CN104048648A - 大尺寸非合作目标的相对位姿测量方法 - Google Patents

Abstract

一种大尺寸非合作目标的相对位姿测量方法，其包括以下步骤：在所述非合作目标上选择一个矩形特征；通过两个相机对所述矩形特征的不同区域进行图像采集，获得包含所述矩形特征的第一、第二顶点的图像A和包含所述矩形特征的第三、第四顶点的图像B；对图像A、B分别进行图像处理，提取与所述矩形特征的边对应的直线；用提取到的所述直线计算所述第一至第四顶点的图像坐标；用所述第一至第四顶点的图像坐标计算其在各自相机坐标系下的三维坐标；坐标变换，将第一至第四顶点的三维坐标统一到同一坐标系下；用同一坐标系下第一至第四顶点的三维坐标求解所述矩形特征的位姿，作为所述非合作目标的位姿。该方法能够近距离准确测量非合作目标的位姿。

Description

大尺寸非合作目标的相对位姿测量方法

技术领域

本发明涉及大尺寸非合作目标的相对位姿测量方法，属于空间机器人在轨服务技术领域和计算机视觉领域。

背景技术

位于地球静止轨道(GEO)的卫星，因其相对于地球表面始终是静止的，并且可覆盖约40％的地球面积，因此它在通讯、气象、导航等领域得到了广泛的应用。据统计，在全球每年发射的卫星中，约有2.5％的卫星未能正确入轨，然而在正确入轨的卫星中又有6％-8％由于机械故障等原因导致卫星失效(Sullivan B R,Akin D L.A survey of serviceable space-craftfailures[R].Reston,VA,USA:AIAA,2001.)。这些失效的卫星不仅造成了巨大的经济损失，同时还占据了宝贵的GEO轨道资源。

为了最大限度的降低因卫星故障或失效而造成的损失，各航天大国正在积极发展基于空间机器人的在轨服务技术。这项技术可对空间发生故障的航天器进行在轨修复和维护，而不是通过发射新的航天器来进行替代；通过对发生故障的航天器进行维护和载荷升级，可有效解决航天器的故障、延长其使用寿命、增强其系统能力。

然而，对GEO轨道的航天器进行在轨服务是有很大难度的。由于发生故障的GEO航天器一般没有专门安装的用于测量的标志器、用于通信的星间链路和用于硬连接的对接接口，无法为在轨服务提供辅助的合作条件。所以这些类型的航天器被归类为“非合作目标”。实现与非合作目标从远距离跟踪接近直至近距离的停靠，是在轨服务得以实施的重要保障。然而GEO卫星的体积、重量、功耗通常会设计得较大，庞大的外形尺寸会给超近距离的相对测量带来很大的难度。当服务航天器接近到一定距离后，光学敏感器受视场角限制有可能无法观测到大尺寸目标卫星的全貌，甚至一些可识别的特征也超出了视场范围。因此本发明将对相关关键技术进行深入研究，提出一种基于双目协作视觉对超近距离下大尺寸非合作目标的相对位姿测量方法。

发明内容

本发明的目的是提供一种大尺寸非合作目标的相对位姿测量方法，以解决大尺寸非合作目标由于没有用于测量的标志器且体积庞大导致难以测量其位姿的技术问题。

为达上述目的，本发明提供的方法是一种基于双目协作视觉对超近距离下大尺寸非合作目标的相对位姿测量方法，其基本构思是：根据调查已有大尺寸非合作目标的特点，选用矩形特征作为识别对象；利用两台相机协同测量大尺寸非合作目标的矩形特征，每台相机只拍摄矩形特征的部分区域，然后将两台相机的图像信息进行融合以得到整个矩形特征的信息；以及根据图像处理算法和相应的位置测量算法进而解算出非合作目标的相对位置和姿态。该方法不要求在大尺寸非合作目标上安装用于辅助测量的合作标志器，也无需知道大尺寸非合作目标的几何尺寸，而是直接以大尺寸非合作目标自身的部件作为识别对象。

本发明具体的技术方案如下：

一种大尺寸非合作目标的相对位姿测量方法，其包括以下步骤：

在所述非合作目标上选择一个矩形特征；

通过两个相机对所述矩形特征的不同区域进行图像采集，获得包含所述矩形特征的第一、第二顶点的图像A和包含所述矩形特征的第三、第四顶点的图像B；

对图像A、B分别进行图像处理，提取与所述矩形特征的边对应的直线；

用提取到的所述直线计算所述第一至第四顶点的图像坐标；

用所述第一至第四顶点的图像坐标计算其在各自相机坐标系下的三维坐标；

坐标变换，将第一至第四顶点的三维坐标统一到同一坐标系下；以及

用同一坐标系下第一至第四顶点的三维坐标求解所述矩形特征的位姿，该位姿即为所述非合作目标的位姿。

在上述的大尺寸非合作目标的相对位姿测量方法中，优选地，对图像A、B进行的图像处理包括：用于减弱噪声及保留图像中微小锐利细节的图像滤波步骤；用于从滤波后的图像获取图像边沿信息的边沿检测步骤；用于从获取的边沿信息中提取直线的直线提取步骤；以及用于从提取的直线中识别与所述矩形特征的边对应的直线的识别步骤。

在上述的大尺寸非合作目标的相对位姿测量方法中，优选地，所述图像滤波步骤采用中值滤波算法，所述边沿检测步骤采用Canny算法，所述直线提取步骤采用霍夫变换。

在上述的大尺寸非合作目标的相对位姿测量方法中，优选地，所述识别步骤通过图像中的复数个参考点辅助识别与所述矩形特征的边对应的直线，其中一个参考点位于与所述矩形特征对应的矩形区域内，其余参考点位于所述矩形区域外，且所述矩形区域外的各个参考点与所述矩形区域内的参考点的连线对应与矩形的各边相交。

在上述的大尺寸非合作目标的相对位姿测量方法中，优选地，在第一帧图像的处理中，所述复数个参考点通过遥操作选定；在后序图像的处理中，所述复数个参考点根据前一帧图像中与矩形特征的边对应的直线和参考点的位置以及本帧图像中提取的直线确定。

在上述的大尺寸非合作目标的相对位姿测量方法中，优选地，所述非合作目标为故障卫星，所述矩形特征为故障卫星通讯天线背板上的矩形加强筋。

在上述的大尺寸非合作目标的相对位姿测量方法中，优选地，所述两个相机为光学相机，安装于服务航天器上，所述图像采集步骤在超近距离或停靠位置进行。

在上述的大尺寸非合作目标的相对位姿测量方法中，优选地，在提取与所述矩形特征的边对应的直线的步骤中，在图像A中提取到与所述矩形特征的第一边、第二边及第三边对应的三条直线，在图像B中提取到与所述矩形特征的第一边、第三边及第四边对应的另外三条直线，所述第一边和第三边平行，第二边和第四边平行；在计算所述第一至第四顶点的图像坐标的步骤中，用在图像A中提取到的所述三条直线的直线方程计算出它们的两个交点，将该两个交点的图像坐标作为矩形特征的第一和第二顶点的图像坐标；同样地，用在图像B中提取到的所述另外三条直线的直线方程计算出它们的两个交点从而得到矩形特征的第三和第四顶点的图像坐标。

本发明与现有技术相比具有如下优点：(1)采用自主识别非合作目标自身的矩形特征进行位姿的测量，无需在被测目标上安装合作标志器，也无需知道被测目标的几何尺寸；(2)采用双目相机协作方式，可以在超近距离直至停靠位置时，对非合作目标进行准确的位姿测量；(3)可以用于大尺寸非合作航天器位姿的测量；(4)所采用的设备为光学相机，其具有质量轻、体积小、功耗低等特点，可以很好的在空间任务中得到应用。

附图说明

图1为坐标系之间的关系示意图；

图2为一实施例大尺寸非合作目标的相对位姿测量方法的流程图；

图3为模拟生成的图像A；

图4为模拟生成的图像B；

图5为图像B经过边沿检测的结果；

图6为通过参考点识别矩形特征的边的结果；

图7为通过矩形特征的边确定矩形特征的顶点的结果。

具体实施方式

下面结合附图和实施例对本发明进一步说明。这些更详细的描述旨在帮助理解本发明，而不应被用于限制本发明。根据本发明公开的内容，本领域技术人员明白，可以不需要一些或者所有这些特定细节即可实施本发明。而在其它情况下，为了避免将发明创造淡化，未详细描述众所周知的操作过程。

本实施例以故障卫星作为非合作目标。能够在超近距离下准确测量大尺寸非合作目标的相对位姿。

为了表述方便，本实施例视觉测量的各坐标系定义如图1所示。

∑T代表交会目标坐标系，建立在目标航天器上。它的原点OT是在矩形的中心，ZT轴与矩形的长边平行，YT轴与矩形的短边平行。根据右手法则，XT垂直于矩形平面。

∑C代表交会参考坐标系，建立在追踪航天器(服务航天器)上。原点OC在追踪航天器的+X面上，两相机基线正中间的位置。XC轴平行于相机的光轴，ZC轴垂直于光轴由相机A指向相机B。YC轴服从右手法则。

如图2所示，本大尺寸非合作目标的相对位姿测量方法包括以下步骤：

在非合作目标上选择一个矩形特征，这里选择故障卫星通讯天线背板上的矩形加强筋作为矩形特征。

通过双目相机的两个相机A、B对所述矩形特征的不同区域进行图像采集，将相机A采集到的图像记作图像A，相机B采集到的图像记作图像B，图像A包含所述矩形特征的第一顶点P₁和第二顶点P₂，图像B包含所述矩形特征的第三顶点P₃和第四顶点P₄。为了便于理解，图3和图4分别示出了OpenGL模拟的虚拟图像A和图像B，为了更加真实的反映相机的运行情况，在虚拟图像中加入了一定的噪声。双目相机可以采用光学相机，安装于服务航天器上，该图像采集步骤可以在超近距离或停靠位置进行。

步骤S101，对图像A、B分别进行图像处理，提取与所述矩形特征的边对应的直线；然后用提取到的与矩形特征的边对应的直线计算所述第一至第四顶点的图像坐标。其中，图像处理包括：用于减弱噪声及保留图像中微小锐利细节的图像滤波步骤；用于从滤波后的图像获取图像边沿信息的边沿检测步骤；用于从获取的边沿信息中提取直线的直线提取步骤；以及用于从提取的直线中识别与所述矩形特征的边对应的直线的识别步骤。下面进一步详细说明。

(1)图像滤波步骤：分别对A、B相机采集到的图像进行滤波，以减弱噪声的干扰，并保留图像中微小锐利的细节。

中值滤波是一种广泛采用的典型非线性滤波，其原理是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值。由于它不是简单的取均值，所以产生的模糊比较少。因此它既能消除噪声又能保持图像的细节。由于我们提取的特征为一些重要的边沿信息，因此本发明优选中值滤波来平滑噪声。

(2)边沿检测步骤：对上述滤波处理后的图像分别进行边沿检测，得到图像的边沿信息。

边沿检测的实质是采用某种算法来提取出图像中对象与背景间的交界线，边沿的定义为图像中灰度发生急剧变化的区域边界。

Canny算子是目前在图像处理领域应用广泛的一种较新的边沿检测算法，其检测性能好，边沿定位的唯一性较高。Canny边沿检测器是高斯函数的一阶导数，是对信噪比与定位之乘积的最优化逼近算子。因此本发明优选Canny算法来进行边沿检测，检测结果如图5所示。

(3)直线提取步骤：对上述处理后的图像分别进行直线提取，得到包含矩形加强筋各边在内的各条直线。

为了获取目标航天器表面矩形特征的各个棱边，还需要从二值图像的边沿图像中提取出直线信息。本发明优选霍夫变换来进行直线的提取。霍夫变换是一种能从二进制图像中提取几何基元的有效方法，可以根据局部度量来计算全面描述参数，因此对局部信息缺损不敏感和对随机噪声具有很好的鲁棒性，即对于图像中边沿的部分缺损，直线的残缺，表面安装物体的小部分遮挡都有很好的抗干扰性。

(4)矩形边直线的识别步骤：从提取后的所有直线信息中，识别对应于矩形加强筋的3条直线。

通过直线提取步骤，从视场里的复杂图像中会提取出许多条直线。因此需要采取一些手段来辨别出与矩形加强筋(即矩形特征)对应的直线。首先，通过遥操作在图像中选取几个参考点来辅助对目标直线的识别。在通过遥测获得的图像上利用鼠标设置了四个参考点Pr1，Pr2，Pr3和Pr4，如图6所示。对于参考点的位置没有特殊的要求，只要一个参考点Pr1在矩形框内，其余参考点Pr2、Pr3、Pr4在矩形框外且保证它们与点Pr1的连线与矩形的各边相交，如图7所示。图中边P₃P₄可以由参考点Pr1和Pr2来确定，而另外两条边P₁P₃和P₂P₄可以由Pr1，Pr3和Pr1，Pr4的连线识别出来。识别结果如图6和图7所示，图6中较粗的白色线条为识别到的与矩形特征的边对应的直线。

这些操作只需实施在第一帧图像的处理上，一旦选定一次后，在接下来的图像处理中，可以根据上帧的结果(参考点的位置、矩形边等)和本帧的结果(提取的直线)估计出参考点的位置并进行实时跟踪。

针对故障卫星天线的实际情况，矩形框架的细节值得认真考虑，组成矩形结构的样条具有一定的高度和宽度。因此针对矩形特征的一条边会提取出不只一条直线。为了更精确的描述目标，把样条顶部的内边沿作为目标矩形P₁P₂P₄P₃的边。

(5)矩形顶点的求解：当图像中的三条矩形边确定后，可以利用它们所在的直线方程来计算出它们的交点，从而得到矩形特征的顶点的图像坐标。比起直接获取矩形的顶点，先提取直线再求交点的方法可以获得更高的精度。

图4中点P₃，P₄在像平面上的坐标(即第三顶点和第四顶点的图像坐标)为：

$\left\{\begin{array}{c}(u_3,v_3)=\left(\mathrm{147.9,415.2}\right)\\ (u_4,v_4)=\left(\mathrm{416.6,396.4}\right)\end{array}\right.---\left(1\right)$

同样地，利用相机A的图像可以提取另外两个点(即第一顶点和第二顶点)的图像坐标：

$\left\{\begin{array}{c}(u_1,v_1)=\left(\mathrm{118.7,137.5}\right)\\ (u_2,v_2)=\left(\mathrm{409.1,124.8}\right)\end{array}\right.---\left(2\right)$

步骤S102，用所述第一至第四顶点的图像坐标计算其在各自相机坐标系下的三维坐标。即，矩形顶点在各自相机坐标系中的位置求解。

通过上述图像处理算法，矩形顶点的图像坐标已经被提取出来，可以根据相机成像模型求解出相应矩形顶点在各自相机坐标系中的位置。

像平面上的点对应于CCD阵列的每一个成像单元。点Pi的图像坐标为(x_i,y_i)，也是物理单元的坐标。(u_i,v_i)与(x_i,y_i)之间有如下关系：

$\left\{\begin{array}{c}{u}_i=\frac{x_i}{\mathrm{dx}}+u_o\\ v_i=\frac{y_i}{\mathrm{dy}}+v_o\end{array}\right.---\left(3\right)$

其中dx，dy表示一个像素在x轴和y轴方向上的物理尺寸，(u_o,v_o)表示像平面中心点的图像坐标。

从空间中点的三维坐标到两维的图像坐标的映射可以由针孔模型来描述。点P_i在相机坐标系下的坐标为P_i＝(X_i,Y_i,Z_i)，在相机像平面上的坐标为(x_i,y_i)，则有：

$\left\{\begin{array}{c}{x}_i=\frac{{\mathrm{fX}}_i}{Z_i}\\ y_i=\frac{{\mathrm{fY}}_i}{Z_i}\end{array}\right.---\left(4\right)$

其中f为相机焦距。由式(3)和(4)，第一顶点P₁和第二顶点P₂在相机A坐标系下的坐标可以表示为：

$\left[\begin{array}{c}X_i^A\\ Y_i^A\\ Z_i^A\end{array}\right]=\left[\begin{array}{c}(u_i-u_{\mathrm{Ao}})\mathrm{dx}/f\\ (v_i-v_{\mathrm{Ao}})\mathrm{dy}/f\\ 1\end{array}\right]Z_i^A=\left[\begin{array}{c}{a}_i\\ b_i\\ 1\end{array}\right]Z_i^A,i=\mathrm{1,2}---\left(5\right)$

式中(5)中(u_Ao,v_Ao)是相机A的像平面中心点。为了方便起见，用a_i和b_i代表复杂公式运算的结果。相应地，第三顶点P₃和第四顶点P₄在相机B坐标系下的坐标可以表示为：

$\left[\begin{array}{c}X_i^B\\ Y_i^B\\ Z_i^B\end{array}\right]=\left[\begin{array}{c}(u_i-u_{\mathrm{Bo}})\mathrm{dx}/f\\ (v_i-v_{\mathrm{Bo}})\mathrm{dy}/f\\ 1\end{array}\right]Z_i^B,i=\mathrm{3,4}---\left(6\right)$

其中(u_Bo,v_Bo)是相机B的像平面中心点。

步骤S103，坐标变换，将上述步骤中分别求解的矩形顶点在各自相机坐标系中的位置进行坐标变换，在同一个坐标系中表示出来，即，将第一至第四顶点的三维坐标统一到同一坐标系下。

两相机坐标系之间的旋转矩阵^AR_B和平移向量^AT_B可以通过标定来获得。因此特征点在不同相机坐标系下的坐标具有如下关系：

^AP_i＝^AR_B×^BP_i+^AT_B    (7)

其中^AP_i＝[^AX_i,^AY_i,^AZ_i]是相机坐标系∑A中第i个特征点的坐标。类似地，^BP_i＝[^BX_i,^BY_i,^BZ_i]是相机坐标系∑B中第i个特征点的坐标。

由上式(7)可得，第三顶点P₃和第四顶点P₄在相机A坐标系下的坐标为(这里假设两相机具有相同的内参数)：

$\left[\begin{array}{c}X_i^A\\ Y_i^A\\ Z_i^A\end{array}\right]=R_B^A\×\left[\begin{array}{c}(u_i-u_{\mathrm{Bo}})\mathrm{dx}/f\\ (v_i-v_{\mathrm{Bo}})\mathrm{dy}/f\\ 1\end{array}\right]Z_i^B+T_B^A=\left[\begin{array}{c}{a}_i\\ b_i\\ c_i\end{array}\right]Z_i^B+T_B^A,i=\mathrm{3,4}---\left(8\right)$

其中a_i,b_i,c_i是包含相机内参数的常数。至此，矩形的四个顶点相对于相机A坐标系下的坐标已全部得到。

首先由于矩形的对边是相等的，因此向量的对应分量是相等的，即：

$\left[\begin{array}{cccc}-a_1& a_2& a_3& -a_4\\ -b_1& b_2& b_3& -b_4\\ -1& 1& c_3& -c_4\end{array}\right]\left[\begin{array}{c}Z_1^A\\ Z_2^A\\ Z_3^B\\ Z_4^B\end{array}\right]=0---\left(9\right)$

只要矩阵的秩为3，就可以求出(^AZ₁,^AZ₂,^BZ₃,^BZ₄)的一维解向量。为了解算出所有的未知向量，在此，可应用矩形的另外一个性质：矩形的角都是直角，即矩形的邻边相互垂直。和的内积为零：

$\begin{array}{c}(a_{1}Z_1^A-a_{3}Z_3^B-t_x)(a_{1}Z_1^A-a_{2}Z_2^A)+(b_{1}Z_1^A-b_{3}Z_3^B-t_y)(b_{1}Z_1^A-b_{2}Z_2^A)\\ +(Z_1^A-c_{3}Z_3^B-t_z)(Z_1^A-Z_2^A)=0\end{array}---\left(10\right)$

其中，^AT_B＝[t_x,t_y,t_z]为平移向量。

由式(10)和(9)，可以获得向量(^AZ₁,^AZ₂,^BZ₃,^BZ₄)的唯一解。于是通过式(5)和(7)便可以得到矩形四个顶点在相机A坐标系下的坐标。

步骤S104，用同一坐标系下第一至第四顶点的三维坐标求解所述矩形特征的位姿，该位姿即为所述非合作目标的位姿。

由于已经计算出了矩形四个顶点P₁、P₂、P₃和P₄在相机A坐标系下的坐标，那么矩形的尺寸(长和宽)就可以计算出来，则矩形四个顶点P₁、P₂、P₃和P₄在交会目标坐标系下的坐标可以表示为：

$\left\{\begin{array}{c}P_1^T={[X_1^T,Y_1^T,Z_1^T]}^T={[0,-W/2,-L/2]}^T,\\ P_2^T={[X_2^T,Y_2^T,Z_2^T]}^T={[0,W/2,-L/2]}^T,\\ P_3^T={[X_3^T,Y_3^T,Z_3^T]}^T={[0,-W/2,L/2]}^T,\\ P_4^T={[X_4^T,Y_4^T,Z_4^T]}^T={[0,W/2,L/2]}^T\end{array}\right.---\left(11\right)$

其中L，W分别为矩形的长度和宽度。交会目标坐标系和相机A坐标系之间的关系为：

^AP_i＝^AR_T×^TP_i+^AT_T    (12)

式中^AR_T和^AT_T分别是旋转矩阵和平移向量。为了描述故障卫星和服务航天器的相对位姿关系，需要解算出目标坐标系和相对参考坐标系之间的旋转矩阵和平移向量。由式(12)，坐标系∑_T相对于坐标系∑_C的位姿可以写成齐次坐标的形式：

$\left[\begin{array}{c}X_i^C\\ Y_i^C\\ Z_i^C\\ 1\end{array}\right]=\left[\begin{array}{cc}R_T^C& T_T^C\\ O_{3\×3}& 1\end{array}\right]\left[\begin{array}{c}X_i^T\\ Y_i^T\\ Z_i^T\\ 1\end{array}\right]---\left(13\right)$

其中，旋转矩阵^CR_T和平移矩阵^CT_T分别为：

$\left\{\begin{array}{c}R_T^C=R_A^C\·R_T^A\\ T_T^C=T_A^C+R_A^C\·T_T^A\end{array}\right.---\left(14\right)$

将特征点(第一至第四顶点)的坐标代入式(13)，可以得到如下方程：

Ax＝b        (15)其中，A是12×12的系数矩阵，且

x＝(R₁₁,R₁₂,R₁₃,T_x,R₂₁,R₂₂,R₂₃,T_y,R₃₁,R₃₂,R₃₃,T_z)^T    (16)

b＝(^AX_i,^AY_i,^AZ_i,1,...)^T,i＝1,2,3,4    (17)

于是，式(15)中的旋转矩阵和平移向量便可以由式(18)求出：

x＝(A^TA)^-1A^Tb    (18)

假设姿态角度按照Z-Y-X的顺序分别记为α,β,γ。交会目标坐标系和交会参考坐标系之间的旋转矩阵可表示为：

$R_T^C=\left[\begin{array}{ccc}{C}_{\mathrm{\β}}{C}_{\mathrm{\γ}}& -C_{\mathrm{\α}}{S}_{\mathrm{\γ}}+S_{\mathrm{\α}}{S}_{\mathrm{\β}}{C}_{\mathrm{\γ}}& S_{\mathrm{\α}}{S}_{\mathrm{\γ}}+C_{\mathrm{\α}}{S}_{\mathrm{\β}}{C}_{\mathrm{\γ}}\\ C_{\mathrm{\β}}{S}_{\mathrm{\γ}}& C_{\mathrm{\α}}{C}_{\mathrm{\γ}}+S_{\mathrm{\α}}{S}_{\mathrm{\β}}{S}_{\mathrm{\γ}}& -S_{\mathrm{\α}}{C}_{\mathrm{\γ}}+C_{\mathrm{\α}}{S}_{\mathrm{\β}}{S}_{\mathrm{\γ}}\\ -S_{\mathrm{\β}}& S_{\mathrm{\α}}{C}_{\mathrm{\β}}& C_{\mathrm{\α}}{C}_{\mathrm{\β}}\end{array}\right]---\left(19\right)$

由于实际中服务航天器不会发生绕Z轴90°的姿态翻转，因此旋转矩阵中的第一列第一行元素和第三列第三行元素都不为零，于是可以解算出旋转角度：

$\left\{\begin{array}{c}\mathrm{\γ}=\arctan (R_{32}/R_{33})\\ \mathrm{\β}=-\arcsin R_{31}\\ \mathrm{\α}=\arctan (R_{21}/R_{11})\end{array}\right.---\left(20\right)$

至此，交会目标坐标系和交会参考坐标系之间的六自由度相对位姿参数都已经计算出来，因此可以确定故障卫星和服务航天器之间的相对位置和相对姿态关系。

Claims (8)

1.一种大尺寸非合作目标的相对位姿测量方法，其特征在于，包括以下步骤：

在所述非合作目标上选择一个矩形特征；

通过两个相机对所述矩形特征的不同区域进行图像采集，获得包含所述矩形特征的第一、第二顶点的图像A和包含所述矩形特征的第三、第四顶点的图像B；

对图像A、B分别进行图像处理，提取与所述矩形特征的边对应的直线；

用提取到的所述直线计算所述第一至第四顶点的图像坐标；

用所述第一至第四顶点的图像坐标计算其在各自相机坐标系下的三维坐标；

坐标变换，将第一至第四顶点的三维坐标统一到同一坐标系下；以及

用同一坐标系下第一至第四顶点的三维坐标求解所述矩形特征的位姿，该位姿即为所述非合作目标的位姿。

2.如权利要求1所述的大尺寸非合作目标的相对位姿测量方法，其特征在于，对图像A、B进行的图像处理包括：

用于减弱噪声及保留图像中微小锐利细节的图像滤波步骤；

用于从滤波后的图像获取图像边沿信息的边沿检测步骤；

用于从获取的边沿信息中提取直线的直线提取步骤；以及

用于从提取的直线中识别与所述矩形特征的边对应的直线的识别步骤。

3.如权利要求2所述的大尺寸非合作目标的相对位姿测量方法，其特征在于，所述图像滤波步骤采用中值滤波算法，所述边沿检测步骤采用Canny算法，所述直线提取步骤采用霍夫变换。

4.如权利要求2所述的大尺寸非合作目标的相对位姿测量方法，其特征在于，所述识别步骤通过图像中的复数个参考点辅助识别与所述矩形特征的边对应的直线，其中一个参考点位于与所述矩形特征对应的矩形区域内，其余参考点位于所述矩形区域外，且所述矩形区域外的各个参考点与所述矩形区域内的参考点的连线对应与矩形的各边相交。

5.如权利要求4所述的大尺寸非合作目标的相对位姿测量方法，其特征在于，在第一帧图像的处理中，所述复数个参考点通过遥操作选定；在后序图像的处理中，所述复数个参考点根据前一帧图像中与矩形特征的边对应的直线和参考点的位置以及本帧图像中提取的直线确定。

6.如权利要求1所述的大尺寸非合作目标的相对位姿测量方法，其特征在于，所述非合作目标为故障卫星，所述矩形特征为故障卫星通讯天线背板上的矩形加强筋。

7.如权利要求6所述的大尺寸非合作目标的相对位姿测量方法，其特征在于，所述两个相机为光学相机，安装于服务航天器上，所述图像采集步骤在超近距离或停靠位置进行。

8.如权利要求1所述的大尺寸非合作目标的相对位姿测量方法，其特征在于，在提取与所述矩形特征的边对应的直线的步骤中，在图像A中提取到与所述矩形特征的第一边、第二边及第三边对应的三条直线，在图像B中提取到与所述矩形特征的第一边、第三边及第四边对应的另外三条直线，所述第一边和第三边平行，第二边和第四边平行；

在计算所述第一至第四顶点的图像坐标的步骤中，用在图像A中提取到的所述三条直线的直线方程计算出它们的两个交点，将该两个交点的图像坐标作为矩形特征的第一和第二顶点的图像坐标；同样地，用在图像B中提取到的所述另外三条直线的直线方程计算出它们的两个交点从而得到矩形特征的第三和第四顶点的图像坐标。