CN104036282B - 一种适用于空间非合作目标的三角形帆板支架识别方法 - Google Patents

Abstract

本发明提供了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，具体方法为：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。

Description

一种适用于空间非合作目标的三角形帆板支架识别方法

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：

2.1，将笛卡尔坐标转到极坐标，建立关于极坐标(ρ,θ)的参数图，其中0≤ρ≤图像对角线长度，-90°≤θ<180°，参数图上所有点的值被初始化为0，遍历所有边缘点，对每一个边缘点，认为存在一条直线过该边缘点并垂直该点的梯度方向，如果ρ<0，则令ρ=-ρ，θ=θ+180°，将θ变换到-180°≤θ<180°，最后将参数图的(ρ,θ)位置的值加1；

2.2，根据参数图的峰值找到最显著的所有直线：定义一个阈值Q，对于参数图上所有大于Q的参数(ρ,θ)进行保留，它们对应了最显著的所有直线。

步骤2.2的具体方法为：沿直线的任一方向进行搜索，定义两个阈值Q₁和Q₂，对于每一条直线，如果有间隙存在且该间隙小于Q₁，则认为它们是线段的一部分，保留该直线，否则剔除掉该直线。

第三步的具体方法为：三角支架的每一个杆在边缘图上对应相互平行的两条边；三角支架被看成是链状结构，即包含三角形的一边的一对平行边，然后是三角形的第二边，接着是该边的对应平行边，最后是三角形的第三边；判断两直线是否平行的方法为：如果同时满足：（1）角度差别小于某一阈值θ_th；（2）一边的中点到另一边所在直线距离大于阈值d₁且小于阈值d₂；（3）另一边在一边上的投影同该边的公共部分；则认为两直线平行，令其能量函数为0，否则认为两直线是不平行的，令其能量函数为∞。

第四步的具体方法为：三角架的图像大致是轴对称的，对称轴为连接太阳能帆板的两顶点的中垂线，利用该现象区分三角形的三个顶点，实现过程为：任选三角形的两端点，将一端点的局部区域图像按照同另一端点的中垂线进行镜面翻转，然后将得到的图像同另一端点的局部区域图进行比较。最后认为差别最小的两个端点为同太阳能帆板连接的端点。

与现有技术相比，本发明具有如下有益效果：本发明采用自适应阈值分割法能够精确将背景与主体分割，减少了干扰；采用具有方向性的Hough变换能够充分提取出图像中的直线段；采用动态规划搜索算法能够精确识别出对应于三角形帆板支架的直线同时得到各对应顶点信息。

本发明的优点还包括以下几点：

1、对图像中的三角形区域识别定位精确度高；

2、适用于多三角形图像中的区域识别；

3、抗噪声能力比较强；

4、算法的耗时较少，接近于实时。

本发明的方法易于实现和应用，主要可以应用于以下几个方面：

1、军事上可用于特定目标的识别等；

2、航空航天中可用于非合作目标感兴趣区域的自动识别等。

附图说明

图1为本发明的算法总流程框图。

图2为边缘检测结果的一个范例示意图。

图3为对边缘图进行直线段提取结果的一个范例示意图。

图4为运用动态规划搜索三角支架结果的一个范例示意图。

图5为三角形识别和顶点提取结果的一个范例示意图。

具体实施方式

以下结合附图对本发明进行详细的描述。应当指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。

如图1所示，本发明实施例提供的三角形区域自动识别方法包括：

(1)图像采集：利用相机对目标图像进行采集；

(2)图像滤波：对采集到的图像进行中值滤波和维纳滤波，以消除噪声干扰，得到平滑的目标图像；

(3)边缘检测：对两幅图像分别进行边缘检测，得到边缘特征信息；

(4)直线提取：采用具有方向性的Hough变换对进行边缘检测后的图像进行直线提取，得到包含三角形支架各直线在内的各条直线信息；

(5)三角支架的识别：从提取后的所有直线信息中，采用动态规划搜索算法识别对应于三角形帆板支架的6条直线；

(6)交点特征的提取：利用识别出来的三角形支架对应的6条直线，计算出三角形的顶点。

下面具体介绍各个步骤：

1、图像采集

利用相机对目标图像进行采集，得到图像I1。

2、图像滤波

对图像I1进行中值滤波和维纳滤波处理，得到图像I2。

3、边缘检测

采用基于梯度的方法对图像I2进行边缘检测。该方法首先计算图像I2的梯度然后认为梯度模值|g(x,y)|大于某一阈值T的像素为边缘点。具体实现步骤如下：

这里采用了最简单的差分形式近似估计图像I2的梯度：

g_x(x,y)=f(x+1,y)-f(x-1,y)

g_y(x,y)=f(x,y+1)-f(x,y-1)

其中，g_x(x,y)和g_y(x,y)分别是图像I2在x方向和y方向的梯度，f(x+1,y)、f(x-1,y)、f(x,y+1)、f(x,y-1)分别是图像上四个点的灰度值。

然后求出梯度的模值：

对于梯度模值图上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（这里的局部区域定义为围绕该点的3×3像素区域），则认为该点不属于边缘点，令其梯度模值为零，否则认为该点属于边缘点。

对梯度模值图进行二值化处理，将图像分割为目标和背景两部分，得到二值化的边缘图像I3，目标就是要找的边缘点集合。

本发明采用简单的迭代法来求解阈值T。计算步骤如下：

（1）确定一个初始阈值T。这里取T为图像I2中灰度最大值的一半；

（2）根据T将图像分割成目标和背景两部分：

G₁={f(m,n):f(m,n)>T}（目标像素）

G₂={f(m,n):f(m,n)≤T}（背景像素）

（3）分别计算目标和背景的平均灰度：

m₁=G₁的平均灰度

m₂=G₂的平均灰度

（4）新的阈值被确定为m₁和m₂的平均值

T′=(m₁+m₂)/2

（5）返回第（2）步，这时的阈值采用第（4）步计算出的新阈值。如此迭代直到新阈值和旧阈值一样（即达到收敛）。

4、具有方向性的Hough变换，用于直线提取

这里引入边缘点的梯度方向信息来降低计算量，得到改进的Hough变换算法。具体实现步骤为：

（1）将步骤3的笛卡尔坐标转换为极坐标(ρ,θ)，建立关于极坐标(ρ,θ)的参数图，其中0≤ρ≤图像对角线长度，-90°≤θ<180°，并对ρ，θ做适当的量化（适当的量化，即θ=0.5°，ρ=1个像素）。参数图上所有点的值被初始化为0，遍历所有边缘点，对每一个边缘点，认为存在一条直线过该点并垂直该点的梯度方向。由此得θ为梯度方向同x-轴的夹角，ρ为ρ=xcosθ+ysinθ。如果ρ<0，则令ρ=-ρ，θ=θ+180°。将θ做关于360°的取模运算变换到-180°≤θ<180°，最后将参数图的(ρ,θ)位置的值加1。

（2）对参数图进行非极大抑制处理

为减少后续产生的相距很近，几乎平行的直线的个数，这里需要对参数图进行非极大抑制处理。实现过程为：对于参数图上的每一点，如果在其所在局部邻域（这里局部领域定义为围绕该点的3×3像素区域）内不是极大，则令其像素值为零。

（3）根据参数图的峰值找到最显著的所有直线。

这里定义一个阈值Q，对于参数图上所有大于Q的参数(ρ,θ)进行保留，它们对应了最显著的所有直线。

对上一步检测出的直线，沿直线的任一方向进行搜索，定义两个阈值Q₁和Q₂，对于每一条直线，如果有间隙存在且该间隙小于Q₁，则认为它们是线段的一部分，保留该直线，否则剔除掉该直线。最后得到所有长度大于T₂的直线段。

5、动态规划检测出三角支架

三角支架的每一个杆在边缘图上对应相互平行的两条边。

三角支架可以看成是一个链状结构：一对平行边（其中包含三角形的一边），然后是三角形的第二边，接着是该边的对应平行边，最后是三角形的第三边。动态规划是一种适用于对链状几何结构在图像中检测的算法，并且可以保证找到最优解。因此可用于这里问题的求解。

定义两直线是否平行的程度：如果同时满足下述条件：

（1）如果角度差别小于某一阈值θ_th，

（2）一边的中点到另一边所在直线距离大于阈值d₁且小于阈值d₂

（3）另一边在一边上的投影同该边的公共部分

则认为两直线是平行的，令其能量函数为0，否则认为两直线是不平行的，令其能量函数为∞。

6、求取三角形的三个顶点

三角架的图像大致是轴对称的。对称轴为连接太阳能帆板的两顶点的中垂线。利用该现象可区分三角形的三个顶点。实现过程为：任选三角形的两端点，将一端点的局部区域图像按照同另一端点的中垂线进行镜面翻转，然后将得到的图像同另一端点的局部区域图进行比较。最后认为差别最小的两个端点为同太阳能帆板连接的端点。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (7)

1.一种适用于空间非合作目标的三角形帆板支架识别方法，其特征在于：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；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；

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，从Hough变换检测出的若干直线段中选择能够构成闭合三角形的三条直线段；具体方法为：三角支架的每一个杆在边缘图上对应相互平行的两条边；三角支架被看成是链状结构，即包含三角形的一边的一对平行边，然后是三角形的第二边，接着是该边的对应平行边，最后是三角形的第三边；判断两直线是否平行的方法为：如果同时满足：(1)角度差别小于某一阈值θ_th；(2)一边的中点到另一边所在直线距离大于阈值d₁且小于阈值d₂；(3)另一边在一边上的投影同该边的公共部分；则认为两直线平行，令其能量函数为0，否则认为两直线是不平行的，令其能量函数为∞；

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。

2.根据权利要求1所述的一种适用于空间非合作目标的三角形帆板支架识别方法，其特征在于：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。

3.根据权利要求1所述的一种适用于空间非合作目标的三角形帆板支架识别方法，其特征在于：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。

4.根据权利要求1所述的一种适用于空间非合作目标的三角形帆板支架识别方法，其特征在于：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。

5.根据权利要求1所述的一种适用于空间非合作目标的三角形帆板支架识别方法，其特征在于：第二步的具体步骤为：

2.1，将笛卡尔坐标转到极坐标，建立关于极坐标(ρ,θ)的参数图，其中0≤ρ≤图像对角线长度，-90°≤θ＜180°，参数图上所有点的值被初始化为0，遍历所有边缘点，对每一个边缘点，认为存在一条直线过该边缘点并垂直该点的梯度方向，如果ρ＜0，则令ρ＝-ρ，θ＝θ+180°，将θ变换到-180°≤θ＜180°，最后将参数图的(ρ,θ)位置的值加1；

2.2，根据参数图的峰值找到最显著的所有直线：定义一个阈值Q，对于参数图上所有大于Q的参数(ρ,θ)进行保留，它们对应了最显著的所有直线。

6.根据权利要求5所述的一种适用于空间非合作目标的三角形帆板支架识别方法，其特征在于：步骤2.2的具体方法为：沿直线的任一方向进行搜索，定义两个阈值Q₁和Q₂，对于每一条直线，如果有间隙存在且该间隙小于Q₁，则认为它们是线段的一部分，保留该直线，否则剔除掉该直线。

7.根据权利要求1所述的一种适用于空间非合作目标的三角形帆板支架识别方法，其特征在于：第四步的具体方法为：三角架的图像大致是轴对称的，对称轴为连接太阳能帆板的两顶点的中垂线，利用该现象区分三角形的三个顶点，实现过程为：任选三角形的两端点，将一端点的局部区域图像按照同另一端点的中垂线进行镜面翻转，然后将得到的图像同另一端点的局部区域图进行比较，最后认为差别最小的两个端点为同太阳能帆板连接的端点。