特征点的位置信息进行步骤6）的位置姿态解算；522）如果丢失或者发生故障的特征点是平面内的特征点，则根据步骤6）位置姿态算法估计的该时刻该特征点位置信息来弥补该特征点位置信息，再采用三角形面积大小排序的方法进行平面内特征点匹配，最后采用有效的的三个平面内特征点和一个平面外特征点的位置信息进行步骤6）的位置姿态解算；53）如果提取到的有效特征点数目等于三个，则有两个特征点丢失或者发生故障；根据每个特征点的投影像素面积大小，判断平面外特征点是否丢失或者发生故障；531）如果提取到的三个有效的特征点都是平面内的特征点，则根据步骤6）位置姿态算法估计的该时刻丢失或者发生故障的平面内特征点的位置信息，重构丢失的平面内的特征点，然后采用三角形面积大小排序的方法进行特征点匹配，最后采用提取到的三个有效的特征点以及重构的平面内的丢失或者发生故障的特征点位置信息进行步骤6）的位置姿态解算；532）如果提取到的三个有效的特征点为两个平面内特征点和一个平面外特征点，则根据位姿算法估计的该时刻丢失或者发生故障的两个平面内特征点的位置信息，来重构丢失或者发生故障的两个平面内特征点，然后采用三角形面积大小排序的方法进行特征点匹配，最后采用提取到的三个有效的特征点以及重构的其中一个平面内特征点的位置信息进行步骤6）的位置姿态解算；6）利用已有的特征点位置信息，包括特征点丢失时重构的特征点信息，采用迭代算法改进的扩展卡尔曼滤波算法，进行位置姿态解算；7）重复以上步骤，实现气浮台位置姿态信息的连续和实时输出。