CN104867156B - 一种针对合作标志器位姿测量的特征点识别方法 - Google Patents
一种针对合作标志器位姿测量的特征点识别方法 Download PDFInfo
- Publication number
- CN104867156B CN104867156B CN201510293398.7A CN201510293398A CN104867156B CN 104867156 B CN104867156 B CN 104867156B CN 201510293398 A CN201510293398 A CN 201510293398A CN 104867156 B CN104867156 B CN 104867156B
- Authority
- CN
- China
- Prior art keywords
- connected region
- characteristic point
- image
- quadrants
- circular
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10052—Images from lightfield camera
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种针对合作标志器位姿测量的特征点识别方法,该方法步骤包括:(1)阈值分割、连通区域判;(2)计算连通区域形状因子,求出圆形连通区域;(3)根据圆形连通区域直径求出正方形识别框,识别框内划分四个象限,计算各象限内连通区域的数量、形状因子、直径、到识别框中心的距离。识别图像中合作标志器及各特征点。该方法运用图像识别手段解决了航天器交会对接视觉位姿测量过程中在特征点被部分遮挡、干扰下图像特征点识别定位问题,识别结果准确、可靠。
Description
技术领域
本发明涉及一种特征点识别方法,尤其涉及一种针对合作标志器位姿测量的特征点识别方法。
背景技术
基于视觉的目标位姿(位置、姿态)测量是光电精密测量技术领域重点研究的前沿方向,在空间探测、工业制造、机器人等领域扮演着举足轻重的作用。尤其在空间领域中,准确测量空间目标的位姿是直接关系到空间任务(交会对接、目标捕获、在轨装配和维修等)成功与否的重要前提。
基于视觉的位姿测量分为合作目标测量和非合作目标测量,合作目标测量相对非合作目标测量具有测量精度高、可靠性强、抗干扰力强、技术成熟度高等优势,因此在航天领域广泛采用。
通常而言合作目标测量需在航天器上装备合作标志器,通过对合作标志器成像识别和测量达到对航天器的位姿测量目的。合作标志器测量包括相机定标、目标识别、位姿解算等技术环节。相机定标是对相机焦距、主点、畸变等内参数进行表校测定;目标识别是对标志器特征进行识别提取,为后续位姿解算做好准备;位姿解算是利用标志器特征解算出目标相对相机的空间位置、姿态。
在目标识别这个环节中,通常包括利用标志器特征点、线、区域等特征进行特征识别提取方法,其中由于点特征提取定位方法简单长期以来被广泛应用,但同时点特征也存在容易受背景干扰、易被遮挡等弊端造成标志器识别提取失败。位姿解算中至少需要3个特征点,称为3点透视法(P3P:Perspective-3-Points)法,通常设置大于3个特征点,采用P4P,P5P,使特征点提取识别具有一定冗余性,提高识别提取目标可靠性。
针对P5P方法中的特征点识别提取问题,国内外学者作了大量研究,但均是研究5个特征点均能被完整提取情况下,识别目标并提取出5个特征点坐标。然而实际工程任务中,存在图像背景较复杂,干扰点较多、特征点易被干扰、被污损、被遮挡情况,此时某些特征点不易被提取,如何在这种情况下依然稳定可靠的识别出目标,并准确提取其他特征点坐标,是视觉测量任务面临的一大挑战。
专利CN 102915539A中公开了一种基于目标特征构型的位姿测量特征点提取方法,对P4P问题中特征点菱形布局的目标识别和特征点提取方法进行了阐述,但未涉及特征点被遮挡情况下,如何识别目标并提取特征点。而根据范生宏等人的《Canny算子对人工标志中心的亚像素精度定位》(参见《测绘科学技术学报》,2006年23卷(1)76-78页),运用了形状因子对椭圆目标进行判别,但未涉及在特征点被遮挡情况下对目标的识别。
发明内容
本发明要解决的技术问题是:提供一种针对合作标志器位姿测量的特征点识别方法。该方法根据特征点尺寸和目标尺寸的比例关系建立识别框,抑制了图像识别框之外复杂背景对识别的干扰影响;划分4象限,统计4象限被识别目标总数,解决目标1个特征点被遮挡情况下,如何稳定识别目标的问题;分别对四象限中目标尺寸、形状、到中心距离等方面进行判断,解决了目标在位移、旋转、尺度变化下的特征点准确识别问题。从而提高了特征点识别提取准确性和可靠性。
本发明采用的技术方案如下:一种针对合作标志器位姿测量的特征点识别方法,包括如下步骤:
步骤(1)、设置合作标志器由五个高反光圆形特征点构成,设置其中4个特征点构成正方形,设置第5点特征点在正方形中央位置,设置正方形边长与特征点直径比值为R。获取合作标志器图像;
步骤(2)、将步骤(1)获取的图像进行阈值分割和连通区域判读,获取图像中共N个连通区域Qi(i=1…N);
步骤(3)、根据Qi的周长Ci和面积Si,计算Qi的形状因子Fi,
根据各连通区域Fi值,若Fi小于σ(σ为预先设定的接近1的阈值),则判断为圆形连通区域Wj(j=1…K),共K个圆形连通区域,否则判断为非圆形连通区域。
步骤(4)、根据圆形连通区域直径求出正方形识别框,识别框内划分四个象限,计算各象限内连通区域的数量、形状因子、直径、到识别框中心的距离,识别出图像中合作标志器及各特征点。
其中,所述步骤(4)具体为:
a、以Wj的围盒长度和宽度均值作为Wj直径Dj,计算Mj,
Mj=DjR
b、求出以各Wj为正方形中心,且边长略大于Mj的正方形识别框Zj;
c、识别图像中合作标志器及特征点:
①对识别框Zj,划1条与图像横坐标相平行且与Wj中心相交的直线;划1条与图像纵坐标相平行且与Wj中心相交的直线;两条直线相交将Zj划分为4个象限(右上,左上,左下,右下);
②判断Zj各象限内圆形连通区域数量Nj,t(t=1,2,3,4分别对应右上,左上,左下,右下象限),标志器区域内应无其他干扰点存在,建立特征点数量抗遮挡,抗丢失判据:若满足特征点数量满足要求,进入③,否则j=j+1返回①;
③判断Zj各象限内当Nj,t=1时,连通区域形状因子Fj,t(t=1,2,3,4分别对应右上,左上,左下,右下象限),建立特征点圆形判据:若Fj,t≤σ(t=1…4),判断特征点为圆形,进入④,否则j=j+1返回①;
④以Zj各象限内当Nj,t=1时,连通区域围盒长宽均值计算出直径Dj,t(t=1,2,3,4分别对应右上,左上,左下,右下象限),建立特征点尺寸一致性判据:若|Dj,t-Dj|/Dj<λ(λ为预先设定接近0的阈值),判断特征点尺寸一致,进入⑤,否则进入①;
⑤Zj各象限内当Nj,t=1时,计算连通区域到中心连通区域的距离Lj,t(t=1,2,3,4分别对应右上,左上,左下,右下象限),当Nj,t=0时,Lj,t=0。建立中心距离一致性判据:若(λ为预先设定接近0的阈值,n为四象限提取连通区域总数),判断Zj各象限内连通区域到中心连通区域距离满足一致性判据,识别出图像中合作标志器及各特征点,否则进入①。
本发明与现有技术相比的优点在于:
(1)、本发明根据特征点尺寸和目标尺寸关系,建立图像识别框,抑制了图像识别框之外复杂背景对特征点干扰影响;
(2)、本发明将根据目标特征点布局,以连通区域为中心将目标识别框划分4象限分别处理判读,统计4象限内满足要求特征点数量,解决了1个目标特征点被遮挡情况下,如何稳定识别目标的问题;
(3)、本发明对4象限内特征点形状因子、尺寸、到中心距离等方面进行判读,提出目标在位移、旋转、尺度变化下的特征点识别方法。提高了特征点识别提取准确性和可靠性。
附图说明
图1为识别方法流程图;
图2为获取合作标志器图像;
图3为获取图像中共8个连通区域;
图4为获取图像5个圆形连通区域;
图5为计算各象限内连通区域的数量、形状因子、直径、到识别框中心的距离,识别出图像中合作标志器及各特征点。
具体实施方式
下面结合附图以及具体实施例,对本发明方法进一步说明。
具体流程如图1所示。一种针对合作标志器位姿测量的特征点识别方法,包括如下步骤:
(1)设置合作标志器由五个高反光圆形特征点构成,设置其中4个特征点构成正方形,设置第5点特征点在正方形中央位置,设置正方形边长与特征点直径比值为R=8。获取合作标志器图像,如图2所示,图像分辨率为1024×1024。
(2)将步骤(1)获取的图像进行阈值分割和连通区域判读,获取图像中共8个连通区域Qi(i=1…8),如图3所示;
(3)计算每个Qi的周长Ci和面积Si,并计算Qi的形状因子Fi,
当Fi小于σ(σ预先设定为1.2),则判断为圆形连通区域,最终共判读得图像5个圆形连通区域Wj(j=1…5),如图4所示。
(4)根据圆形连通区域直径求出正方形识别框,识别框内划分四个象限,计算各象限内连通区域的数量、形状因子、直径、到识别框中心的距离,识别出图像中合作标志器及各特征点,如图5所示。
a、以Wj的围盒长度和宽度均值作为Wj直径Dj,Dj=15计算Mj,
Mj=DjR=120
b、求出以各Wj为中心,且边长略大于Mj,即边长为130的正方形识别框Zj;
c、识别图像中合作标志器及特征点:
①对识别框Zj,划1条与图像横坐标相平行且与Wj中心相交的直线;划1条与图像纵坐标相平行且与Wj中心相交的直线;两条直线相交将Zj划分为4个象限(右上,左上,左下,右下);
②判断Zj各象限内圆形连通区域数量Nj,t(t=1,2,3,4分别对应右上,左上,左下,右下象限),若满足特征点数量满足要求,进入③,否则j=j+1返回①。如图所示,特征点数量满足要求,进入③;
③判断Z3各象限内当N3,t=1时,连通区域形状因子F3,t(t=1,2,3,4分别对应右上,左上,左下,右下象限),判定结果:F3,t≤1.2(t=1…4),判断特征点为圆形,进入④;
④以Z3各象限内当N3,t=1时,连通区域围盒长宽均值计算出直径D3,t=15(t=1,2,3,4分别对应右上,左上,左下,右下象限),根据特征点尺寸一致性判据:|Dj,t-Dj|/Dj<λ(λ为预先设定为0.2),判断特征点尺寸一致,进入⑤;
⑤Z3各象限内当N3,t=1时,计算连通区域到中心连通区域的距离L3,t=85(t=1,2,3,4分别对应右上,左上,左下,右下象限)。根据中心距离一致性判据:(γ预先设定为0.2,n为3),判断Z3各象限内连通区域到中心连通区域距离满足一致性判据,识别出图像中合作标志器及各特征点,如图5所示。
本发明未详述部分属于本技术领域的公知技术。以上所述仅为本发明的具体实例而已,并不用于以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种针对合作标志器位姿测量的特征点识别方法,其特征在于:该方法包括如下步骤:
步骤(1)、设置合作标志器由五个高反光圆形特征点构成,设置其中4个特征点构成正方形,设置第5点特征点在正方形中央位置,设置正方形边长与特征点直径比值为R,获取合作标志器图像;
步骤(2)、将步骤(1)获取的图像进行阈值分割和连通区域判读,获取图像中共N个连通区域Qi(i=1…N);
步骤(3)、根据Qi的周长Ci和面积Si,计算Qi的形状因子Fi,
<mrow>
<msub>
<mi>F</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msup>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mn>4</mn>
<msub>
<mi>&pi;S</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
根据各连通区域Fi值,若Fi小于σ,σ为预先设定的接近1的阈值,则判断为圆形连通区域Wj(j=1…K),共K个圆形连通区域,否则判断为非圆形连通区域;
步骤(4)、根据圆形连通区域直径求出正方形识别框,识别框内划分四个象限,计算各象限内连通区域的数量、形状因子、直径、到识别框中心的距离,识别出图像中合作标志器及各特征点;
所述步骤(4)具体为:
a、以Wj的围盒长度和宽度均值作为Wj直径Dj,计算Mj,
Mj=DjR
b、求出以各Wj为正方形中心,且边长大于Mj的正方形识别框Zj;
c、识别图像中合作标志器及特征点:
①对识别框Zj,划1条与图像横坐标相平行且与Wj中心相交的直线;划1条与图像纵坐标相平行且与Wj中心相交的直线;两条直线相交将Zj划分为4个象限:右上,左上,左下,右下;
②判断Zj各象限内圆形连通区域数量Nj,t,t=1,2,3,4分别对应右上,左上,左下,右下象限,合作标志器区域内无其他干扰点存在,建立特征点数量抗遮挡,抗丢失判据:若满足Nj,t≤1(t=1…4),特征点数量满足要求,进入③,否则j=j+1返回①;
③判断Zj各象限内当Nj,t=1时,连通区域形状因子Fj,t,t=1,2,3,4分别对应右上,左上,左下,右下象限,建立特征点圆形判据:若Fj,t≤σ(t=1…4),判断特征点为圆形,进入④,否则j=j+1返回①;
④以Zj各象限内当Nj,t=1时,连通区域围盒长宽均值计算出直径Dj,t,t=1,2,3,4分别对应右上,左上,左下,右下象限,建立特征点尺寸一致性判据:若|Dj,t-Dj|/Dj<λ,λ为预先设定接近0的阈值,判断特征点尺寸一致,进入⑤,否则进入①;
⑤Zj各象限内当Nj,t=1时,计算连通区域到中心连通区域的距离Lj,t,t=1,2,3,4分别对应右上,左上,左下,右下象限,当Nj,t=0时,Lj,t=0,建立中心距离一致性判据:若n为四象限提取连通区域总数,判断Zj各象限内连通区域到中心连通区域距离满足中心距离一致性判据,识别出图像中合作标志器及各特征点,否则进入①。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510293398.7A CN104867156B (zh) | 2015-06-01 | 2015-06-01 | 一种针对合作标志器位姿测量的特征点识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510293398.7A CN104867156B (zh) | 2015-06-01 | 2015-06-01 | 一种针对合作标志器位姿测量的特征点识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104867156A CN104867156A (zh) | 2015-08-26 |
CN104867156B true CN104867156B (zh) | 2017-09-15 |
Family
ID=53912971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510293398.7A Active CN104867156B (zh) | 2015-06-01 | 2015-06-01 | 一种针对合作标志器位姿测量的特征点识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104867156B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106056636B (zh) * | 2016-05-31 | 2019-04-02 | 公安部禁毒情报技术中心 | 一种冰毒片剂的标识特征信息提取方法 |
CN108090931B (zh) * | 2017-12-13 | 2021-11-02 | 中国科学院光电技术研究所 | 一种基于圆和十字特征组合的抗遮挡抗干扰的标志器识别与位姿测量方法 |
CN113934222B (zh) * | 2020-12-03 | 2023-10-03 | 中国科学院光电技术研究所 | 适用于飞船绕飞过程交会对接激光雷达合作目标组的识别方法 |
CN113298713A (zh) * | 2021-05-24 | 2021-08-24 | 北京市遥感信息研究所 | 一种抗云干扰的在轨快速配准方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6580821B1 (en) * | 2000-03-30 | 2003-06-17 | Nec Corporation | Method for computing the location and orientation of an object in three dimensional space |
CN102915539A (zh) * | 2012-09-26 | 2013-02-06 | 北京理工大学 | 一种基于目标特征构型的位姿测量特征点提取方法 |
CN103512558A (zh) * | 2013-10-08 | 2014-01-15 | 北京理工大学 | 一种锥形目标双目视频位姿测量方法及靶标图案 |
-
2015
- 2015-06-01 CN CN201510293398.7A patent/CN104867156B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6580821B1 (en) * | 2000-03-30 | 2003-06-17 | Nec Corporation | Method for computing the location and orientation of an object in three dimensional space |
CN102915539A (zh) * | 2012-09-26 | 2013-02-06 | 北京理工大学 | 一种基于目标特征构型的位姿测量特征点提取方法 |
CN103512558A (zh) * | 2013-10-08 | 2014-01-15 | 北京理工大学 | 一种锥形目标双目视频位姿测量方法及靶标图案 |
Non-Patent Citations (1)
Title |
---|
"水下光视觉目标检测与定位系统关键技术研究";万媛媛;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130615(第6期);论文第31,48-50页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104867156A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104867156B (zh) | 一种针对合作标志器位姿测量的特征点识别方法 | |
CN101839692B (zh) | 单相机测量物体三维位置与姿态的方法 | |
CN104677340B (zh) | 一种基于点特征的单目视觉位姿测量方法 | |
CN107688184A (zh) | 一种定位方法以及系统 | |
CN104807460B (zh) | 无人机室内定位方法及系统 | |
CN105913489A (zh) | 一种利用平面特征的室内三维场景重构方法 | |
CN106361345A (zh) | 基于摄像头标定的视频图像中人体身高测量的系统及方法 | |
CN206990800U (zh) | 一种定位系统 | |
CN106932780A (zh) | 物体定位方法、装置和系统 | |
CN106651990A (zh) | 一种室内地图构建方法及基于室内地图的室内定位方法 | |
CN104536009A (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
CN106384079A (zh) | 一种基于rgb‑d信息的实时行人跟踪方法 | |
CN103886593A (zh) | 一种基于三维点云曲面圆孔检测方法 | |
CN109446892A (zh) | 基于深度神经网络的人眼注意力定位方法及系统 | |
CN104504675B (zh) | 一种主动视觉定位方法 | |
CN104913775B (zh) | 无人机对地高度的测量方法、无人机定位方法及装置 | |
CN106489062B (zh) | 用于测量移动平台的位移的系统和方法 | |
CN104864851B (zh) | 一种基于矩形周长和面积加权约束的单目视觉位姿测量方法 | |
CN104036542A (zh) | 一种基于空间光线聚集性的像面特征点匹配方法 | |
CN108426576A (zh) | 基于标识点视觉导航与sins的飞行器路径规划方法及系统 | |
CN109359537A (zh) | 基于神经网络的人脸姿态角度检测方法及系统 | |
CN102175991A (zh) | 基于最大定位似然传感器配置的目标定位方法 | |
CN107527366A (zh) | 一种面向深度相机的相机跟踪方法 | |
CN107424156A (zh) | 基于仿仓鸮眼视觉注意的无人机自主编队精准测量方法 | |
CN106251335B (zh) | 一种基于stl网格化模型的敏感器视场遮挡区域确定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |