CN109949308A - 一种抗星光干扰的空间相对导航目标快速提取方法 - Google Patents
一种抗星光干扰的空间相对导航目标快速提取方法 Download PDFInfo
- Publication number
- CN109949308A CN109949308A CN201910165274.9A CN201910165274A CN109949308A CN 109949308 A CN109949308 A CN 109949308A CN 201910165274 A CN201910165274 A CN 201910165274A CN 109949308 A CN109949308 A CN 109949308A
- Authority
- CN
- China
- Prior art keywords
- group
- target
- starlight
- pixel
- space relative
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种抗星光干扰的空间相对导航目标快速提取方法,涉及在轨运动目标快速提取领域;包括如下步骤:步骤一、通过相机获得的目标图像;步骤二、对目标图像进行阈值分割,获得二值化图像;步骤三、将二值化图像划分为M行*M列的方形像素网格;步骤四、将每一行中连续的亮像素记为团,并记录团号;获得所有团号;步骤五、筛选出所含的连续亮像素数目的最大团,记录该团的行数;步骤六、判断二值化图像是否存在与最大团相连的团;最大团与相连团组成目标所在的最大连通域;步骤七、计算最大连通域内的目标几何中心;本发明具有快速性和抗干扰性的优点,尤其适合星上处理能力严重受限的情况下采用,并可以排除星光对目标提取产生的影响。
Description
技术领域
本发明涉及一种在轨运动目标快速提取领域,特别是一种抗星光干扰的空间相对导航目标快速提取方法。
背景技术
随着航天器研制技术进步,智能化正成为未来航天器发展的趋势。航天器智能化的前提就是要求航天器具备周围环境感知能力,可以对周围目标进行空间相对导航。空间相对导航是指航天器利用自身携带的感知测量装置对周围目标进行的感知、测量、辨识,获取目标位置、轮廓和运动状态等信息的过程。常用的感知测量装置包括可见光相机、红外相机、TOF相机、激光雷达等,其中可见光相机由于成本低廉,分辨率高的优势得到了普遍应用。
实施在轨相对导航时,由航天器携带的可见光相机对相对导航目标进行成像,并利用星上处理器对图像进行实时处理,获取相对导航目标的位置信息。为保证导航精度,图像的分辨率往往很高,每帧图像的数据量很大,同时星上处理能力严重受限,因此对图像处理算法要求很高;另一方面,由于在轨图像往往会引入星光干扰,要求图像处理算法具有较强的抗干扰能力;现有技术均不具备这种能力。
发明内容
本发明的目的在于克服现有技术的上述不足,提供一种抗星光干扰的空间相对导航目标快速提取方法,具有快速性和抗干扰性的优点,尤其适合星上处理能力严重受限的情况下采用,并可以排除星光对目标提取产生的影响。
本发明的上述目的是通过如下技术方案予以实现的:
一种抗星光干扰的空间相对导航目标快速提取方法,包括如下步骤:
步骤一、通过相机获得的目标图像;
步骤二、采用自适应阈值法获取分割阈值;根据分割阈值对目标图像进行阈值分割,获得二值化图像;
步骤三、将二值化图像划分为M行*M列的方形像素网格;M为正整数;
步骤四、逐行扫描二值化图像,将每一行中连续的亮像素记为团,并记录团号;遍历扫描全部二值化图像,获得所有团号;
步骤五、筛选出所含的连续亮像素数目的最大团,记录该团的行数;
步骤六、从二值化图像的第一行向下逐行扫描,再次判断二值化图像是否存在与最大团相连的团;当存在,记录该相连团的团号;当不存在,不做记录;从上至下遍历扫描全部二值化图像,最大团与相连团组成目标所在的最大连通域;
步骤七、计算最大连通域内的目标几何中心。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,所述的步骤二中,自适应阈值法为大津法。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,对目标图像进行阈值分割的具体方法为:
将目标图像各像素中的亮度值与对应分割阈值进行比较;当像素中的亮度值大于对应分割阈值时,该像素置为1,即该像素为亮;当像素中的亮度值小于等于对应分割阈值时,该像素置为0,即该像素为暗。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,所述步骤三中,M为2048。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,所述步骤四中,所述每个团号的表示方法为[a,b,c,d];其中,a为该团所在行数;b为该团的起始列数;c为该团的终止列数;d为该团所含的连续亮像素数目,d=c-b+1。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,所述步骤五中,当多行存在连续亮像素数目相同的最大团时,选取最小行数出现的最大团。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,所述步骤六中,采用八邻域连通判断准则对是否存在与最大团相连的团进行判断:最大团中像素相邻的8个像素方格存在亮像素,即判断为相连。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,所述步骤六中,当该行存在多个与最大团相连的团时,以起始列最小团的起始列值作为该行的起始列,以终止列最大团的终止列作为终止列,将该行多个相连团中的暗像素变亮,填充为一个相连团。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,所述步骤七中,目标几何中心的计算方法为:
S1:统计最大连通域内所有亮像素的总数目;
S2:计算目标几何中心的行位置;
S3:计算目标几何中心的列位置。
在上述的一种抗星光干扰的空间相对导航目标快速提取方法,所述步骤七的S2中,目标几何中心的行位置的计算方法为:将最大连通域内所有亮像素的行数累加,除以S1中的亮像素的总数目,即为目标几何中心的行位置;S3中,目标几何中心的列位置的计算方法为:将最大连通域内所有亮像素的列数累加,除以S1中的亮像素的总数目,即为目标几何中心的列位置。
本发明与现有技术相比具有如下优点:
(1)本发明实现了从相机拍摄的图片中快速确定相对导航目标;对于传统的目标检测算法,一般需要对图像所有的连通域进行标记,并利用图形形态学原理对所有的连通域计算面积,最后从中选择面积最大的作为目标;相对于传统方法,本发明所提出方法优势在于快速性和抗干扰性;
(2)本发明尤其适合星上处理能力严重受限的情况下采用,并可以排除星光对目标提取产生的影响。
附图说明
图1为本发明导航目标快速提取流程图;
图2为本发明二值化图像示意图;
图3为本发明连续亮像素团示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细的描述:
本发明提供一种抗星光干扰的空间相对导航目标快速提取方法,针对空间相对导航目标图像处理算法实时性要求高、抗干扰能力强的要求,提出了一种适用于星上实时处理的相对导航目标快速提取算法,并可以排除星光对目标提取产生的影响。
如图1所示为导航目标快速提取流程图,由图可知,一种抗星光干扰的空间相对导航目标快速提取方法,包括如下步骤:
步骤一、通过相机获得的目标图像;
步骤二、如图2所示为二值化图像示意图,由图可知,采用自适应阈值法获取分割阈值(自适应阈值法为大津法);根据分割阈值对目标图像进行阈值分割,获得二值化图像;对目标图像进行阈值分割的具体方法为:
将目标图像各像素中的亮度值与对应分割阈值进行比较;当像素中的亮度值大于对应分割阈值时,该像素置为1,即该像素为亮;当像素中的亮度值小于等于对应分割阈值时,该像素置为0,即该像素为暗。
步骤三、将二值化图像划分为M行*M列的方形像素网格;M为正整数;M为2048。
步骤四、如图3所示为连续亮像素团示意图,由图可知,逐行扫描二值化图像,将每一行中连续的亮像素记为团,并记录团号;遍历扫描全部二值化图像,获得所有团号;所述每个团号的表示方法为[a,b,c,d];其中,a为该团所在行数;b为该团的起始列数;c为该团的终止列数;d为该团所含的连续亮像素数目,d=c-b+1。
步骤五、筛选出所含的连续亮像素数目的最大团,记录该团的行数;当多行存在连续亮像素数目相同的最大团时,选取最小行数出现的最大团。
步骤六、从二值化图像的第一行向下逐行扫描,再次判断二值化图像是否存在与最大团相连的团;采用八邻域连通判断准则对是否存在与最大团相连的团进行判断:最大团中像素相邻的8个像素方格存在亮像素,即判断为相连。当存在,记录该相连团的团号;当不存在,不做记录;当该行存在多个与最大团相连的团时,以起始列最小团的起始列值作为该行的起始列,以终止列最大团的终止列作为终止列,将该行多个相连团中的暗像素变亮,填充为一个相连团。从上至下遍历扫描全部二值化图像,最大团与相连团组成目标所在的最大连通域;
步骤七、计算最大连通域内的目标几何中心。
目标几何中心的计算方法为:
S1:统计最大连通域内所有亮像素的总数目;
S2:计算目标几何中心的行位置;目标几何中心的行位置的计算方法为:将最大连通域内所有亮像素的行数累加,除以S1中的亮像素的总数目,即为目标几何中心的行位置;
S3:计算目标几何中心的列位置;目标几何中心的列位置的计算方法为:将最大连通域内所有亮像素的列数累加,除以S1中的亮像素的总数目,即为目标几何中心的列位置。
本发明提出了一种抗星光干扰的空间相对导航目标快速提取方法,并可以排除星光对目标提取产生的影响。采用本发明提出的方法可以从相机拍摄的图片中快速确定相对导航目标。对于传统的目标检测算法,一般需要对图像所有的连通域进行标记,并利用图形形态学原理对所有的连通域计算面积,最后从中选择面积最大的作为目标。相对于传统方法,本发明所提出方法优势在于快速性和抗干扰性。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (10)
1.一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:包括如下步骤:
步骤一、通过相机获得的目标图像;
步骤二、采用自适应阈值法获取分割阈值;根据分割阈值对目标图像进行阈值分割,获得二值化图像;
步骤三、将二值化图像划分为M行*M列的方形像素网格;M为正整数;
步骤四、逐行扫描二值化图像,将每一行中连续的亮像素记为团,并记录团号;遍历扫描全部二值化图像,获得所有团号;
步骤五、筛选出所含的连续亮像素数目的最大团,记录该团的行数;
步骤六、从二值化图像的第一行向下逐行扫描,再次判断二值化图像是否存在与最大团相连的团;当存在,记录该相连团的团号;当不存在,不做记录;从上至下遍历扫描全部二值化图像,最大团与相连团组成目标所在的最大连通域;
步骤七、计算最大连通域内的目标几何中心。
2.根据权利要求1所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:所述的步骤二中,自适应阈值法为大津法。
3.根据权利要求2所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:对目标图像进行阈值分割的具体方法为:
将目标图像各像素中的亮度值与对应分割阈值进行比较;当像素中的亮度值大于对应分割阈值时,该像素置为1,即该像素为亮;当像素中的亮度值小于等于对应分割阈值时,该像素置为0,即该像素为暗。
4.根据权利要求3所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:所述步骤三中,M为2048。
5.根据权利要求4所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:所述步骤四中,所述每个团号的表示方法为[a,b,c,d];其中,a为该团所在行数;b为该团的起始列数;c为该团的终止列数;d为该团所含的连续亮像素数目,d=c-b+1。
6.根据权利要求5所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:所述步骤五中,当多行存在连续亮像素数目相同的最大团时,选取最小行数出现的最大团。
7.根据权利要求6所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:所述步骤六中,采用八邻域连通判断准则对是否存在与最大团相连的团进行判断:最大团中像素相邻的8个像素方格存在亮像素,即判断为相连。
8.根据权利要求7所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:所述步骤六中,当该行存在多个与最大团相连的团时,以起始列最小团的起始列值作为该行的起始列,以终止列最大团的终止列作为终止列,将该行多个相连团中的暗像素变亮,填充为一个相连团。
9.根据权利要求8所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:所述步骤七中,目标几何中心的计算方法为:
S1:统计最大连通域内所有亮像素的总数目;
S2:计算目标几何中心的行位置;
S3:计算目标几何中心的列位置。
10.根据权利要求9所述的一种抗星光干扰的空间相对导航目标快速提取方法,其特征在于:所述步骤七的S2中,目标几何中心的行位置的计算方法为:将最大连通域内所有亮像素的行数累加,除以S1中的亮像素的总数目,即为目标几何中心的行位置;S3中,目标几何中心的列位置的计算方法为:将最大连通域内所有亮像素的列数累加,除以S1中的亮像素的总数目,即为目标几何中心的列位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910165274.9A CN109949308A (zh) | 2019-03-05 | 2019-03-05 | 一种抗星光干扰的空间相对导航目标快速提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910165274.9A CN109949308A (zh) | 2019-03-05 | 2019-03-05 | 一种抗星光干扰的空间相对导航目标快速提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109949308A true CN109949308A (zh) | 2019-06-28 |
Family
ID=67008456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910165274.9A Pending CN109949308A (zh) | 2019-03-05 | 2019-03-05 | 一种抗星光干扰的空间相对导航目标快速提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109949308A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258517A (zh) * | 2020-09-30 | 2021-01-22 | 无锡太机脑智能科技有限公司 | 激光雷达栅格地图的自动修图方法和装置 |
CN112509002A (zh) * | 2020-11-27 | 2021-03-16 | 山东航天电子技术研究所 | 一种基于连通域标记的目标检测跟踪方法 |
CN113284160A (zh) * | 2021-04-23 | 2021-08-20 | 北京天智航医疗科技股份有限公司 | 一种手术导航标记珠体识别的方法、装置和设备 |
CN114255253A (zh) * | 2020-09-25 | 2022-03-29 | 北京小米移动软件有限公司 | 边缘检测方法、边缘检测装置及计算机可读存储介质 |
CN117522900A (zh) * | 2023-12-13 | 2024-02-06 | 南京理工大学泰州科技学院 | 一种基于计算机图像处理的遥感影像分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254152A (zh) * | 2011-06-17 | 2011-11-23 | 东南大学 | 基于彩色跳变点和颜色密度的车牌定位方法 |
CN102590330A (zh) * | 2011-12-29 | 2012-07-18 | 南京理工大学常熟研究院有限公司 | 基于图像处理的磁粉探伤缺陷智能识别检测系统 |
CN105404869A (zh) * | 2015-11-20 | 2016-03-16 | 陕西科技大学 | 一种基于计算机视觉的水果外形分级方法 |
CN106846398A (zh) * | 2016-12-05 | 2017-06-13 | 北京空间机电研究所 | 一种基于图像行数据扫描的星空目标最大光强位置的识别方法 |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
CN109255757A (zh) * | 2018-04-25 | 2019-01-22 | 江苏大学 | 一种机器视觉自然放置葡萄串果梗区域分割方法 |
-
2019
- 2019-03-05 CN CN201910165274.9A patent/CN109949308A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254152A (zh) * | 2011-06-17 | 2011-11-23 | 东南大学 | 基于彩色跳变点和颜色密度的车牌定位方法 |
CN102590330A (zh) * | 2011-12-29 | 2012-07-18 | 南京理工大学常熟研究院有限公司 | 基于图像处理的磁粉探伤缺陷智能识别检测系统 |
CN105404869A (zh) * | 2015-11-20 | 2016-03-16 | 陕西科技大学 | 一种基于计算机视觉的水果外形分级方法 |
CN106846398A (zh) * | 2016-12-05 | 2017-06-13 | 北京空间机电研究所 | 一种基于图像行数据扫描的星空目标最大光强位置的识别方法 |
CN107084991A (zh) * | 2017-04-10 | 2017-08-22 | 武汉理工大学 | 基于机器视觉的石英棒气泡检测及品质分级方法 |
CN109255757A (zh) * | 2018-04-25 | 2019-01-22 | 江苏大学 | 一种机器视觉自然放置葡萄串果梗区域分割方法 |
Non-Patent Citations (1)
Title |
---|
王大轶 等: "基于双目光学图像信息的空间非合作目标自主相对导航方法", 《中国科学:物理学 力学 天文学》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255253A (zh) * | 2020-09-25 | 2022-03-29 | 北京小米移动软件有限公司 | 边缘检测方法、边缘检测装置及计算机可读存储介质 |
CN112258517A (zh) * | 2020-09-30 | 2021-01-22 | 无锡太机脑智能科技有限公司 | 激光雷达栅格地图的自动修图方法和装置 |
CN112509002A (zh) * | 2020-11-27 | 2021-03-16 | 山东航天电子技术研究所 | 一种基于连通域标记的目标检测跟踪方法 |
CN113284160A (zh) * | 2021-04-23 | 2021-08-20 | 北京天智航医疗科技股份有限公司 | 一种手术导航标记珠体识别的方法、装置和设备 |
CN113284160B (zh) * | 2021-04-23 | 2024-03-12 | 北京天智航医疗科技股份有限公司 | 一种手术导航标记珠体识别的方法、装置和设备 |
CN117522900A (zh) * | 2023-12-13 | 2024-02-06 | 南京理工大学泰州科技学院 | 一种基于计算机图像处理的遥感影像分析方法 |
CN117522900B (zh) * | 2023-12-13 | 2024-05-17 | 南京理工大学泰州科技学院 | 一种基于计算机图像处理的遥感影像分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949308A (zh) | 一种抗星光干扰的空间相对导航目标快速提取方法 | |
CN110675346B (zh) | 适用于Kinect的图像采集与深度图增强方法及装置 | |
CN104077777B (zh) | 一种海面舰船目标检测方法 | |
JP4328286B2 (ja) | 顔領域推定装置、顔領域推定方法及び顔領域推定プログラム | |
CN107358627B (zh) | 基于Kinect相机的果实尺寸检测方法 | |
CN109784344A (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
CN109580630A (zh) | 一种机械零部件缺陷的视觉检测方法 | |
CN109559324A (zh) | 一种线阵图像中的目标轮廓检测方法 | |
US7822224B2 (en) | Terrain map summary elements | |
CN110580481B (zh) | 一种基于epi的光场图像关键位置检测方法 | |
CN105043395B (zh) | 一种飞行器月表软着陆的实时动态选址方法 | |
CN111462066A (zh) | 一种基于机器视觉的螺纹参数检测方法 | |
CN109166125A (zh) | 一种基于多边缘融合机制的三维深度图像分割算法 | |
CN106875430B (zh) | 动态背景下基于固定形态的单一运动目标追踪方法和装置 | |
CN112964724A (zh) | 一种多目标多区域视觉检测方法及检测系统 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 | |
CN114066928A (zh) | 一种真空开关触头的运动速度检测方法及装置 | |
CN111145216B (zh) | 一种视频图像目标的跟踪方法 | |
TWI381735B (zh) | 影像監視設備之影像處理系統及其影像解析自動調適之方法 | |
CN111583315A (zh) | 一种新的可见光图像和红外图像配准方法及装置 | |
CN115690190B (zh) | 基于光流图像和小孔成像的运动目标检测与定位方法 | |
JP2008107857A (ja) | 動体認識方法及び動体認識装置 | |
CN102236792B (zh) | 月面影像的特征点选择和提取方法 | |
CN109325949A (zh) | 一种汽车零件加工检测信息提取方法 | |
CN101201902A (zh) | 基于六角网格的识别系统及识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |