CN108469234A - 一种在轨航天器表面异常状况智能检测方法及其系统 - Google Patents
一种在轨航天器表面异常状况智能检测方法及其系统 Download PDFInfo
- Publication number
- CN108469234A CN108469234A CN201810174333.4A CN201810174333A CN108469234A CN 108469234 A CN108469234 A CN 108469234A CN 201810174333 A CN201810174333 A CN 201810174333A CN 108469234 A CN108469234 A CN 108469234A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- orbit spacecraft
- robot
- sensing device
- intelligent
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
Abstract
本发明提供一种在轨航天器表面异常状况智能检测系统,包括:二维成像传感装置、三维成像传感装置、智能照明装置以及激光测距机,其中,二维成像传感装置、三维成像传感装置均安装于空间机器人的末端执行器上;智能照明装置包括照明光源、多自由度运动机构以及数据处理单元,照明光源可以根据需要发出不同颜色的光并安装于多自由度运动机构上,多自由度运动机构安装于空间机器人的末端执行器上,数据处理单元包括数字信号处理电路;激光测距机,用于控制空间机器人的末端执行器与被观测目标间的距离。本发明提供的技术方案功能设计较为完善,能够满足航天在轨服务相关应用的需求,且有效提高了各类数据处理算法的环境适应性,具有较高的智能化水平。
Description
技术领域
本发明涉及空间机器人应用领域,尤其涉及一种在轨航天器表面异常状况智能检测方法及其系统。
背景技术
随着我国空间技术的进一步发展,在轨服务技术的研发已提上议事日程。在轨服务技术就是指在太空中通过人与机器,或两者协同完成涉及延长航天器运载寿命及能力的空间装配、维护、维修等的空间操作任务。
目前,在在轨服务应用领域的研究主要集中在空间机器人末端执行机构的设计方面,而在空间机器人的典型应用领域,特别是带有一定智能化水平应用系统的设计方面,仍然存在一定的不足。一方面,对空间应用环境的分析不足。在在轨环境下,除了微重力的影响外,光照、各类电磁辐射、高能带电粒子体、空间微流星体、空间碎片、地球中性大气层等均会对航天器的正常工作产生影响。在上述各类应用中,传统上对微重力、辐射,以及空间碎片的关注度较高,而目前的研究对光照、地球中性大气层对在轨维护作业影响方面的关注度相对偏低。而实际情况是,在轨服务任务中,越来越多的使用成像传感的方式收集信息,光照、空间辐射等因素对成像传感器的应用影响显著。另一方面,智能化应用技术水平较低。由于航天领域传统上更关注机械、力学、材料等传统学科领域的应用问题,而对人工智能等新兴学科关注有限,导致智能化应用在航天领域发展较为缓慢。
发明内容
有鉴于此,本发明的目的在于提供一种在轨航天器表面异常状况智能检测方法及其系统,综合采用二维成像传感系统、三维成像传感系统、智能照明系统以及激光测距装置,实现一种在轨航天器表面故障的智能检测方法,并综合利用图像处理、模式识别技术,实现对不同类型在轨航天故障的智能识别与报警,从而解决无法满足航天在轨服务相关应用的需求,环境适应性较低,智能化水平较低的问题。
本发明提出一种在轨航天器表面异常状况智能检测系统,包括:二维成像传感装置、三维成像传感装置、智能照明装置以及激光测距机,其中,
所述二维成像传感装置,包括一台或者多台相机,并安装于空间机器人的末端执行器上;
所述三维成像传感装置,安装于所述空间机器人的末端执行器上;
所述智能照明装置包括照明光源、多自由度运动机构以及数据处理单元,所述照明光源可以根据需要发出不同颜色的光并安装于所述多自由度运动机构上,所述多自由度运动机构安装于所述空间机器人的末端执行器上,所述数据处理单元包括数字信号处理电路;
所述激光测距机,用于控制所述空间机器人的末端执行器与被观测目标间的距离。
优选的,所述相机包括:可见光相机、近红外相机、红外相机、紫外相机中的一种或者多种组合。
优选的,所述三维成像传感装置包括:单一的激光雷达、结构光三维重建装置、光栅相位三维重建装置、双目机器视觉系统、多目机器视觉系统中的一种或者多种组合。
优选的,所述照明光源包括:单一的发光二极管照明装置、有机发光二极管照明装置、激光照明装置中的一种或者多种组合,所述照明光源可发出光的不同颜色包括红色、绿色、蓝色、青色、黄色、白色、琥珀色中的一种或者多种。
优选的,所述照明光源与所述多自由度运动机构或所述数据处理单元之间均采用有线或无线的方式通信连接。
另一方面,本发明还提供一种在轨航天器表面异常状况智能检测方法,其中,所述方法包括:
利用安装于空间机器人末端执行器上的二维成像传感装置检测在轨航天器表面出现的机械结构、仪器设备或表面蒙皮的异常状况;
利用安装于所述空间机器人末端执行器上的三维成像传感装置检测所述在轨航天器表面出现的机械机构无法正常打开的故障、表面有效载荷及测控系统装置严重变形的故障或表面蒙皮被破坏的故障;
利用安装于所述空间机器人末端执行器上的智能照明装置照明所述在轨航天器的表面,并通过智能照明控制提高被观察的在轨航天器表面典型部位的照明效果;
利用激光测距机控制所述空间机器人末端执行器与被观测目标间的距离。
优选的,所述利用安装于空间机器人末端执行器上的二维成像传感装置检测在轨航天器表面出现的机械结构、仪器设备或表面蒙皮的异常状况的步骤具体包括:
针对所述在轨航天器的特定部位并采集所述特定部位的二维图像;
计算所述二维图像中的图像特征;
根据所计算的图像特征进行异常的分类识别计算;
根据对所述二维图像中出现的机械结构或仪器设备的异常状况的计算,进行异常报警。
优选的,所述利用安装于所述空间机器人末端执行器上的三维成像传感装置检测所述在轨航天器表面出现的机械机构无法正常打开的故障、表面有效载荷及测控系统装置严重变形的故障或表面蒙皮被破坏的故障的步骤具体包括:
根据所述在轨航天器表面机构已知的三维结构图,通过均匀采样的方式获得各个机构正常工作时的三维均匀点云数据;
利用所述三维成像传感装置测量所述在轨航天器表面特定位置处的三维点云数据;
将测量得到的所述三维点云数据与三维模型均匀采样生成的点云数据进行匹配计算,最终判断测量得到的所述三维点云数据与三维模型生成的点云数据之间的差别;
将测量得到的所述三维点云数据进行拟合,得到所测量在轨航天器表面特定位置处的连续三维结构图;
根据计算得到的测量点云与生成点云间的差别结果,并辅助人工对所生成的特定位置处的三维结构图的判读,进行在轨航天器外表面异常状况的报警。
优选的,所述智能照明控制包括手动控制,处于后端的用户可通过有线或无线的手动控制方式控制智能照明各个单元的照明输出亮度与照明方向。
优选的,所述智能照明控制包括自动控制,其中,自动控制的方法包括基于二维图像分析的照明效果控制方法,所述基于二维图像分析的照明效果控制方法的步骤具体包括:
利用智能照明装置遍历执行多种典型照明控制方式,在执行每一种典型照明控制方式时,利用二维成像传感装置拍摄并记录被照明区域相关的二维图像;
对于采集到的一系列二维图像采用照明效果评估图像特征对各个图像进行照明效果评估;
根据照明效果评估的结果进行遍历图像照明效果的排序,并将照明效果最好的一幅图所对应的典型照明控制方式作为最终的照明控制方式;
执行所确定的最终的照明控制方式。
优选的,所述自动控制的方法还包括基于三维立体图像分析的照明效果控制方法,所述基于三维立体图像分析的照明效果控制方法的步骤具体包括:
利用三维成像传感装置及相关的数据处理单元采集并获取待照明的所述在轨航天器表面的三维重建数据;
针对所述三维重建数据并结合所述在轨航天器的空间位置、太阳光照辐射强度、地球漫反射辐射强度、其它天体的杂光、其它航天器的反射光、所述在轨航天器自身材料的反光特性、智能照明装置的典型照明输出模式,采用计算机视景仿真方式在系统内部仿真出不同照明条件下的三维照明效果图;
从上述仿真出的不同照明条件下的三维照明效果图中挑选一幅照明效果最优的图,并将照明效果最优的图所对应的控制方式作为最终的照明控制方式;
执行所确定的最终的照明控制方式。
本发明提供的技术方案具有以下优点:
(1)所设计系统功能完善,实用性强。所述系统综合采用二维成像传感器与三维成像传感器进行在轨航天器表面故障的自动检测,既能够对形状复杂的各种天线、传感器等载荷进行观测与分析,也能够对较为简单的太阳能帆板、航天器表面蒙皮等进行破损检测与分析。上述分析涵盖了在轨航天器在轨期间可能发生的绝大多数故障状况,因此,系统功能设计较为完善,能够满足航天在轨服务相关应用的需求;
(2)所设计系统环境适应性强,可靠性高。所述系统主要通过二维、三维图像对在轨航天器表面的故障进行自动检测,系统设计中除了采用多种传感器进行故障检测外,还采用环境感知技术、智能照明控制技术为成像系统补充光源,有效提高了各类数据处理算法的环境适应性;
(3)所设计系统智能化水平高。所述系统综合采用了三维重建技术、图像分析技术、模式识别技术,较为完整的实现了对在轨航天器表面异常的自动化、智能化检测。
附图说明
图1为本发明一实施方式中在轨航天器表面异常状况智能检测系统的结构示意图;
图2为本发明一实施方式中在轨航天器表面异常状况智能检测方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下将对本发明所提供的一种在轨航天器表面异常状况智能检测系统进行详细说明。
请参阅图1,为本发明一实施方式中在轨航天器表面异常状况智能检测系统的结构示意图。
在本实施方式中,该在轨航天器表面异常状况智能检测系统包括:二维成像传感装置4、三维成像传感装置5、智能照明装置3以及激光测距机6,其中,1为空间机器人本体,2为空间机器人末端执行器,7为在轨航天器的作业面。
其中,二维成像传感装置4,包括一台或者多台相机,并安装于空间机器人末端执行器2上;三维成像传感装置5,安装于所述空间机器人末端执行器2上;智能照明装置3包括照明光源、多自由度运动机构以及数据处理单元,所述照明光源可以根据需要发出不同颜色的光(例如通常情况下可以是发出白光)并安装于所述多自由度运动机构上,所述多自由度运动机构安装于所述空间机器人末端执行器2上,所述数据处理单元包括数字信号处理电路;激光测距机6,用于控制所述空间机器人末端执行器2与被观测目标间的距离,为了避免发生碰撞。激光测距机6在20米以内的精度应为厘米级测量精度。
在本实施方式中,所述相机包括:可见光相机、近红外相机、红外相机、紫外相机中的一种或者多种组合。
在本实施方式中,所述三维成像传感装置5包括:单一的激光雷达、结构光三维重建装置、光栅相位三维重建装置、双目机器视觉系统、多目机器视觉系统中的一种或者多种组合。所述三维成像传感装置5可以包括一台或者多台。
在本实施方式中,所述照明光源包括:单一的发光二极管(Light EmittingDiode,LED)照明装置、有机发光二极管照明装置(Organic Light-Emitting Diode,OLED)、激光照明装置中的一种或者多种组合,半导体照明光源的使用数量可以为一台或多台,所述照明光源可发出光的不同颜色包括红色、绿色、蓝色、青色、黄色、白色、琥珀色中的一种或者多种。半导体照明光源安装于多自由度运动机构之上,用来控制照明光源的方向;多自由度运动机构安装于空间机器人末端执行器2之上,多自由度运动机构可根据具体的应用需求实现多自由度的平动与转动运动。
在本实施方式中,所述照明光源与所述多自由度运动机构或所述数据处理单元之间均采用有线或无线的方式通信连接。
请参阅图2,为本发明一实施方式中在轨航天器表面异常状况智能检测方法流程图。
在步骤S1中,利用安装于空间机器人末端执行器上的二维成像传感装置检测在轨航天器表面出现的机械结构、仪器设备或表面蒙皮的异常状况。
在本实施方式中,该在轨航天器表面异常状况智能检测方法应用于在轨航天器表面异常状况智能检测系统,如图1所示的系统结构,其中,该在轨航天器表面异常状况智能检测系统包括:二维成像传感装置4、三维成像传感装置5、智能照明装置3以及激光测距机6,其中,1为空间机器人本体,2为空间机器人末端执行器,7为在轨航天器的作业面。
在本实施方式中,所述利用安装于空间机器人末端执行器上的二维成像传感装置检测在轨航天器表面出现的机械结构、仪器设备或表面蒙皮的异常状况的步骤S1具体包括:
针对所述在轨航天器的特定部位并采集所述特定部位的二维图像;
计算所述二维图像中的图像特征,其中,所计算的图像特征可以是单一的颜色特征、纹理特征、形状特征、角点特征、频域特征、其它灰度特征,也可以是上述特征的任意组合,各个特征的组合需要针对不同的观测部位采用不同的特征组合。优选的,所计算的颜色特征可以包括颜色中心距、颜色直方图;所计算的纹理特征包括灰度共生矩阵特征、独立成份分析特征、图像粗糙度特征、图像细致度特征、图像均匀度特征;所计算的形状特征包括霍夫变换直线检测特征、霍夫变换椭圆检测特征、周长、面积、矩形度、圆形度、凹凸度等;所计算的角点特征包括Movravec算子、Harris算子、SUSAN算子、Forstner算子等;所计算的频域特征包括小波变换系数、傅里叶变换系数等;所计算的其它灰度特征包括SIFT(Scale-Invariant Feature Transform)特征、SURF(Speeded Up Robust Features)特征、BRISK(Binary Robust Invariant Scalable Keypoints)特征、KAZE特征、MSER(MaximallyStable Extremal Regions)特征;
根据所计算的图像特征进行异常的分类识别计算,其中,进行分类识别计算时,可使用模式识别分类器进行计算。优选的,所使用的模式识别分类器可以包括神经网络分类器、支持向量机、Boosting分类器、贝叶斯分类器、决策树分类器、最近邻分类器、遗传算法分类器、模糊集分类器、粗糙集分类器等。在进行分类器的训练时,可采用真实的航天器在轨或地面试验中出现异常状况的二维图片;也可利用商业仿真软件,仿真各种异常状况的图片,用来补充相关训练数据;
根据对所述二维图像中出现的机械结构或仪器设备的弯曲、断裂、变形、磨损、开裂、烧蚀等的异常状况的计算,进行在轨航天器表面异常的报警。
在步骤S2中,利用安装于所述空间机器人末端执行器上的三维成像传感装置检测所述在轨航天器表面出现的机械机构无法正常打开的故障、表面有效载荷及测控系统装置严重变形的故障或表面蒙皮被破坏的故障。
在本实施方式中,所述利用安装于所述空间机器人末端执行器上的三维成像传感装置检测所述在轨航天器表面出现的机械机构无法正常打开的故障、表面有效载荷及测控系统装置严重变形的故障或表面蒙皮被破坏的故障的步骤S2具体包括:
根据所述在轨航天器表面机构已知的三维结构图,通过均匀采样的方式获得各个机构正常工作时的三维均匀点云数据;
利用所述三维成像传感装置测量所述在轨航天器表面特定位置处的三维点云数据;
将测量得到的所述三维点云数据与三维模型均匀采样生成的点云数据进行匹配计算,最终判断测量得到的所述三维点云数据与三维模型生成的点云数据之间的差别;
将测量得到的所述三维点云数据进行拟合,得到所测量在轨航天器表面特定位置处的连续三维结构图;
根据计算得到的测量点云与生成点云间的差别结果,并辅助人工对所生成的特定位置处的三维结构图的判读,进行在轨航天器外表面异常状况的报警。
在步骤S3中,利用安装于所述空间机器人末端执行器上的智能照明装置照明所述在轨航天器的表面,并通过智能照明控制提高被观察的在轨航天器表面典型部位的照明效果;
在本实施方式中,智能照明装置用来实现手动或自动的最优照明控制。通过智能照明控制,可有效提高被观察航天器表面典型部位的照明效果,一方面可提高人眼对回传图像或视频的观看效果;另一方面可有效改善后续图像处理方法的计算效果。
在本实施方式中,所述智能照明控制包括手动控制,处于后端的用户可通过有线或无线的手动控制方式控制智能照明各个单元的照明输出亮度与照明方向。
在本实施方式中,所述智能照明控制包括自动控制,其中,自动控制的方法包括基于二维图像分析的照明效果控制方法,所述基于二维图像分析的照明效果控制方法的步骤具体包括:
利用智能照明装置遍历执行多种典型照明控制方式,在执行每一种典型照明控制方式时,利用二维成像传感装置拍摄并记录被照明区域相关的二维图像;
对于采集到的一系列二维图像采用照明效果评估图像特征对各个图像进行照明效果评估,其中,该照明效果评估图像特征是指一种能够客观评价图像本质属性的图像特征,优选的,照明效果评估图像特征可以为图像亮度、图像亮度均匀性等等;
根据照明效果评估的结果进行遍历图像照明效果的排序,并将照明效果最好的一幅图所对应的典型照明控制方式作为最终的照明控制方式;
执行所确定的最终的照明控制方式。
在本实施方式中,所述自动控制的方法还包括基于三维立体图像分析的照明效果控制方法,所述基于三维立体图像分析的照明效果控制方法的步骤具体包括:
利用三维成像传感装置及相关的数据处理单元采集并获取待照明的所述在轨航天器表面的三维重建数据;
针对所述三维重建数据并结合所述在轨航天器的空间位置、太阳光照辐射强度、地球漫反射辐射强度、其它天体的杂光(包括月亮、发光天体、星光、宇宙其它等辐射的亮光)、其它航天器的反射光、所述在轨航天器自身材料的反光特性、智能照明装置的典型照明输出模式,采用计算机视景仿真方式在系统内部仿真出不同照明条件下的三维照明效果图;
从上述仿真出的不同照明条件下的三维照明效果图中挑选一幅照明效果最优的图,并将照明效果最优的图所对应的控制方式作为最终的照明控制方式;
执行所确定的最终的照明控制方式。
在步骤S4中,利用激光测距机控制所述空间机器人末端执行器与被观测目标间的距离。
在本实施方式中,表1中所示为在轨航天器常见的表面异常状况:
表1
以下通过具体的实例进行说明本发明的技术方案:
针对上述存在的常见异常状况,设计并开发一种在轨航天器表面异常状况智能检测的系统。该系统由如下机构组成:一台可见光CCD(Charge Coupled Device)相机、一台近红外CCD相机、一台三维重建相机,一台智能照明装置。其中智能照明装置包括四个LED白光面光源,四个单自由度转动舵机,以及数据处理单元。四个LED白光面光源位于同一平面,成正方形布局,LED光源的亮度调节分为5档;每个LED光源安装于单自由度转动舵机之上,可以实现旋转角度调节,若以LED面光源平行于空间机器人末端执行器时旋转角度记为0,则转动舵机的转动角控制范围为15;舵机向末端执行器中央转动记为正方向,否则为负方向。为了简单起见,假设四个LED白光面光源的控制方式完全一致,即四个LED光源的发光强度、转动方向趋势、转动角度完全一致。
一种在轨航天器表面异常状况智能检测方法执行步骤如下:
1)二维成像传感器的应用
二维成像传感器主要用来分析航天器表面出现的弯曲、断裂、变形、磨损、开裂、烧蚀等故障情况。当在轨航天器工作于阳照区时,系统采用可见光CCD相机进行航天器表面异常的监测与分析;当在轨航天器工作于阴影区(包括本影区、伪本影区、半影区)时,系统采用近红外CCD相机进行航天器表面异常状况的监测与分析;当环境光极弱无法满足相机正常工作需要时,系统不工作。
首先,可见光或近红外CCD相机采集一幅图像。
其次,系统采用如表2中所示的计算方法进行图像特征提取的计算。表2中,各个特征的具体实现方式,如前文中所述。
表2
在完成对在轨航天器表面异常状况的二维图像特征提取后,可采用神经网络分类器技术对异常状况进行识别和报警。优选的,神经网络分类器可以采用反向传播(BackPropagation,BP)神经网络。其中,BP神经网络训练数据集的个数应大于1000,网络训练精度应大于95%。这里选用BP网络的原因在于:BP神经网络具有建模简单,计算结果稳定的优点。
2)三维成像传感器的应用
三维成像传感器主要用来分析航天器表面出现的机械机构无法正常打开、表面有效载荷及测控系统的严重变形,或是航天器表面蒙皮出现严重被破坏等故障情况。三维成像传感器主要采用三维重建相机进行测量,其三维重建精度应当达到毫米级。
首先,在轨航天器表面的各个机构的三维结构图已知,因此可通过均匀采样的方式获得各个机构正常工作时的三维结构均匀点云数据,记该数据集为P,且有其中pi表示点云中某一个点,N表示点云个数;
其次,利用三维成像传感器对在轨航天器表面特定部位进行拍摄,收集到该部位测量得到的三维点云数据,记该数据集为Q,且有其中qi表示点云中某一个点,M表示点云个数;对测量得到的点云数据进行降噪处理,本发明所采用的降噪处理步骤包括:拉普拉斯锐化处理、双边滤波处理、异常值过滤处理;
再次,将测量得到的三维点云数据与三维模型均匀采样得到的点云数据进行匹配计算,最终判断实际测量得到的三维点云与三维结构体正常工作状态的差别,将该信息作为在轨航天器表面异常状态的判据。
在进行匹配计算时,匹配过程分为粗匹配和精匹配两个过程。一般而言,常见的粗匹配可以采用三点对齐法、基于RANSAC(RANdom SAmple Consensus)匹配的算法,或是主成分分析法等。优选的,本发明采用基于RANSAC匹配的算法。其基本思想是:首先随机在所有备选点中挑选n个点,然后计算出一组刚体变换参数,将剩下的点带进参数方程做验证,如果在一定的误差范围内有足够多的点,那么本次计算出的参数就是最优的,否则重复之前的操作,再次进行随机采样并计算参数和评估参数,最终选择能使最多点在要求的误差范围内的参数并将其作为最优解。采用该方法的优点在于对于两类点云数据量差别较大的数据,具有较好的匹配效果。粗匹配完后,能筛选出K个匹配点,并可估算出三维点云与实际的三维模型间的空间位置关系,计算方法如式(1)中所示。精匹配的方法一般采用最近点迭代(Iterative Closest Point,ICP)算法,该方法通过逐步迭代的方式寻找两个待匹配点集中对应匹配点,并计算两个点集合之间的刚体变换参数,直到误差测度满足给定的收敛精度或达到最大的迭代次数,最终求得两个点集合之间的刚体变换参数(平移变换和旋转变换),来完成整个匹配过程。
其中,R表示旋转矩阵;T表示平移矩阵;K表示参与计算点的个数;符号||*||2表示计算二范数。
最后,根据测量得到的点云数据,同时拟合出点云的外包络,生成对应的连续三维结构图,并将该结构图输出,配合人工判读的方式判断在轨航天器表面是否出现异常。
3)智能照明系统的应用
智能照明系统用来根据在轨环境光的变化手动或自动的调节照明光源的亮度和方向,以保证相机系统拍摄的清晰度。因此智能照明系统包括一台可见光CCD相机、四个LED照明灯具,四个单自由度转动舵机、数据处理电路。当智能照明装置通过手动控制时,后端用户可通过有线或无线的方式控制智能照明各个单元的照明输出亮度与照明姿态;当智能照明装置采用自动实现最优照明控制时,可以采用两种控制方法:a)基于二维图像分析的照明效果控制方法;b)基于三维立体图像分析的照明效果控制方法。
a)基于二维图像分析的照明效果控制方法:
首先,如前文所述,根据所设计智能照明系统的结构,四个LED光源的照明等级分为5档,舵机转动等级分为6档(±15°的旋转范围,因此可设置每5°一个转动档),则一共可以有5×6=30种典型照明输出方式。控制智能照明装置,遍历的执行每一种照明方式,采集并保存当前照明条件下的图像。
其次,对上述二维图像,采用照明效果评估图像特征对各个图像进行照明效果评估计算。优选的,此处采用的照明效果评估图像特征包括:图像亮度、图像区域对比度、图像边缘模糊度、图像颜色差、图像噪声级。
再次,根据上述照明效果评估结果,进行上述遍历的图像照明效果的排序。优选的,一种排序的方式可采用BP神经网络进行排序。BP网络可以自动预测不同图像照明效果的等级。BP网络的输入是照明效果评估图像特征,输出(监督)数据是主观照明效果评估等级。主观照明效果评估等级是通过大量的调查问卷统计分析的结果所确定。即如果调查人群数量足够大,则调查的结果会具备统计学分析意义。优选的,调查人群的数量应当在300人次以上。主观照明效果评估等级根据具体的任务要求进行确定,一般可确定为10级。
最后,执行所确定的最优照明控制方式。
b)基于三维立体图像分析的照明效果控制方法:
首先,利用三维重建相机获取在轨航天器待照明区域表面的三维重建数据。
其次,结合待照明区域三维重建数据、太阳辐照、地球漫反射、其它天体杂光、其它航天器反射、航天器自身材料反光特性,以及智能照明装置的30个典型的照明输出模式,采用计算机视景仿真手段,遍历的计算出30个典型照明输出模式下的三维立体照明效果图。
再次,根据上述所仿真的30个典型照明输出效果图,挑选出一幅照明效果最优的图,并将其所对应的智能照明装置控制方式作为最终的照明控制方式。优选的,可以采用BP神经网络的方式挑选照明效果最优的图。BP网络的输入是仿真三维图像中,某一观察视角下阴影区域的面积、图像的整体亮度、图像的整体对比度的客观计算结果。上述几个指标均可采用图像处理方法进行计算获得。BP网络的输出是照明效果等级,照明效果等级的划分根据实际任务的需要进行划分,一般可划分10级。照明效果等级的确定也采用人因工程学中的调查问卷的形式获得,具体方法参见基于二维图像分析的照明效果控制方法。
最后,执行所确定的最优照明控制方式。
本发明提供的技术方案具有以下优点:
(1)所设计系统功能完善,实用性强。所述系统综合采用二维成像传感器与三维成像传感器进行在轨航天器表面故障的自动检测,既能够对形状复杂的各种天线、传感器等载荷进行观测与分析,也能够对较为简单的太阳能帆板、航天器表面蒙皮等进行破损检测与分析。上述分析涵盖了在轨航天器在轨期间可能发生的绝大多数故障状况,因此,系统功能设计较为完善,能够满足航天在轨服务相关应用的需求;
(2)所设计系统环境适应性强,可靠性高。所述系统主要通过二维、三维图像对在轨航天器表面的故障进行自动检测,系统设计中除了采用多种传感器进行故障检测外,还采用环境感知技术、智能照明控制技术为成像系统补充光源,有效提高了各类数据处理算法的环境适应性;
(3)所设计系统智能化水平高。所述系统综合采用了三维重建技术、图像分析技术、模式识别技术,较为完整的实现了对在轨航天器表面异常的自动化、智能化检测。
值得注意的是,上述实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (10)
1.一种在轨航天器表面异常状况智能检测系统,其特征在于,所述系统包括:二维成像传感装置、三维成像传感装置、智能照明装置以及激光测距机,其中,
所述二维成像传感装置,包括一台或者多台相机,并安装于空间机器人的末端执行器上;
所述三维成像传感装置,安装于所述空间机器人的末端执行器上;
所述智能照明装置包括照明光源、多自由度运动机构以及数据处理单元,所述照明光源可以根据需要发出不同颜色的光并安装于所述多自由度运动机构上,所述多自由度运动机构安装于所述空间机器人的末端执行器上,所述数据处理单元包括数字信号处理电路;
所述激光测距机,用于控制所述空间机器人的末端执行器与被观测目标间的距离。
2.如权利要求1所述的在轨航天器表面异常状况智能检测系统,其特征在于,所述相机包括:可见光相机、近红外相机、红外相机、紫外相机中的一种或者多种组合。
3.如权利要求1所述的在轨航天器表面异常状况智能检测系统,其特征在于,所述三维成像传感装置包括:单一的激光雷达、结构光三维重建装置、光栅相位三维重建装置、双目机器视觉系统、多目机器视觉系统中的一种或者多种组合。
4.如权利要求1所述的在轨航天器表面异常状况智能检测系统,其特征在于,所述照明光源包括:单一的发光二极管照明装置、有机发光二极管照明装置、激光照明装置中的一种或者多种组合,所述照明光源可发出光的不同颜色包括红色、绿色、蓝色、青色、黄色、白色、琥珀色中的一种或者多种。
5.如权利要求1所述的在轨航天器表面异常状况智能检测系统,其特征在于,所述照明光源与所述多自由度运动机构或所述数据处理单元之间均采用有线或无线的方式通信连接。
6.一种在轨航天器表面异常状况智能检测方法,其特征在于,所述方法包括:
利用安装于空间机器人末端执行器上的二维成像传感装置检测在轨航天器表面出现的机械结构、仪器设备或表面蒙皮的异常状况;
利用安装于所述空间机器人末端执行器上的三维成像传感装置检测所述在轨航天器表面出现的机械机构无法正常打开的故障、表面有效载荷及测控系统装置严重变形的故障或表面蒙皮被破坏的故障;
利用安装于所述空间机器人末端执行器上的智能照明装置照明所述在轨航天器的表面,并通过智能照明控制提高被观察的在轨航天器表面典型部位的照明效果;
利用激光测距机控制所述空间机器人末端执行器与被观测目标间的距离。
7.如权利要求6所述的在轨航天器表面异常状况智能检测方法,其特征在于,所述利用安装于空间机器人末端执行器上的二维成像传感装置检测在轨航天器表面出现的机械结构、仪器设备或表面蒙皮的异常状况的步骤具体包括:
针对所述在轨航天器的特定部位并采集所述特定部位的二维图像;
计算所述二维图像中的图像特征;
根据所计算的图像特征进行异常的分类识别计算;
根据对所述二维图像中出现的机械结构或仪器设备的异常状况的计算,进行异常报警。
8.如权利要求6所述的在轨航天器表面异常状况智能检测方法,其特征在于,所述利用安装于所述空间机器人末端执行器上的三维成像传感装置检测所述在轨航天器表面出现的机械机构无法正常打开的故障、表面有效载荷及测控系统装置严重变形的故障或表面蒙皮被破坏的故障的步骤具体包括:
根据所述在轨航天器表面机构已知的三维结构图,通过均匀采样的方式获得各个机构正常工作时的三维均匀点云数据;
利用所述三维成像传感装置测量所述在轨航天器表面特定位置处的三维点云数据;
将测量得到的所述三维点云数据与三维模型均匀采样生成的点云数据进行匹配计算,最终判断测量得到的所述三维点云数据与三维模型生成的点云数据之间的差别;
将测量得到的所述三维点云数据进行拟合,得到所测量在轨航天器表面特定位置处的连续三维结构图;
根据计算得到的测量点云与生成点云间的差别结果,并对所生成的特定位置处的三维结构图的判读,进行在轨航天器外表面异常状况的报警。
9.如权利要求6所述的在轨航天器表面异常状况智能检测方法,其特征在于,所述智能照明控制包括手动控制,处于后端的用户可通过有线或无线的手动控制方式控制智能照明各个单元的照明输出亮度与照明方向。
10.如权利要求6所述的在轨航天器表面异常状况智能检测方法,其特征在于,所述智能照明控制包括自动控制,其中,自动控制的方法包括基于二维图像分析的照明效果控制方法,所述基于二维图像分析的照明效果控制方法的步骤具体包括:
利用智能照明装置遍历执行多种典型照明控制方式,在执行每一种典型照明控制方式时,利用二维成像传感装置拍摄并记录被照明区域相关的二维图像;
对于采集到的一系列二维图像采用照明效果评估图像特征对各个图像进行照明效果评估;
根据照明效果评估的结果进行遍历图像照明效果的排序,并将照明效果最好的一幅图所对应的典型照明控制方式作为最终的照明控制方式;
执行所确定的最终的照明控制方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174333.4A CN108469234B (zh) | 2018-03-02 | 2018-03-02 | 一种在轨航天器表面异常状况智能检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174333.4A CN108469234B (zh) | 2018-03-02 | 2018-03-02 | 一种在轨航天器表面异常状况智能检测方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108469234A true CN108469234A (zh) | 2018-08-31 |
CN108469234B CN108469234B (zh) | 2019-11-08 |
Family
ID=63264946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810174333.4A Active CN108469234B (zh) | 2018-03-02 | 2018-03-02 | 一种在轨航天器表面异常状况智能检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108469234B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180073930A1 (en) * | 2015-03-23 | 2018-03-15 | The Trustees Of Princeton University | Spherical-motion average radiant temperature sensor |
CN109407064A (zh) * | 2018-12-12 | 2019-03-01 | 北京遥感设备研究所 | 一种雷达设备图像传输故障诊断方法 |
CN109444917A (zh) * | 2018-10-09 | 2019-03-08 | 中国人民解放军国防科技大学 | 基于微纳卫星集群的空间站外部结构检测维修系统及方法 |
CN109513630A (zh) * | 2018-11-14 | 2019-03-26 | 深圳蓝胖子机器人有限公司 | 包裹分拣系统及其控制方法、存储介质 |
CN109513629A (zh) * | 2018-11-14 | 2019-03-26 | 深圳蓝胖子机器人有限公司 | 包裹分拣方法、装置和计算机可读存储介质 |
CN110138440A (zh) * | 2019-04-30 | 2019-08-16 | 中国空间技术研究院 | 空间智能飞行器云边协同信息处理架构 |
CN111216923A (zh) * | 2020-01-13 | 2020-06-02 | 北京空间飞行器总体设计部 | 一种基于可视化圆的月影遮挡估计及卫星自主管理方法 |
WO2021088247A1 (zh) * | 2019-11-06 | 2021-05-14 | 江苏金恒信息科技股份有限公司 | 合金分析视觉定位方法、装置及合金分析系统 |
CN113160194A (zh) * | 2021-04-28 | 2021-07-23 | 贵州电网有限责任公司 | 一种紫外和可见光图像的距离自适应配准方法 |
CN113741494A (zh) * | 2021-08-19 | 2021-12-03 | 上海卫星工程研究所 | 可驱动天线在轨安全状态监视系统及方法 |
CN113886961A (zh) * | 2021-09-30 | 2022-01-04 | 中国科学院国家空间科学中心 | 基于航天器三维屏蔽的辐射效应计算方法、装置及设备 |
CN114688992A (zh) * | 2022-04-12 | 2022-07-01 | 上海快仓智能科技有限公司 | 一种反光物的识别方法、装置、电子设备及存储介质 |
CN115509214A (zh) * | 2021-06-04 | 2022-12-23 | 同方威视技术股份有限公司 | 定位控制方法和装置、自主充电控制装置、方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7548305B1 (en) * | 2004-09-29 | 2009-06-16 | Lockheed Martin Corporation | Shallow angle shape sensor |
CN105659727B (zh) * | 2009-12-01 | 2013-06-19 | 北京空间飞行器总体设计部 | 一种大型空间机械臂在轨操控方法 |
CN105588581A (zh) * | 2015-12-16 | 2016-05-18 | 南京航空航天大学 | 一种在轨服务相对导航实验平台及工作方法 |
CN106780725A (zh) * | 2016-12-23 | 2017-05-31 | 西安交通大学 | 一种双目三维重构方法及系统 |
CN107063139A (zh) * | 2017-04-10 | 2017-08-18 | 浙江谱麦科技有限公司 | 一种基于机器人视觉的产品表面处理检测装置及方法 |
-
2018
- 2018-03-02 CN CN201810174333.4A patent/CN108469234B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7548305B1 (en) * | 2004-09-29 | 2009-06-16 | Lockheed Martin Corporation | Shallow angle shape sensor |
CN105659727B (zh) * | 2009-12-01 | 2013-06-19 | 北京空间飞行器总体设计部 | 一种大型空间机械臂在轨操控方法 |
CN105588581A (zh) * | 2015-12-16 | 2016-05-18 | 南京航空航天大学 | 一种在轨服务相对导航实验平台及工作方法 |
CN106780725A (zh) * | 2016-12-23 | 2017-05-31 | 西安交通大学 | 一种双目三维重构方法及系统 |
CN107063139A (zh) * | 2017-04-10 | 2017-08-18 | 浙江谱麦科技有限公司 | 一种基于机器人视觉的产品表面处理检测装置及方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10718670B2 (en) * | 2015-03-23 | 2020-07-21 | The Trustees Of Princeton University | Spherical-motion average radiant temperature sensor |
US20180073930A1 (en) * | 2015-03-23 | 2018-03-15 | The Trustees Of Princeton University | Spherical-motion average radiant temperature sensor |
CN109444917A (zh) * | 2018-10-09 | 2019-03-08 | 中国人民解放军国防科技大学 | 基于微纳卫星集群的空间站外部结构检测维修系统及方法 |
CN109513630A (zh) * | 2018-11-14 | 2019-03-26 | 深圳蓝胖子机器人有限公司 | 包裹分拣系统及其控制方法、存储介质 |
CN109513629A (zh) * | 2018-11-14 | 2019-03-26 | 深圳蓝胖子机器人有限公司 | 包裹分拣方法、装置和计算机可读存储介质 |
CN109407064A (zh) * | 2018-12-12 | 2019-03-01 | 北京遥感设备研究所 | 一种雷达设备图像传输故障诊断方法 |
CN109407064B (zh) * | 2018-12-12 | 2023-01-06 | 北京遥感设备研究所 | 一种雷达设备图像传输故障诊断方法 |
CN110138440A (zh) * | 2019-04-30 | 2019-08-16 | 中国空间技术研究院 | 空间智能飞行器云边协同信息处理架构 |
WO2021088247A1 (zh) * | 2019-11-06 | 2021-05-14 | 江苏金恒信息科技股份有限公司 | 合金分析视觉定位方法、装置及合金分析系统 |
CN111216923B (zh) * | 2020-01-13 | 2020-09-18 | 北京空间飞行器总体设计部 | 一种基于可视化圆的月影遮挡估计及卫星自主管理方法 |
CN111216923A (zh) * | 2020-01-13 | 2020-06-02 | 北京空间飞行器总体设计部 | 一种基于可视化圆的月影遮挡估计及卫星自主管理方法 |
CN113160194A (zh) * | 2021-04-28 | 2021-07-23 | 贵州电网有限责任公司 | 一种紫外和可见光图像的距离自适应配准方法 |
CN113160194B (zh) * | 2021-04-28 | 2023-06-16 | 贵州电网有限责任公司 | 一种紫外和可见光图像的距离自适应配准方法 |
CN115509214A (zh) * | 2021-06-04 | 2022-12-23 | 同方威视技术股份有限公司 | 定位控制方法和装置、自主充电控制装置、方法及系统 |
CN115509214B (zh) * | 2021-06-04 | 2024-03-15 | 同方威视技术股份有限公司 | 定位控制方法和装置、自主充电控制装置、方法及系统 |
CN113741494A (zh) * | 2021-08-19 | 2021-12-03 | 上海卫星工程研究所 | 可驱动天线在轨安全状态监视系统及方法 |
CN113741494B (zh) * | 2021-08-19 | 2024-02-23 | 上海卫星工程研究所 | 可驱动天线在轨安全状态监视系统及方法 |
CN113886961A (zh) * | 2021-09-30 | 2022-01-04 | 中国科学院国家空间科学中心 | 基于航天器三维屏蔽的辐射效应计算方法、装置及设备 |
CN114688992A (zh) * | 2022-04-12 | 2022-07-01 | 上海快仓智能科技有限公司 | 一种反光物的识别方法、装置、电子设备及存储介质 |
CN114688992B (zh) * | 2022-04-12 | 2024-03-12 | 上海快仓智能科技有限公司 | 一种反光物的识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108469234B (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108469234B (zh) | 一种在轨航天器表面异常状况智能检测方法及其系统 | |
Santo et al. | Deep photometric stereo network | |
CN109584248B (zh) | 基于特征融合和稠密连接网络的红外面目标实例分割方法 | |
Al Bashish et al. | A framework for detection and classification of plant leaf and stem diseases | |
Tsai et al. | Applying an artificial neural network to pattern recognition in fabric defects | |
CN107016357A (zh) | 一种基于时间域卷积神经网络的视频行人检测方法 | |
CN108764250B (zh) | 一种运用卷积神经网络提取本质图像的方法 | |
US11797863B2 (en) | Systems and methods for synthesizing data for training statistical models on different imaging modalities including polarized images | |
Jaffery et al. | Scope and prospects of non-invasive visual inspection systems for industrial applications | |
TW201832136A (zh) | 光學物品及與其交互作用之系統 | |
Wu et al. | Cross-domain few-shot learning approach for lithium-ion battery surface defects classification using an improved Siamese network | |
CN111460947A (zh) | 基于bp神经网络对显微镜下金属矿物的识别方法及系统 | |
CN108401318A (zh) | 基于物体表面三维形貌分析的智能照明控制系统及方法 | |
JP4018092B2 (ja) | 検査対象物の所定の表面状態の原因を自動的に求める装置 | |
Sarafraz et al. | Performance assessment in solving the correspondence problem in underwater stereo imagery | |
CN113326924B (zh) | 基于深度神经网络的稀疏图像内关键目标测光定位方法 | |
JP5461064B2 (ja) | 形状推定システム、形状推定方法、プログラム及び記録媒体 | |
Huang et al. | Machining surface roughness detection by adaptive deep fusion capsule network with low illumination and noise robustness | |
Zohdy et al. | Machine vision application on science and industry: machine vision trends | |
Luciw et al. | Topographic class grouping with applications to 3d object recognition | |
Sachan et al. | An efficient algorithm for object detection in thermal images using convolutional neural networks and thermal signature of the objects | |
Malekmohamadi | Deep learning based photometric stereo from many images and under unknown illumination | |
CN112115824A (zh) | 果蔬检测方法、装置、电子设备以及计算机可读介质 | |
Takatsuka et al. | Encoding 3D structural information using multiple self-organizing feature maps | |
Sathish et al. | Neural network based SOM for multispectral image segmentation in RGB and HSV color space |
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 |