CN107389072B - 一种小天体表面导航特征区域检测方法 - Google Patents
一种小天体表面导航特征区域检测方法 Download PDFInfo
- Publication number
- CN107389072B CN107389072B CN201710694263.0A CN201710694263A CN107389072B CN 107389072 B CN107389072 B CN 107389072B CN 201710694263 A CN201710694263 A CN 201710694263A CN 107389072 B CN107389072 B CN 107389072B
- Authority
- CN
- China
- Prior art keywords
- navigation
- area
- region
- celestial body
- small celestial
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的一种小天体表面导航特征区域检测方法,属于深空探测领域。本发明首先在获取到小天体的光学导航图像以后,通过局部阈值分割算法,得到小天体表面的兴趣阴影区域,建立候选导航特征区域;通过聚类分割,判断该候选区域内是否存在光亮区,将不存在光亮区的候选区域剔除;在候选导航特征区域的阴影区与光亮区之间提取过渡区域,计算过渡区域的约束条件特征参数,并将满足约束条件的候选特征区域筛选出来作为导航特征区域,生成特征点,对导航特征区域匹配,从而实现对小天体附近的相对自主光学导航。本发明要解决的问题是:在目标小天体表面特征匮乏条件下,提供一种导航精度高和算法简单、计算量小的小天体表面导航特征区域检测方法。
Description
技术领域
本发明涉及一种自主的小天体表面导航特征区域检测方法,尤其涉及一种小天体探测器自主光学导航方法,属于深空探测领域。
背景技术
近年来,深空探测任务发展迅速,小天体探测任务日益增多,探测器飞越、接近、绕飞、着陆目标小天体已经成为未来深空探测领域的重要科学任务。由于小天体附近特有的动力学特性以及环境复杂不确知等原因,因此,对探测器各飞行阶段的导航系统提出了新的挑战。同时,深空小天体探测任务距离远、通信时延大,传统的地面深空测控网已经无法满足探测器在小天体附近探测的实时性要求,故而需要探测器本身能够具备自主导航的条件。目前,由于光学导航相机存在着体积小、质量轻、成像精度高、成本低等诸多优势,深空探测器的自主导航操作主要以光学导航为主进行。导航特征的选取检测直接关系到探测器进行自主导航时的精度,甚至关系到整个任务的成功与否,因此选取检测适合的小天体表面特征进行导航成为当前各国航天科研部门重点发展的研究方向之一。
在已发展的小天体光学导航特征检测方面,在先技术[1](参见Y.Cheng,A.E.Johnson,L.H.Matthies,and C.F.Olson.Optical landmark detection forspacecraft navigation[C].13th Annual Space Flight Mechanics Meeting,2003.),美国JPL实验室的Yang Cheng等人将小天体表面陨石坑作为导航特征,提出了小天体表面陨石坑检测方法。方法中,首先对小天体表面陨石坑边缘进行提取,将属于同一陨石坑的边缘进行配对,剔除伪边缘,随后使用椭圆拟合的方式将正确边缘进行拟合,从而完成对小天体表面陨石坑的检测。这种检测方法只能够针对标准陨石坑进行检测,在非规则陨石坑的检测方面存在一定的拟合误差,从而对基于陨石坑特征的导航方案的导航精度造成影响。同时,利用陨石坑检测方法建立的小天体表面陨石坑数据库也存在一定程度的误差,在绝对导航过程中造成无法避免的导航误差。
在先技术[2](参见N.Rowell,M.N.Dunstan,S.M.Parkes,J.Gil-Fernández,I.Huertas,and S.Salehi.Autonomous visual recognition of known surfacelandmarks for optical navigation around asteroids[J].Aeronautical Journal,vol.119(1220),2015,pp.1193-1222.),Rowell N.等人提出了小天体表面导航特征点的检测方法。方法中,首先对小天体表面图像进行Harris角点提取,以此为基础建立了小天体特征数据库,重建了小天体形状。随后结合建立的特征点数据库,在探测器飞行过程中,对特征点进行检测,并与数据库进行匹配,从而实现运动估计。这种导航特征点检测方法存在着特征点数量庞大,计算量大和误匹配率高等问题,不适合在探测器上进行应用。
在先技术[3](参见W.Shao,H.Chen,L.Meng,Y.Bin,X.Gao,Planetary TerrainFeatures Tracking Method Based on Robust Curve Matching[J].Journal of DeepSpace Exploration,vol.1(1),2014,pp.75-80.),邵巍等人针对星际着陆的特征跟踪过程,提出了一种基于尺度不变的曲线描述及检测方法。该方法利用曲线邻域的梯度信息星辰特征描述符,无需知道各点曲率或曲线之间的几何构型,在目标天体表面能够检测多种星表纹理特征,利用曲线匹配来实现相对导航。在先技术[4](参见Y.Takao,Y.Tsuda,T.Saiki,N.Ogawa,F.Terui,and J.I.Kawaguchi,Optical Navigation for AsteroidExplorer by use of Virtual Feature Points[C].AIAA/AAS AstrodynamicsSpecialist Conference,2016,pp.5213:1-10.),日本的Yuki Takao等人提出了在小天体表面图像中建立虚拟特征点,并在相邻帧间图像中对虚拟特征点进行检测的导航方式。该方法中,首先在图像中随机框选出特征部分,以此作为模板图像,在下一帧导航图像中利用三维模板匹配算法进行相应特征部分的检测,同时,将特征部分的中心点作为导航特征点进行后期处理。
发明内容
针对现有深空探测器在小天体附近进行自主光学导航所选取的导航路标存在计算量大、实时性差、导航精度不高的问题,本发明要解决的技术问题是:在目标小天体表面特征匮乏条件下,提供一种导航精度高和算法简单、计算量小的小天体表面导航特征区域检测方法,利用该方法能够自主地进行导航特征区域的检测,利用检测到的导航特征区域作为导航特征,生成特征点,对导航特征区域匹配,从而实现对小天体附近的相对自主光学导航。
本发明的目的是通过下述技术方案实现的:
本发明公开的一种小天体表面导航特征区域检测方法,首先进行小天体表面光学导航图像的获取,对获取的原始图像进行高斯平滑滤波和顶帽变换预处理;通过局部阈值分割算法,得到小天体表面的兴趣阴影区域,建立候选导航特征区域。在候选导航特征区域内通过聚类分割,判断该候选区域内是否存在光亮区,将不存在光亮区的候选区域剔除。计算阴影区与光亮区在图像中的质心位置,并将阴影区与光亮区在图像中的质心进行连线,连线方向和太阳光照方向一致或相反,将连线方向作为主方向参与导航特征区域的确定。在候选导航特征区域的阴影区与光亮区之间提取过渡区域,计算过渡区域的灰度梯度方向,分别计算过渡区域的灰度梯度方向均值和方差。计算过渡区域灰度梯度方向均值和主方向的差值,将过渡区域的灰度梯度方向均值和主方向的夹角小于预设夹角阈值δ1作为导航特征区域确定的条件之一;计算该区域灰度梯度方向的标准差,将区域灰度梯度方向的标准差小于预设夹角阈值δ2作为导航特征区域确定的另外一个条件。当同时满足上述两个条件的候选特征区域筛选出来作为导航特征区域。利用筛选出来作为导航特征区域作为导航特征,生成特征点,对导航特征区域匹配,从而实现对小天体附近的相对自主光学导航。
本发明公开的一种小天体表面导航特征区域检测方法,包括如下步骤:
步骤一:在获取到小天体的光学导航图像以后,通过局部阈值分割算法,得到小天体表面的兴趣阴影区域,建立候选导航特征区域。
针对捕获的小天体的光学导航原始图像,首先需要对原始图像进行高斯平滑滤波预处理,以降低噪声和图像中的高频信号。之后通过顶帽变换初步消除图像的不均匀背景,对经过处理后的图像利用灰度图像局部阈值分割算法进行阈值分割,得到局部阈值分割图像,即兴趣阴影区域图像。对局部阈值分割图像进行连通区域分析,得到潜在兴趣阴影区域的质心C和长轴l。以潜在兴趣阴影区域的质心C为中心,以λ·l为边长建立候选导航特征区域。
步骤二:在候选导航特征区域内通过聚类分割,判断该候选区域内是否存在光亮区,将不存在光亮区的候选区域剔除。计算阴影区与光亮区在图像中的质心位置,并将阴影区与光亮区在图像中的质心进行连线,连线方向和太阳光照方向一致或相反,将连线方向作为主方向θm参与导航特征区域的确定。
步骤二中所述的聚类分割方法优选K-Means聚类分割、K-medoids聚类分割或CLARANS方法。
步骤三:在候选导航特征区域的阴影区与光亮区之间提取过渡区域regionC,计算该区域的灰度梯度方向
步骤四:得到过渡区域各像素块的灰度梯度方向后,分别计算该区域的灰度梯度方向均值和方差
其中:n为过渡区域中的像素数量。
步骤五:计算过渡区域灰度梯度方向均值E(θ)和主方向θm的差值,将过渡区域的灰度梯度方向均值和主方向的夹角小于δ1作为导航特征区域确定的条件之一。计算过渡区域灰度梯度方向的标准差,将标准差小于δ2作为导航特征区域确定的另外一个条件。
|E(θ)-θm|<δ1 (6)
当同时满足公式(6)、(7)关系式的候选特征区域筛选出来作为导航特征区域。
步骤六:利用步骤五筛选出来作为导航特征区域作为导航特征,生成特征点,对导航特征区域匹配,从而实现对小天体附近的相对自主光学导航。
有益效果:
1、本发明公开的一种小天体表面导航特征区域检测方法,首先在光学导航原始图像中选取兴趣阴影区域,建立候选特征区域,在候选特征区域范围内进行光亮区搜索,将不存在光亮区的候选特征区域剔除,之后在光亮区和阴影区之间建立中间过渡区域,并加以约束条件,将符合约束条件的候选特征区域作为导航特征区域,在小天体表面特征匮乏时也能够进行有效检测,从而提高导航时的精度。所述的表面特征匮乏指小天体表面陨石坑等地形表面特征匮乏。
2、相比于特征点导航方法,本发明公开的一种小天体表面导航特征区域检测方法,检测得到的是导航特征区域,而不是特征点,因此,检测得到的导航特征区域数量远小于图像中特征点的数量,从而降低算法复杂度和计算量,提高导航实时性。
附图说明
图1为本发明公开的一种小天体表面导航特征区域检测方法流程图;
图2为小天体表面原始图像;
图3为小天体表面图像预处理结果图;
图4为兴趣阴影区域图像;
图5为候选导航特征区域图像;
图6为候选特征区域阴影区、光亮区及主方向;
图7为中间过渡区域图像;
图8为小天体表面导航特征区域。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例对发明内容做进一步说明。
实施例1:
本实例针对探测器绕飞Eros 433小天体阶段在小天体表面成像,对小天体表面进行导航特征区域检测。
本实施例公开一种小天体表面导航特征区域检测方法,具体实施方法包括如下步骤:
步骤一:获取到小天体表面的光学导航图像,如图2所示。对导航原始图像进行高斯平滑滤波预处理,降低噪声和图像中的高频信号。之后通过顶帽变换初步消除图像的不均匀背景,如图3所示。对经过处理后的图像利用灰度图像局部阈值分割算法进行阈值分割,得到兴趣阴影区域图像,如图4所示。对局部阈值分割图像进行连通区域分析,得到潜在兴趣阴影区域的质心C和长轴l。
步骤二:随机选取其中一个兴趣阴影区域图像,以阴影区域的质心和2倍的长轴为边长建立大小为143×143像素的候选导航特征区域,如图5所示。采用K-Means聚类分割,将区域图像像素分成3类,得到阴影区和光亮区。计算阴影区与光亮区在图像中的质心位置,分别为(73.7734,74.6901)和(18.4771,88.2965)。将阴影区质心和光亮区质心进行连线,连线方向与水平方向夹角为13.8237°,将连线方向作为主方向θm参与导航特征区域的确定,如图6所示。
步骤三:在候选导航特征区域的阴影区与光亮区之间提取过渡区域regionC,如图7所示。利用式(1)、(2)、(3)计算,计算该区域各像素块的灰度梯度方向。
步骤四:得到过渡区域各像素块的灰度梯度方向后,利用式(4)、(5)分别计算,得到过渡区域的灰度梯度方向均值为18.2145°,方差为1225.28。
步骤五:设定过渡区域灰度梯度方向均值E(θ)和主方向θm的最大夹角δ1为10°,区域灰度梯度方向的最大标准差δ2为45°。通过式(6)、(7)计算得到该过渡区域灰度梯度方向均值E(θ)和主方向θm的夹角为4.3908°,过渡区域各像素块的灰度梯度方向标准差为35°。满足导航特征区域选取条件,故而将该区域筛选出来作为导航特征区域。在小天体表面检测得到所有的导航特征区域,如图8所示。
步骤六:利用步骤五筛选出来作为导航特征区域作为导航特征,生成特征点,对导航特征区域匹配,从而实现对小天体附近的相对自主光学导航。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种小天体表面导航特征区域检测方法,其特征在于:包括如下步骤,
步骤一:在获取到小天体的光学导航图像以后,通过局部阈值分割算法,得到小天体表面的兴趣阴影区域,建立候选导航特征区域;
步骤二:在候选导航特征区域内通过聚类分割,判断该候选区域内是否存在光亮区,将不存在光亮区的候选区域剔除;计算阴影区与光亮区在图像中的质心位置,并将阴影区与光亮区在图像中的质心进行连线,连线方向和太阳光照方向一致或相反,将连线方向作为主方向θm参与导航特征区域的确定;
步骤三:在候选导航特征区域的阴影区与光亮区之间提取过渡区域regionC,计算该区域的灰度梯度方向
步骤四:得到过渡区域各像素块的灰度梯度方向后,分别计算该区域的灰度梯度方向均值和方差
其中:n为过渡区域中的像素数量;
步骤五:计算过渡区域灰度梯度方向均值E(θ)和主方向θm的差值,将过渡区域的灰度梯度方向均值和主方向的夹角小于δ1作为导航特征区域确定的条件之一;计算过渡区域灰度梯度方向的标准差,将标准差小于δ2作为导航特征区域确定的另外一个条件;
|E(θ)-θm|<δ1 (6)
当同时满足公式(6)、(7)关系式的候选特征区域筛选出来作为导航特征区域。
2.如权利要求1所述的一种小天体表面导航特征区域检测方法,其特征在于:还包括步骤六:利用步骤五筛选出来作为导航特征区域作为导航特征,生成特征点,对导航特征区域匹配,从而实现对小天体附近的相对自主光学导航。
3.如权利要求1或2所述的一种小天体表面导航特征区域检测方法,其特征在于:步骤一具体实现方法为,针对捕获的小天体的光学导航原始图像,首先需要对原始图像进行高斯平滑滤波预处理,以降低噪声和图像中的高频信号;之后通过顶帽变换初步消除图像的不均匀背景,对经过处理后的图像利用灰度图像局部阈值分割算法进行阈值分割,得到局部阈值分割图像,即兴趣阴影区域图像;对局部阈值分割图像进行连通区域分析,得到潜在兴趣阴影区域的质心C和长轴l;以潜在兴趣阴影区域的质心C为中心,以λ·l为边长建立候选导航特征区域。
4.如权利要求3所述的一种小天体表面导航特征区域检测方法,其特征在于:步骤二中所述的聚类分割方法选K-Means聚类分割、K-medoids聚类分割或CLARANS方法。
5.一种小天体表面导航特征区域检测方法,其特征在于:首先进行小天体表面光学导航图像的获取,对获取的原始图像进行高斯平滑滤波和顶帽变换预处理;通过局部阈值分割算法,得到小天体表面的兴趣阴影区域,建立候选导航特征区域;在候选导航特征区域内通过聚类分割,判断该候选区域内是否存在光亮区,将不存在光亮区的候选区域剔除;计算阴影区与光亮区在图像中的质心位置,并将阴影区与光亮区在图像中的质心进行连线,连线方向和太阳光照方向一致或相反,将连线方向作为主方向参与导航特征区域的确定;在候选导航特征区域的阴影区与光亮区之间提取过渡区域,计算过渡区域的灰度梯度方向,分别计算过渡区域的灰度梯度方向均值和方差;计算过渡区域灰度梯度方向均值和主方向的差值,将过渡区域的灰度梯度方向均值和主方向的夹角小于预设夹角阈值δ1作为导航特征区域确定的条件之一;计算该区域灰度梯度方向的标准差,将区域灰度梯度方向的标准差小于预设夹角阈值δ2作为导航特征区域确定的另外一个条件;当同时满足上述两个条件的候选特征区域筛选出来作为导航特征区域;利用筛选出来作为导航特征区域作为导航特征,生成特征点,对导航特征区域匹配,从而实现对小天体附近的相对自主光学导航。
6.如权利要求5所述的一种小天体表面导航特征区域检测方法,其特征在于:所述的聚类分割方法选K-Means聚类分割、K-medoids聚类分割或CLARANS方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710694263.0A CN107389072B (zh) | 2017-08-15 | 2017-08-15 | 一种小天体表面导航特征区域检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710694263.0A CN107389072B (zh) | 2017-08-15 | 2017-08-15 | 一种小天体表面导航特征区域检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107389072A CN107389072A (zh) | 2017-11-24 |
CN107389072B true CN107389072B (zh) | 2020-07-07 |
Family
ID=60354447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710694263.0A Active CN107389072B (zh) | 2017-08-15 | 2017-08-15 | 一种小天体表面导航特征区域检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107389072B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652896B (zh) * | 2020-05-29 | 2023-06-23 | 北京理工大学 | 惯导辅助陨石坑由粗到精检测方法 |
CN111721302B (zh) * | 2020-06-24 | 2021-11-09 | 北京理工大学 | 不规则小行星表面复杂地形特征识别与感知方法 |
CN114485679B (zh) * | 2022-01-18 | 2024-05-07 | 北京理工大学 | 行星着陆稀疏特征虚拟衍生自主导航方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101349565A (zh) * | 2008-09-10 | 2009-01-21 | 北京航空航天大学 | 一种基于计算机视觉的飞行器航向跟踪方法 |
CN101354254A (zh) * | 2008-09-08 | 2009-01-28 | 北京航空航天大学 | 一种飞行器航向跟踪方法 |
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 |
CN104913784A (zh) * | 2015-06-19 | 2015-09-16 | 北京理工大学 | 一种行星表面导航特征自主提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9080886B1 (en) * | 2012-08-03 | 2015-07-14 | Robotic Research, Llc | System and method for urban mapping and positioning |
-
2017
- 2017-08-15 CN CN201710694263.0A patent/CN107389072B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354254A (zh) * | 2008-09-08 | 2009-01-28 | 北京航空航天大学 | 一种飞行器航向跟踪方法 |
CN101349565A (zh) * | 2008-09-10 | 2009-01-21 | 北京航空航天大学 | 一种基于计算机视觉的飞行器航向跟踪方法 |
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 |
CN104913784A (zh) * | 2015-06-19 | 2015-09-16 | 北京理工大学 | 一种行星表面导航特征自主提取方法 |
Non-Patent Citations (1)
Title |
---|
基于路标信息的绕飞小天体探测器自主光学导航方法研究;朱圣英等;《电子学报》;20100930;第38卷(第9期);第2052-2058页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107389072A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111882612B (zh) | 一种基于三维激光检测车道线的车辆多尺度定位方法 | |
CN106447669B (zh) | 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法 | |
CN103149939B (zh) | 一种基于视觉的无人机动态目标跟踪与定位方法 | |
CN106530347B (zh) | 一种稳定的高性能圆特征检测方法 | |
CN108805904B (zh) | 一种基于卫星序列图像的运动舰船检测与跟踪方法 | |
CN109949361A (zh) | 一种基于单目视觉定位的旋翼无人机姿态估计方法 | |
CN107564062A (zh) | 位姿异常检测方法及装置 | |
CN110569861B (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN105930848B (zh) | 基于sar-sift特征的sar图像目标识别方法 | |
CN107389072B (zh) | 一种小天体表面导航特征区域检测方法 | |
CN109118528A (zh) | 基于区域分块的奇异值分解图像匹配算法 | |
CN109993800A (zh) | 一种工件尺寸的检测方法、装置及存储介质 | |
CN102494675A (zh) | 一种运动目标特征高速视觉捕捉方法 | |
CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN108009494A (zh) | 一种基于无人机的道路交叉口车辆跟踪方法 | |
CN107677274A (zh) | 基于双目视觉的无人机自主着陆导航信息实时解算方法 | |
CN109559324A (zh) | 一种线阵图像中的目标轮廓检测方法 | |
CN103700113A (zh) | 一种下视复杂背景弱小运动目标检测方法 | |
CN110728668B (zh) | 一种小目标形态保持的空域高通滤波器 | |
CN109492525B (zh) | 一种测量基站天线工程参数的方法 | |
CN110619368A (zh) | 行星表面导航特征成像匹配检测方法 | |
CN113066050A (zh) | 一种基于视觉的空投货台航向姿态解算方法 | |
CN109086350B (zh) | 一种基于WiFi的混合图像检索方法 | |
CN110490903A (zh) | 一种双目视觉测量中多目标快速捕获与跟踪方法 | |
CN104156933A (zh) | 一种基于光流场的图像配准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |