CN106353032B - 一种欠光照条件下的天体形心快速检测方法 - Google Patents
一种欠光照条件下的天体形心快速检测方法 Download PDFInfo
- Publication number
- CN106353032B CN106353032B CN201510652186.3A CN201510652186A CN106353032B CN 106353032 B CN106353032 B CN 106353032B CN 201510652186 A CN201510652186 A CN 201510652186A CN 106353032 B CN106353032 B CN 106353032B
- Authority
- CN
- China
- Prior art keywords
- celestial body
- centroid
- point
- gradient
- ellipse
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M1/00—Testing static or dynamic balance of machines or structures
- G01M1/12—Static balancing; Determining position of centre of gravity
- G01M1/122—Determining position of centre of gravity
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种欠光照条件下天体形心快速检测方法,重点解决深空光学自主导航系统中导航观测量的精确提取问题。该方法首先利用光学成像的梯度大小、太阳光线方向等信息进行目标天体“边缘临近区域”像素快速检测,以此作为待拟合数据集进行天体形心的确定,有效解决了欠光照环境下传统精确导航系统中低对比度图像的边缘的精确提取问题。进而利用光学敏感器成像的梯度方向、目标天体形状以及光照方向等信息建立目标天体的形心检测模型,实现深空环境中欠光照条件下的目标天体形心的快速检测。
Description
技术领域
本发明涉及一种空间探测中目标天体形心检测方法,特别是一种欠光照条件下的天体形心快速检测方法。
背景技术
深空天体在其长期演变过程中,由于环境和自身力学的相互作用,多呈现凸结构特征,因此深空环境中天体的形心检测一般可简化为其外接最小椭圆的质心确定问题。对于深空天体的形心识别多在欠光照条件下进行,这是由于一方面任务和轨道设计等诸多限制条件,目标天体光照角度多变,加之目标形状不规则,因而存在遮挡现象;另一方面目标天体表面反照度有限,同时在演化过程中不断受到其他星体的碰撞,其表面大多坑洼不平,因而光学成像存在低对比度和阴影现象,也即对其成像识别多处于欠光照条件下。针对处于欠光照条件下天体形心快速检测识别的问题,还未有相关的具体研究。
目前椭圆图像的形心检测通常基于灰度和梯度两种信息。基于灰度的估计方法在给定图像区域内直接利用灰度加权信息进行形心检测。由于利用了区域内所有信息,因此对噪声和孤立点具有鲁棒性。然而灰度信息对遮挡和阴影非常敏感,即在欠光照条件下检测的精度无法满足要求。基于梯度的估计方法一般包括边缘的精确提取和椭圆拟合两个步骤。其中边缘的精确提取包括梯度估计、非最大化抑制、阈值分割和亚像素估计等步骤,计算复杂,严重影响拟合算法的实时性。另外深空环境下目标天体光照度有限,在光照强度较弱、对比度低的条件下,提取精度难以保证。拟合算法在目标边缘的精确提取的基础上实现对椭圆中心的精确估计。常用方法有直接最小二乘法、最小平方中值法、Kalman滤波等,很多改进方法基于边缘信息也实现了不同精度和鲁棒性的椭圆拟合,如Hough变化方法等。其中最小二乘法通过最小待拟合点与假设椭圆的整体误差最小化进行拟合,在受噪声或孤立点影响,特别是拟合数据集中在较短的弧段时,拟合结果稳健性不好;最小平方中值法利用中值取局部误差最小进行拟合,避免一些孤立点和噪声的干扰,比最小二乘法在稳健性上得到了提高,但计算复杂度过高,实时性难以满足需求;Kalman滤波椭圆拟合法以椭圆参数作为状态向量,对状态进行预测并通过观测值对状态值不断更新修正,反复迭代求出最终参数值,其易受孤立点的干扰,且不能对含噪声的短弧段拟合;Hough变换方法将图像空间中的问题转化为参数空间中的对偶问题,通过在参数空间进行简单的累加统计进行椭圆估计,其对噪声和孤立点具有很好的鲁棒性,但是计算时间和空间复杂度过高。
深空探测器自主导航中,深空天体的形心识别多在欠光照条件下进行,传统精确导航系统中图像多为低对比度图像,针对处于欠光照条件下低对比度图像边缘的精确提取及对其形心识别问题还有待研究。
发明内容
本发明目的在于提供一种欠光照条件下的天体形心快速检测方法,解决欠光照条件下的低对比度图像天体形心无法快速准确检测问题。
一种欠光照条件下的天体形心快速检测方法具体步骤为:
第一步确定检测数据集
利用公式(1)和(2),对探测器光学敏感期成像信息进行梯度计算,图像中每一个像素点处x和y方向上的梯度为
其中f(x,y)为图像上(x,y)处灰度值。定义在(x,y)处的梯度梯度信息衡量图像灰度变化大小。利用梯度大小信息和光线方向先验信息进行有效边缘临近区域像素快速检测,以此作为形心检测数据集。
第二步确定欠光照条件下天体形心检测模型
将天体的形心检测简化为其外接最小椭圆的质心确定问题。将任意一个椭圆O2看作是标准椭圆O的平移和旋转,则
其中θ已知,为椭圆主轴与x轴的夹角;a、b已知,分别为目标天体的长半轴和短半轴;x′、y′为椭圆点坐标;xc、yc为待检测的椭圆中心点坐标;α为标准椭圆O的角度参数,表示椭圆点对应的外接圆的半径与x轴正方向的夹角,其取值范围取决于光线入射方向。
假设光线方向与椭圆O的长轴夹角为γ。令tan(π-γ)=k1,则在椭圆上非遮蔽区边界点坐标(x1,y1)、(x2,y2)满足
即
求解方程可得
所以
又椭圆长轴旋转角度为θ,则光线与x轴夹角为π-γ+θ,所以当光线入射方向与x轴夹角为η时,椭圆O2边缘上可见点对应的α的取值范围为:
假定椭圆O上有边缘点A(x,y),则过点A的切线方程为
令A点梯度方向对应斜率为k2,可知切线斜率为则切线方程表示为
联立方程(8)(9)和椭圆方程解方程组得
所以对于椭圆O2
代入(3)可得:
式(13)即为欠光照条件下基于梯度方向和已知信息的天体形心检测模型。其中x′、y′受图像梯度大小和光线方向约束;a、b和θ的取值范围利用探测器与目标天体的相对位置姿态、导航相机参数信息以及目标天体形状的信息实时确定。
第三步确定观测量
通过得到的天体形心数据集,首先对形心数据集求取平均值,然后依据设定合适阈值,剔除超出阈值的形心检测点,未超出阈值的形心检测点作为数据集求取其中心点,作为自主导航的观测量,实现深空环境中欠光照条件下目标天体形心的快速检测。
本方法针对欠光照环境下导航系统中低对比度图像的边缘实现快速精确提取,实现深空环境中欠光照条件下的目标天体形心的快速检测。
具体实施方式
本发明提供一种空间探测中目标天体的形心确定方法,解决欠光照条件下的天体形心快速检测问题。
一种欠光照条件下的天体形心快速检测方法具体步骤为:
第一步确定检测数据集
利用公式(1)和(2),对探测器光学敏感期成像信息进行梯度计算,图像中每一个像素点处x和y方向上的梯度为
其中f(x,y)为图像上(x,y)处灰度值。定义在(x,y)处的梯度梯度信息衡量图像灰度变化大小。利用梯度大小信息和光线方向先验信息进行有效边缘临近区域像素快速检测,以此作为形心检测数据集。
第二步确定欠光照条件下天体形心检测模型
将天体的形心检测简化为其外接最小椭圆的质心确定问题。将任意一个椭圆O2看作是标准椭圆O的平移和旋转,则
其中θ已知,为椭圆主轴与x轴的夹角;a、b已知,分别为目标天体的长半轴和短半轴;x′、y′为椭圆点坐标;xc、yc为待检测的椭圆中心点坐标;α为标准椭圆O的角度参数,表示椭圆点对应的外接圆的半径与x轴正方向的夹角,其取值范围取决于光线入射方向。
假设光线方向与椭圆O的长轴夹角为γ。令tan(π-γ)=k1,则在椭圆上非遮蔽区边界点坐标(x1,y1)、(x2,y2)满足
即
求解方程可得
所以
又椭圆长轴旋转角度为θ,则光线与x轴夹角为π-γ+θ,所以当光线入射方向与x轴夹角为η时,椭圆O2边缘上可见点对应的α的取值范围为:
假定椭圆O上有边缘点A(x,y),则过点A的切线方程为
令A点梯度方向对应斜率为k2,可知切线斜率为则切线方程表示为
联立方程(8)(9)和椭圆方程解方程组得
所以对于椭圆O2
代入(3)可得:
式(13)即为欠光照条件下基于梯度方向和已知信息的天体形心检测模型。其中x′、y′受图像梯度大小和光线方向约束;a、b和θ的取值范围利用探测器与目标天体的相对位置姿态、导航相机参数信息以及目标天体形状的信息实时确定。
第三步确定观测量
通过得到的天体形心数据集,首先对形心数据集求取平均值,然后依据设定合适阈值,剔除超出阈值的形心检测点,未超出阈值的形心检测点作为数据集求取其中心点,作为自主导航的观测量,实现深空环境中欠光照条件下目标天体形心的快速检测。
Claims (1)
1.一种欠光照条件下的天体形心快速检测方法,其特征在于具体步骤为:
第一步确定检测数据集
利用公式(1)和(2),对探测器光学敏感期成像信息进行梯度计算,图像中每一个像素点处x和y方向上的梯度为
其中f(x,y)为图像上(x,y)处灰度值;定义在(x,y)处的梯度梯度信息衡量图像灰度变化大小;利用梯度大小信息和光线方向先验信息进行有效边缘临近区域像素快速检测,以此作为形心检测数据集;
第二步确定欠光照条件下天体形心检测模型
将天体的形心检测简化为其外接最小椭圆的质心确定问题;将任意一个椭圆O2看作是标准椭圆O的平移和旋转,则
其中θ已知,为椭圆主轴与x轴的夹角;a、b已知,分别为目标天体的长半轴和短半轴;x′、y′为椭圆点坐标;x'c、y'c为待检测的椭圆中心点坐标;α为标准椭圆O的角度参数,表示椭圆点对应的外接圆的半径与x轴正方向的夹角,其取值范围取决于光线入射方向;
假设光线方向与椭圆O的长轴夹角为γ;令tan(π-γ)=k1,则在椭圆上非遮蔽区边界点坐标(x1,y1)、(x2,y2)满足
即
求解方程可得
所以
又椭圆长轴旋转角度为θ,则光线与x轴夹角为π-γ+θ,所以当光线入射方向与x轴夹角为η时,椭圆O2边缘上可见点对应的α的取值范围为:
假定椭圆O上有边缘点A(x,y),则过点A的切线方程为
令A点梯度方向对应斜率为k2,可知切线斜率为则切线方程表示为
联立方程(8)(9)和椭圆方程解方程组得
所以对于椭圆O2
代入(3)可得:
式(13)即为欠光照条件下基于梯度方向和已知信息的天体形心检测模型;其中x′、y′受图像梯度大小和光线方向约束;a、b和θ的取值范围利用探测器与目标天体的相对位置姿态、导航相机参数信息以及目标天体形状的信息实时确定;
第三步确定观测量
通过得到的天体形心数据集,首先对形心数据集求取平均值,然后依据设定合适阈值,剔除超出阈值的形心检测点,未超出阈值的形心检测点作为数据集求取其中心点,作为自主导航的观测量,实现深空环境中欠光照条件下目标天体形心的快速检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510652186.3A CN106353032B (zh) | 2015-10-10 | 2015-10-10 | 一种欠光照条件下的天体形心快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510652186.3A CN106353032B (zh) | 2015-10-10 | 2015-10-10 | 一种欠光照条件下的天体形心快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106353032A CN106353032A (zh) | 2017-01-25 |
CN106353032B true CN106353032B (zh) | 2019-03-29 |
Family
ID=57842947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510652186.3A Active CN106353032B (zh) | 2015-10-10 | 2015-10-10 | 一种欠光照条件下的天体形心快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106353032B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109238268A (zh) * | 2018-08-01 | 2019-01-18 | 北京理工大学 | 不规则小天体导航形心的最优外接椭圆提取方法 |
CN110390696A (zh) * | 2019-07-03 | 2019-10-29 | 浙江大学 | 一种基于图像超分辨率重建的圆孔位姿视觉检测方法 |
CN111735460B (zh) * | 2020-08-05 | 2020-11-27 | 北京控制与电子技术研究所 | 基于小天体中心提取的航天器导航方法、系统及装置 |
CN111739049B (zh) * | 2020-08-05 | 2020-12-01 | 北京控制与电子技术研究所 | 基于图像的航天器导航方法、系统和图像边缘点提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003098522A1 (en) * | 2002-05-17 | 2003-11-27 | Pfizer Products Inc. | Apparatus and method for statistical image analysis |
CN102944239A (zh) * | 2012-10-24 | 2013-02-27 | 北京控制工程研究所 | 一种用于深空探测自主导航的目标天体图像晨昏线判断方法 |
CN103049921A (zh) * | 2012-11-30 | 2013-04-17 | 北京控制工程研究所 | 一种用于深空自主导航的不规则小天体图像质心确定方法 |
CN104915946A (zh) * | 2015-02-10 | 2015-09-16 | 浙江工业大学 | 一种适用于严重退化图像的基于显著性的对象分割方法 |
-
2015
- 2015-10-10 CN CN201510652186.3A patent/CN106353032B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003098522A1 (en) * | 2002-05-17 | 2003-11-27 | Pfizer Products Inc. | Apparatus and method for statistical image analysis |
CN102944239A (zh) * | 2012-10-24 | 2013-02-27 | 北京控制工程研究所 | 一种用于深空探测自主导航的目标天体图像晨昏线判断方法 |
CN103049921A (zh) * | 2012-11-30 | 2013-04-17 | 北京控制工程研究所 | 一种用于深空自主导航的不规则小天体图像质心确定方法 |
CN104915946A (zh) * | 2015-02-10 | 2015-09-16 | 浙江工业大学 | 一种适用于严重退化图像的基于显著性的对象分割方法 |
Non-Patent Citations (2)
Title |
---|
An Improvement of Stars" Centroid Determination using PSF-fitting Method;Robert Suszynski等;《IEEE》;20141231;全文 * |
基于图像信息的小天体参数估计及探测器自主导航研究;邵巍;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20111115;第22-23页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106353032A (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110332887B (zh) | 一种基于特征光标点的单目视觉位姿测量系统及方法 | |
CN106353032B (zh) | 一种欠光照条件下的天体形心快速检测方法 | |
CN103093223B (zh) | 一种光斑图像中心的快速定位方法 | |
EP2079054B1 (en) | Detection of blobs in images | |
CN104359403A (zh) | 基于亚像素边缘算法的平面零件尺寸测量方法 | |
WO2016129702A1 (en) | Method for image denoising | |
US10755433B2 (en) | Method and system for scanning an object using an RGB-D sensor | |
CN107063261B (zh) | 用于无人机精准着陆的多特征信息地标检测方法 | |
CN104075659B (zh) | 一种基于rgb结构光源的三维成像识别方法 | |
CN104899888B (zh) | 一种基于Legendre矩的图像亚像素边缘检测方法 | |
WO2015096507A1 (zh) | 一种利用山体轮廓区域约束识别定位建筑物的方法 | |
WO2018120445A1 (zh) | 一种动目标多维度多尺度红外光谱特征测量方法及系统 | |
Prasad et al. | MSCM-LiFe: multi-scale cross modal linear feature for horizon detection in maritime images | |
CN107909018B (zh) | 一种稳健的多模态遥感影像匹配方法和系统 | |
CN112184765B (zh) | 一种用于水下航行器的自主跟踪方法 | |
CN110619368B (zh) | 行星表面导航特征成像匹配检测方法 | |
CN109060290A (zh) | 基于视频和亚像素技术对风洞密度场进行测量的方法 | |
Ciobanu et al. | Real-time indoor staircase detection on mobile devices | |
CN106682674B (zh) | 一种基于智能巡检机器人的指针式仪表自动读数方法 | |
Li et al. | Space target detection in complicated situations for wide-field surveillance | |
CN104567879B (zh) | 一种组合视场导航敏感器地心方向提取方法 | |
CN103093214B (zh) | 一种基于车载红外相机的行人检测方法 | |
CN109443319A (zh) | 基于单目视觉的障碍物测距系统及其测距方法 | |
KR101426864B1 (ko) | 근거리 열상 표적추적을 위한 영역기반 경계향상 방법 | |
Fei et al. | Obstacle Detection for Agricultural Machinery Vehicle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |