CN111104890A - 一种空间飞行器广义模型的识别和重构方法及装置 - Google Patents
一种空间飞行器广义模型的识别和重构方法及装置 Download PDFInfo
- Publication number
- CN111104890A CN111104890A CN201911286093.8A CN201911286093A CN111104890A CN 111104890 A CN111104890 A CN 111104890A CN 201911286093 A CN201911286093 A CN 201911286093A CN 111104890 A CN111104890 A CN 111104890A
- Authority
- CN
- China
- Prior art keywords
- ellipses
- ellipse
- target
- spacecraft
- constraint condition
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种空间飞行器广义模型的识别和重构方法及装置。所述方法包括:获取所述空间飞行器对应的目标图像;检测所述目标图像中的椭圆,生成椭圆集;遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆;基于所述目标椭圆,重构所述空间飞行器的广义模型。本发明实施例通过将空间飞行器简化为一种广义模型,该模型将空间飞行器的主体简化为满足轴对称结构的截面圆特征的集合,通过识别轴对称截面圆特征重构空间飞行器的结构。对于一幅空间飞行器图像,在完全未知目标信息的条件下,能够重构空间飞行器主体的归一化模型,既可用于后续位姿测量也可完成帧间跟踪。
Description
技术领域
本发明涉及航天技术领域,特别是一种空间飞行器广义模型的识别和重构方法及装置。
背景技术
空间飞行器的识别与重构是重要的在轨航天任务,是航天领域非常具有难度的任务之一,目前已有的方法需要已知的先验知识较多,应用范围较窄,能够识别的目标空间飞行器非常有限。
在交会对接、敌我目标识别、在轨服务等航天任务中,都需要识别、重构目标空间飞行器。通常的技术手段主要有以下几种:(1)合作目标识别法。该方法在空间飞行器上安装合作靶标,通过识别这些靶标完成空间飞行器的识别任务;(2)模板匹配法。该方法不需要在空间飞行器上安装靶标,先验地对目标的各种姿态进行模型训练并存储在硬件系统中,通过匹配已知模板和得到的图像完成识别任务;(3)目标特征识别法。该方法识别目标固有的特征,利用这些特征之间可能存在的内在联系完成识别任务。综上,第一种方法需要目标上具有合作靶标,第二种方法只能识别训练过的目标并且消耗的硬件系统的存储资源较大,这两种方法的应用限制条件较多。第三种方法具更广的适用范围,通过改进识别算法可以达到非常好的性能。
综上,现有的目标特征识别法具有较大限制性,大部分着眼于局部特征的检测,因此在先验知识有限的条件下无法对目标空间飞行器有着整体的认识,也无法将这些局部特征和干扰特征区分。
发明内容
本发明解决的技术问题是:克服现有技术中椭圆特征检测着眼于局部特征的检测,因此在先验知识有限的条件下无法对目标空间飞行器有着整体的认识,也无法将这些局部特征和干扰特征区分的不足,提供了一种空间飞行器广义模型的识别和重构方法及装置。
本发明的技术解决方案是:
第一方面,本发明实施例提供了一种空间飞行器广义模型的识别和重构方法,包括:
获取所述空间飞行器对应的目标图像;
检测所述目标图像中的椭圆,生成椭圆集;
遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆;
基于所述目标椭圆,重构所述空间飞行器的广义模型。
可选地,所述遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆,包括:
从所述椭圆集中随机获取任意两个椭圆;
计算所述任意两个椭圆对应的空间圆所在平面的法向量;
根据所述法向量,确定所述任意两个椭圆是否满足所述轮廓约束条件;
在所述任意两个椭圆满足所述轮廓约束条件的情况下,确定所述任意两个椭圆是否满足所述空间圆心约束条件;
在所述任意两个椭圆满足所述空间圆心约束条件的情况下,将所述任意两个椭圆作为所述目标椭圆;
重复执行所述从所述椭圆集中随机获取任意两个椭圆,至所述在所述任意两个椭圆满足所述空间圆心约束条件的情况下,将所述任意两个椭圆作为所述目标椭圆的步骤;
在不同的目标椭圆对中含有相同的椭圆时,合并所述不同的目标椭圆对。
可选地,所述计算所述任意两个椭圆对应的空间圆所在平面的法向量,包括:
设定所述任意两个椭圆分别对应的矩阵形式;
根据两个所述矩阵形式,确定所述任意两个椭圆形成的椭圆束的椭圆束矩阵形式;
根据所述椭圆束矩阵形式,确定无穷远直线的投影;
获取所述无穷远直线的投影对应的投影坐标;
基于所述投影坐标,计算得到所述法向量。
可选地,所述根据所述法向量,确定所述任意两个椭圆是否满足所述轮廓约束条件,包括:
计算以所述目标图像对应的获取设备为圆心,所述任意两个椭圆映射至空间中形成的锥面方程;
利用坐标系变换原则,将所述锥面方程转换为标准方程;
根据所述标准方程,计算截面轮廓方程;
基于所述截面轮廓方程,确定所述任意两个椭圆是否满足所述轮廓约束条件。
可选地,所述在所述任意两个椭圆满足所述轮廓约束条件的情况下,确定所述任意两个椭圆是否满足所述空间圆心约束条件的步骤,包括:
计算所述空间圆圆心投影到图像上的投影点的投影齐次坐标;
计算所述空间圆圆心的齐次坐标;
基于所述投影齐次坐标和所述齐次坐标,确定所述任意两个椭圆是否满足所述圆心约束条件。
可选地,所述基于所述目标椭圆,重构所述空间飞行器的广义模型,包括:
计算所述圆心到所述任意两个椭圆所形成的空间截面之间的第一相对距离;
计算所述任意两个椭圆所形成的空间截面圆的相对半径;
计算所述任意两个椭圆所形成的空间截面之间的第二相对距离;
基于所述第一相对距离、所述相对半径和所述第二相对距离,重构所述广义模型。
第二方面,本发明实施例提供了一种空间飞行器广义模型的识别和重构装置,包括:
目标图像获取模块,用于获取所述空间飞行器对应的目标图像;
椭圆集生成模块,用于检测所述目标图像中的椭圆,生成椭圆集;
目标椭圆获取模块,用于遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆;
广义模型重构模块,用于基于所述目标椭圆,重构所述空间飞行器的广义模型。
可选地,所述目标椭圆获取模块包括:
任意椭圆获取子模块,用于从所述椭圆集中随机获取任意两个椭圆;
法向量计算子模块,用于计算所述任意两个椭圆对应的空间圆所在平面的法向量;
轮廓约束确定子模块,用于根据所述法向量,确定所述任意两个椭圆是否满足所述轮廓约束条件;
圆心约束确定子模块,用于在所述任意两个椭圆满足所述轮廓约束条件的情况下,确定所述任意两个椭圆是否满足所述空间圆心约束条件;
目标椭圆获取子模块,用于在所述任意两个椭圆满足所述空间圆心约束条件的情况下,将所述任意两个椭圆作为所述目标椭圆;
重复执行子模块,用于重复执行所述任意椭圆获取子模块,至所述目标椭圆获取子模块;
椭圆对合并子模块,用于在不同的目标椭圆对中含有相同的椭圆时,合并所述不同的目标椭圆对。
可选地,所述法向量计算子模块包括:
矩阵形式设定子模块,用于设定所述任意两个椭圆分别对应的矩阵形式;
椭圆束矩阵形式确定子模块,用于根据两个所述矩阵形式,确定所述任意两个椭圆形成的椭圆束的椭圆束矩阵形式;
直线投影确定子模块,用于根据所述椭圆束矩阵形式,确定无穷远直线的投影;
投影坐标获取子模块,用于获取所述无穷远直线的投影对应的投影坐标;
法向量获取子模块,用于基于所述投影坐标,计算得到所述法向量。
可选地,所述轮廓约束确定子模块包括:
锥面方程计算子模块,用于计算以所述目标图像对应的获取设备为圆心,所述任意两个椭圆映射至空间中形成的锥面方程;
标准方程转换子模块,用于利用坐标系变换原则,将所述锥面方程转换为标准方程;
轮廓方程计算子模块,用于根据所述标准方程,计算截面轮廓方程;
轮廓约束条件确定子模块,用于基于所述截面轮廓方程,确定所述任意两个椭圆是否满足所述轮廓约束条件。
可选地,所述圆心约束确定子模块包括:
圆心投影坐标计算子模块,用于计算所述空间圆圆心投影到图像上的投影点的投影齐次坐标;
圆心坐标计算子模块,用于计算所述空间圆圆心的齐次坐标;
圆心约束条件确定子模块,用于基于所述投影齐次坐标和所述齐次坐标,确定所述任意两个椭圆是否满足所述圆心约束条件。
可选地,所述广义模型重构模块包括:
第一相对距离计算子模块,用于计算所述圆心到所述任意两个椭圆所形成的空间截面之间的第一相对距离;
相对半径计算子模块,用于计算所述任意两个椭圆所形成的空间截面圆的相对半径;
第二相对距离计算子模块,用于计算所述任意两个椭圆所形成的空间截面之间的第二相对距离;
广义模型重构子模块,用于基于所述第一相对距离、所述相对半径和所述第二相对距离,重构所述广义模型。
本发明与现有技术相比的优点在于:
本发明实施例提供的椭圆特征检测方案,通过获取空间飞行器对应的目标图像,检测目标图像中的椭圆,生成椭圆集,遍历椭圆集,从椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆,基于目标椭圆重构空间飞行器的广义模型。本发明分析了现有空间飞行器的整体结构特征,将空间飞行器简化为一种广义模型,该模型将空间飞行器的主体简化为满足轴对称结构的截面圆特征的集合,通过识别轴对称截面圆特征重构空间飞行器的结构。对于一幅空间飞行器图像,在完全未知目标信息的条件下,能够重构空间飞行器主体的归一化模型,既可用于后续位姿测量也可完成帧间跟踪。
附图说明
图1为本发明实施例提供的一种空间飞行器广义模型的识别和重构方法的步骤流程图;
图2为本发明实施例提供的一种轮廓约束的示意图;
图3为本发明实施例提供的一种空间圆心约束的示意图;
图4为本发明实施例提供的一种重建空间飞行器的广义模型的示意图;
图5为本发明实施例提供的一种空间飞行器广义模型的识别和重构装置的结构示意图。
具体实施方式
下面将结合本发明的实施例中的附图,对本发明的实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的实施例一部分实施例,而不是全部的实施例。基于本发明的实施例中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明的实施例保护的范围。
实施例一
参照图1,示出了本发明实施例提供的一种空间飞行器广义模型的识别和重构方法的步骤流程图,如图1所示,该空间飞行器广义模型的识别和重构方法具体可以包括如下步骤:
步骤101:获取所述空间飞行器对应的目标图像。
本发明实施例可以应用于对空间飞行器上的椭圆特征进行检测的场景中。
空间飞行器是指在地球大气层以外的宇宙空间,基本上按照天体力学的规律运行的各类飞行器。
本发明中,空间飞行器可以为人造地球卫星、空间探测器、载人航天器等飞行器中的任一种,具体地,可以根据实际情况而定,本发明实施例对此不加以限制。
目标图像是指空间飞行器的表面图像。本发明中可以采用相机采集空间飞行器的目标图像,如采用飞行器航拍设备拍摄得到空间飞行器的目标图像等。
在获取空间飞行器对应的目标图像之后,执行步骤102。
步骤102:检测所述目标图像中的椭圆,生成椭圆集。
椭圆集是指根据空间飞行器上的椭圆形成的集合。
在获取空间飞行器对应的目标图像之后,可以检测目标图像中的椭圆图像特征,并结合椭圆图像特征可以生成多个空间飞行器的表面上的椭圆,结合这些椭圆可以得到椭圆集。
在生成椭圆集之后,执行步骤103。
步骤103:遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆。
轮廓约束条件是指椭圆集中任意两个椭圆的轮廓所需满足的约束条件。
空间圆心约束条件是指椭圆集中任意两个椭圆在空间所形成的椭圆平面的圆心所需满足的约束条件。
目标椭圆是指椭圆集中满足轮廓约束条件和空间圆心约束条件的椭圆。
在生成椭圆集之后,可以遍历椭圆集,从椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆,具体地,可以结合下述优选实施例进行详细描述。
在本发明的一种优选实施例中,上述步骤103可以包括:
子步骤A1:从所述椭圆集中随机获取任意两个椭圆;
子步骤A2:计算所述任意两个椭圆对应的空间圆所在平面的法向量。
在本发明实施例中,首先可以从椭圆集中随机获取任意两个椭圆,并计算任意两个椭圆对应的空间圆所在平面的法向量,具体地:
在本发明的另一种优选实施例中,上述子步骤A2可以包括:
子步骤B1:设定所述任意两个椭圆分别对应的矩阵形式;
子步骤B2:根据两个所述矩阵形式,确定所述任意两个椭圆形成的椭圆束的椭圆束矩阵形式;
子步骤B3:根据所述椭圆束矩阵形式,确定无穷远直线的投影;
子步骤B4:获取所述无穷远直线的投影对应的投影坐标;
子步骤B5:基于所述投影坐标,计算得到所述法向量。
上述公式(1)中,D为任意两个椭圆形成的椭圆束的矩阵。
∑(D)=|η-ξ| (3)
上述公式(3)和(4)中,∑(D)为二次曲线D的相对符号。
(5)求法向量:
上述公式中,K为摄像机标定矩阵。
在计算任意两个椭圆对应的空间圆所在平面的法向量之后,执行子步骤A3。
子步骤A3:根据所述法向量,确定所述任意两个椭圆是否满足所述轮廓约束条件。
在计算任意两个椭圆对应的空间圆所在平面的法向量之后,可以根据任意两个椭圆的法向量确定任意两个椭圆是否满足轮廓约束条件,具体地,结合下述优选实施例进行如下描述。
在本发明的一种优选实施例中,上述子步骤A3可以包括:
子步骤C1:计算以所述目标图像对应的获取设备为圆心,所述任意两个椭圆映射至空间中形成的锥面方程;
子步骤C2:利用坐标系变换原则,将所述锥面方程转换为标准方程;
子步骤C3:根据所述标准方程,计算截面轮廓方程;
子步骤C4:基于所述截面轮廓方程,确定所述任意两个椭圆是否满足所述轮廓约束条件。
在本发明实施例中,如图2所示,以目标图像对应的获取设备(如相机等)的中心为顶点,将图像中的椭圆映射到空间中形成圆锥,和法向量垂直的平面截取该圆锥形成的轮廓必然为圆。具体算法流程如下:
(2)利用坐标系变换,将空间锥面方程转化为标准形式方程,使得新坐标系z'轴垂直于空间中截面圆所在的平面。坐标系变换矩阵如公式(10)所示,在三维摄影空间IP3中由摄像机坐标系O-xyz变换到标准坐标系O-x'y'z'的射影变换见公式(11),在标准坐标系O-x'y'z'下空间锥面的齐次坐标可由公式(12)计算。
(3)计算截面轮廓方程。如图2锥面和任意平面z'=k(k>0)相交形成的二次曲线方程为:
(4)该二次曲线必然为圆,给出轮廓约束,优选地,阈值Th1和Th2取1%。
(5)若满足轮廓约束,则确定任意两个椭圆满足轮廓约束条件;否则返回,执行重新从椭圆集中随机获取任意两个椭圆的步骤。
在确定任意两个椭圆满足轮廓约束条件之后,执行子步骤A4。
子步骤A4:在所述任意两个椭圆满足所述轮廓约束条件的情况下,确定所述任意两个椭圆是否满足所述空间圆心约束条件。
在确定任意两个椭圆满足轮廓约束条件之后,则可以判定任意两个椭圆是否满足空间圆心约束条件,具体地,可以结合下述优选实施例进行详细描述。
在本发明的一种优选实施例中,上述子步骤A5可以包括:
子步骤D1:计算所述空间圆圆心投影到图像上的投影点的投影齐次坐标;
子步骤D2:计算所述空间圆圆心的齐次坐标;
子步骤D3:基于所述投影齐次坐标和所述齐次坐标,确定所述任意两个椭圆是否满足所述圆心约束条件。
在本发明实施例中,投影齐次坐标是指空间圆圆心投影到图像上的投影点的齐次坐标。
计算任意两个椭圆是否满足空间圆心约束条件的依据如下:如图3所示,在标准坐标系O-x'y'z'下,空间圆圆心坐标相等。
具体算法流程如下:
上述公式(15)和(16)中,su1、su2为齐次坐标的比例因子。
这两点在标准坐标系O-x'y'z'下的坐标可表示为:
三角形op1p2内的角度{α12,β12,γ12}可由式(22)确定:
β12∈{β′,β″},γ12∈{γ′,γ″};subject to α12+β12+γ12=π (22)
定义:线段op1的长度d1为标准长度。线段op2的长度可由正弦定理得出,即线段op2的相对长度为:
因此,在坐标系O-x'y'z'下,空间中圆C1、C2圆心p1、p2的坐标可表示为:
(3)圆心坐标必然相等,给出约束,优选地,阈值Th3和Th4取1%。
子步骤A5:在所述任意两个椭圆满足所述空间圆心约束条件的情况下,将所述任意两个椭圆作为所述目标椭圆。
在任意两个椭圆同时满足轮廓约束条件和空间圆心约束条件时,则将任意两个椭圆确定为目标椭圆。
子步骤A6:重复执行所述子步骤A1,至所述子步骤A5。
然后,重复执行子步骤A1至子步骤A5,即从椭圆集中再随机获取任意两个椭圆,执行轮廓约束条件和空间圆心约束条件的判定步骤,并确定后获取的任意两个椭圆是否为目标椭圆;
子步骤A7:在不同的目标椭圆对中含有相同的椭圆时,合并所述不同的目标椭圆对。
在检测得到的多个目标椭圆对中可能存在不同的目标椭圆对中含有相同的椭圆,此时,可以合并含有相同的椭圆的目标椭圆对,从而能够得到形成广义模型的所有椭圆。
在确定出椭圆集中的目标椭圆之后,执行步骤104。
步骤104:基于所述目标椭圆,重构所述空间飞行器的广义模型。
在得到椭圆集中的目标椭圆之后,可以基于目标椭圆重构空间飞行器的广义模型,具体地,可以结合下述优选实施例进行详细描述。
在本发明的一种优选实施例中,上述步骤104可以包括:
子步骤E1:计算所述圆心到所述任意两个椭圆所形成的空间截面之间的第一相对距离;
子步骤E2:计算所述任意两个椭圆所形成的空间截面圆的相对半径;
子步骤E3:计算所述任意两个椭圆所形成的空间截面之间的第二相对距离;
子步骤E4:基于所述第一相对距离、所述相对半径和所述第二相对距离,重构所述广义模型。
在本发明实施例中,在获取目标椭圆之后,可以结合目标椭圆对空间飞行器的广义模型进行重构,得到空间飞行器的归一化模型。具体算法流程如下:
(1)计算原点到空间截面的相对距离k1和k2(即第一相对距离):
(2)计算空间截面圆的相对半径R1和R2
重构空间飞行器的广义模型。约去各式中的非零标准值:坐标系原点O到C1圆心的距离d1,可计算空间轴对称结构中圆特征和矩形特征的归一化半径和距离(公式(32)和公式(33)),沿法线n方向对所有特征重新编号,可实现以空间中n个截面圆重建广义模型,如图4所示。
RR=R1:R2:...:Rn (32)
RL=L12:L13:...:L1n (33)
本发明不需要已知目标飞行器上安装有合作标志、也不需要提前对飞行器训练建模,仅要求空间飞行器具有圆截面的轴对称结构即可完成识别和重构问题,这种截面是圆的轴对称结构是绝大部分空间飞行器的主体,因而本发明可以识别绝大部分空间飞行器。
本发明创建的广义模型是一种定量的计算模型,因而非常适合进行拓展,如:在本发明的基础上建立目标坐标系,可完成后续的位姿测量,是相对导航、目标动态跟踪等任务的基础。
本发明实施例提供的空间飞行器广义模型的识别和重构方法,通过获取空间飞行器对应的目标图像,检测目标图像中的椭圆,生成椭圆集,遍历椭圆集,从椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆,基于目标椭圆重构空间飞行器的广义模型。本发明分析了现有空间飞行器的整体结构特征,将空间飞行器简化为一种广义模型,该模型将空间飞行器的主体简化为满足轴对称结构的截面圆特征的集合,通过识别轴对称截面圆特征重构空间飞行器的结构。对于一幅空间飞行器图像,在完全未知目标信息的条件下,能够重构空间飞行器主体的归一化模型,既可用于后续位姿测量也可完成帧间跟踪。
实施例二
参照图5,示出了本发明实施例提供的一种空间飞行器广义模型的识别和重构装置的结构示意图,如图5所示,该空间飞行器广义模型的识别和重构装置具体可以包括如下模块:
目标图像获取模块510,用于获取所述空间飞行器对应的目标图像;
椭圆集生成模块520,用于检测所述目标图像中的椭圆,生成椭圆集;
目标椭圆获取模块530,用于遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆;
广义模型重构模块540,用于基于所述目标椭圆,重构所述空间飞行器的广义模型。
可选地,所述目标椭圆获取模块530包括:
任意椭圆获取子模块,用于从所述椭圆集中随机获取任意两个椭圆;
法向量计算子模块,用于计算所述任意两个椭圆对应的空间圆所在平面的法向量;
轮廓约束确定子模块,用于根据所述法向量,确定所述任意两个椭圆是否满足所述轮廓约束条件;
圆心约束确定子模块,用于在所述任意两个椭圆满足所述轮廓约束条件的情况下,确定所述任意两个椭圆是否满足所述空间圆心约束条件;
目标椭圆获取子模块,用于在所述任意两个椭圆满足所述空间圆心约束条件的情况下,将所述任意两个椭圆作为所述目标椭圆;
重复执行子模块,用于重复执行所述任意椭圆获取子模块,至所述目标椭圆获取子模块。
可选地,所述法向量计算子模块包括:
矩阵形式设定子模块,用于设定所述任意两个椭圆分别对应的矩阵形式;
椭圆束矩阵形式确定子模块,用于根据两个所述矩阵形式,确定所述任意两个椭圆形成的椭圆束的椭圆束矩阵形式;
直线投影确定子模块,用于根据所述椭圆束矩阵形式,确定无穷远直线的投影;
投影坐标获取子模块,用于获取所述无穷远直线的投影对应的投影坐标;
法向量获取子模块,用于基于所述投影坐标,计算得到所述法向量。
可选地,所述轮廓约束确定子模块包括:
锥面方程计算子模块,用于计算以所述目标图像对应的获取设备为圆心,所述任意两个椭圆映射至空间中形成的锥面方程;
标准方程转换子模块,用于利用坐标系变换原则,将所述锥面方程转换为标准方程;
轮廓方程计算子模块,用于根据所述标准方程,计算截面轮廓方程;
轮廓约束条件确定子模块,用于基于所述截面轮廓方程,确定所述任意两个椭圆是否满足所述轮廓约束条件。
可选地,所述圆心约束确定子模块包括:
圆心投影坐标计算子模块,用于计算所述空间圆圆心投影到图像上的投影点的投影齐次坐标;
圆心坐标计算子模块,用于计算所述空间圆圆心的齐次坐标;
圆心约束条件确定子模块,用于基于所述投影齐次坐标和所述齐次坐标,确定所述任意两个椭圆是否满足所述圆心约束条件。
可选地,所述广义模型重构模块540包括:
第一相对距离计算子模块,用于计算所述圆心到所述任意两个椭圆所形成的空间截面之间的第一相对距离;
相对半径计算子模块,用于计算所述任意两个椭圆所形成的空间截面圆的相对半径;
第二相对距离计算子模块,用于计算所述任意两个椭圆所形成的空间截面之间的第二相对距离;
广义模型重构子模块,用于基于所述第一相对距离、所述相对半径和所述第二相对距离,重构所述广义模型。
本发明实施例提供的空间飞行器广义模型的识别和重构装置,通过获取空间飞行器对应的目标图像,检测目标图像中的椭圆,生成椭圆集,遍历椭圆集,从椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆,基于目标椭圆重构空间飞行器的广义模型。本发明分析了现有空间飞行器的整体结构特征,将空间飞行器简化为一种广义模型,该模型将空间飞行器的主体简化为满足轴对称结构的截面圆特征的集合,通过识别轴对称截面圆特征重构空间飞行器的结构。对于一幅空间飞行器图像,在完全未知目标信息的条件下,能够重构空间飞行器主体的归一化模型,既可用于后续位姿测量也可完成帧间跟踪。
以上所述仅为本发明的实施例的较佳实施例而已,并不用以限制本发明的实施例,凡在本发明的实施例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实施例的保护范围之内。
Claims (10)
1.一种空间飞行器广义模型的识别和重构方法,其特征在于,包括:
获取所述空间飞行器对应的目标图像;
检测所述目标图像中的椭圆,生成椭圆集;
遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆;
基于所述目标椭圆,重构所述空间飞行器的广义模型。
2.根据权利要求1所述的方法,其特征在于,所述遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆,包括:
从所述椭圆集中随机获取任意两个椭圆;
计算所述任意两个椭圆对应的空间圆所在平面的法向量;
根据所述法向量,确定所述任意两个椭圆是否满足所述轮廓约束条件;
在所述任意两个椭圆满足所述轮廓约束条件的情况下,确定所述任意两个椭圆是否满足所述空间圆心约束条件;
在所述任意两个椭圆满足所述空间圆心约束条件的情况下,将所述任意两个椭圆作为所述目标椭圆;
重复执行所述从所述椭圆集中随机获取任意两个椭圆,至所述在所述任意两个椭圆满足所述空间圆心约束条件的情况下,将所述任意两个椭圆作为所述目标椭圆的步骤;
在不同的目标椭圆对中含有相同的椭圆时,合并所述不同的目标椭圆对。
3.根据权利要求2所述的方法,其特征在于,所述计算所述任意两个椭圆对应的空间圆所在平面的法向量,包括:
设定所述任意两个椭圆分别对应的矩阵形式;
根据两个所述矩阵形式,确定所述任意两个椭圆形成的椭圆束的椭圆束矩阵形式;
根据所述椭圆束矩阵形式,确定无穷远直线的投影;
获取所述无穷远直线的投影对应的投影坐标;
基于所述投影坐标,计算得到所述法向量。
4.根据权利要求2所述的方法,其特征在于,所述根据所述法向量,确定所述任意两个椭圆是否满足所述轮廓约束条件,包括:
计算以所述目标图像对应的获取设备为圆心,所述任意两个椭圆映射至空间中形成的锥面方程;
利用坐标系变换原则,将所述锥面方程转换为标准方程;
根据所述标准方程,计算截面轮廓方程;
基于所述截面轮廓方程,确定所述任意两个椭圆是否满足所述轮廓约束条件。
5.根据权利要求2所述的方法,其特征在于,所述在所述任意两个椭圆满足所述轮廓约束条件的情况下,确定所述任意两个椭圆是否满足所述空间圆心约束条件的步骤,包括:
计算所述空间圆圆心投影到图像上的投影点的投影齐次坐标;
计算所述空间圆圆心的齐次坐标;
基于所述投影齐次坐标和所述齐次坐标,确定所述任意两个椭圆是否满足所述圆心约束条件。
6.根据权利要求5所述的方法,其特征在于,所述基于所述目标椭圆,重构所述空间飞行器的广义模型,包括:
计算所述圆心到所述任意两个椭圆所形成的空间截面之间的第一相对距离;
计算所述任意两个椭圆所形成的空间截面圆的相对半径;
计算所述任意两个椭圆所形成的空间截面之间的第二相对距离;
基于所述第一相对距离、所述相对半径和所述第二相对距离,重构所述广义模型。
7.一种空间飞行器广义模型的识别和重构装置,其特征在于,包括:
目标图像获取模块,用于获取所述空间飞行器对应的目标图像;
椭圆集生成模块,用于检测所述目标图像中的椭圆,生成椭圆集;
目标椭圆获取模块,用于遍历所述椭圆集,从所述椭圆集中获取满足轮廓约束条件和空间圆心约束条件的目标椭圆;
广义模型重构模块,用于基于所述目标椭圆,重构所述空间飞行器的广义模型。
8.根据权利要求7所述的装置,其特征在于,所述目标椭圆获取模块包括:
任意椭圆获取子模块,用于从所述椭圆集中随机获取任意两个椭圆;
法向量计算子模块,用于计算所述任意两个椭圆对应的空间圆所在平面的法向量;
轮廓约束确定子模块,用于根据所述法向量,确定所述任意两个椭圆是否满足所述轮廓约束条件;
圆心约束确定子模块,用于在所述任意两个椭圆满足所述轮廓约束条件的情况下,确定所述任意两个椭圆是否满足所述空间圆心约束条件;
目标椭圆获取子模块,用于在所述任意两个椭圆满足所述空间圆心约束条件的情况下,将所述任意两个椭圆作为所述目标椭圆;
重复执行子模块,用于重复执行所述任意椭圆获取子模块,至所述目标椭圆获取子模块;
椭圆对合并子模块,用于在不同的目标椭圆对中含有相同的椭圆时,合并所述不同的目标椭圆对。
9.根据权利要求8所述的装置,其特征在于,所述法向量计算子模块包括:
矩阵形式设定子模块,用于设定所述任意两个椭圆分别对应的矩阵形式;
椭圆束矩阵形式确定子模块,用于根据两个所述矩阵形式,确定所述任意两个椭圆形成的椭圆束的椭圆束矩阵形式;
直线投影确定子模块,用于根据所述椭圆束矩阵形式,确定无穷远直线的投影;
投影坐标获取子模块,用于获取所述无穷远直线的投影对应的投影坐标;
法向量获取子模块,用于基于所述投影坐标,计算得到所述法向量。
10.根据权利要求9所述的装置,其特征在于,所述轮廓约束确定子模块包括:
锥面方程计算子模块,用于计算以所述目标图像对应的获取设备为圆心,所述任意两个椭圆映射至空间中形成的锥面方程;
标准方程转换子模块,用于利用坐标系变换原则,将所述锥面方程转换为标准方程;
轮廓方程计算子模块,用于根据所述标准方程,计算截面轮廓方程;
轮廓约束条件确定子模块,用于基于所述截面轮廓方程,确定所述任意两个椭圆是否满足所述轮廓约束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911286093.8A CN111104890B (zh) | 2019-12-13 | 2019-12-13 | 一种空间飞行器广义模型的识别和重构方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911286093.8A CN111104890B (zh) | 2019-12-13 | 2019-12-13 | 一种空间飞行器广义模型的识别和重构方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111104890A true CN111104890A (zh) | 2020-05-05 |
CN111104890B CN111104890B (zh) | 2023-09-29 |
Family
ID=70423014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911286093.8A Active CN111104890B (zh) | 2019-12-13 | 2019-12-13 | 一种空间飞行器广义模型的识别和重构方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104890B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4692878A (en) * | 1985-03-29 | 1987-09-08 | Ampower Technologies, Inc. | Three-dimensional spatial image system |
JPH06231249A (ja) * | 1993-02-05 | 1994-08-19 | Fujitsu Ltd | 物体認識方式 |
CA2241383A1 (en) * | 1997-06-20 | 1998-12-20 | Ronen Ezra Basri | A system for visual homing and navigation |
RU69674U1 (ru) * | 2007-09-19 | 2007-12-27 | Мурадин Абубекирович Кумахов | Устройство для формирования направленного пучка рентгеновского излучения |
US20120146991A1 (en) * | 2010-12-10 | 2012-06-14 | Purdue Research Foundation | Rendering personalized text on curved image surfaces |
CN104517291A (zh) * | 2014-12-15 | 2015-04-15 | 大连理工大学 | 基于目标同轴圆特征的位姿测量方法 |
CN108492333A (zh) * | 2018-03-30 | 2018-09-04 | 哈尔滨工业大学 | 基于星箭对接环图像信息的航天器姿态估计方法 |
CN109102567A (zh) * | 2018-10-11 | 2018-12-28 | 北京理工大学 | 一种基于重建误差最小化的位姿参数高精度求解方法 |
CN109405835A (zh) * | 2017-08-31 | 2019-03-01 | 北京航空航天大学 | 基于非合作目标直线与圆单目图像的相对位姿测量方法 |
CN109471108A (zh) * | 2018-12-17 | 2019-03-15 | 中国人民解放军空军工程大学 | 进动椎体目标三维成像方法、装置及电子设备 |
-
2019
- 2019-12-13 CN CN201911286093.8A patent/CN111104890B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4692878A (en) * | 1985-03-29 | 1987-09-08 | Ampower Technologies, Inc. | Three-dimensional spatial image system |
JPH06231249A (ja) * | 1993-02-05 | 1994-08-19 | Fujitsu Ltd | 物体認識方式 |
CA2241383A1 (en) * | 1997-06-20 | 1998-12-20 | Ronen Ezra Basri | A system for visual homing and navigation |
RU69674U1 (ru) * | 2007-09-19 | 2007-12-27 | Мурадин Абубекирович Кумахов | Устройство для формирования направленного пучка рентгеновского излучения |
US20120146991A1 (en) * | 2010-12-10 | 2012-06-14 | Purdue Research Foundation | Rendering personalized text on curved image surfaces |
CN104517291A (zh) * | 2014-12-15 | 2015-04-15 | 大连理工大学 | 基于目标同轴圆特征的位姿测量方法 |
CN109405835A (zh) * | 2017-08-31 | 2019-03-01 | 北京航空航天大学 | 基于非合作目标直线与圆单目图像的相对位姿测量方法 |
CN108492333A (zh) * | 2018-03-30 | 2018-09-04 | 哈尔滨工业大学 | 基于星箭对接环图像信息的航天器姿态估计方法 |
CN109102567A (zh) * | 2018-10-11 | 2018-12-28 | 北京理工大学 | 一种基于重建误差最小化的位姿参数高精度求解方法 |
CN109471108A (zh) * | 2018-12-17 | 2019-03-15 | 中国人民解放军空军工程大学 | 进动椎体目标三维成像方法、装置及电子设备 |
Non-Patent Citations (4)
Title |
---|
WU, B: "Multiple circle recognition and pose estimation for aerospace application", 《OPTIK》, vol. 145, pages 148 - 157 * |
WU, WQ等: "POSITION AND ORIENTATION MEASUREMENT FOR AUTONOMOUS AERIAL REFUELING BASED ON MONOCULAR VISION", 《INTERNATIONAL JOURNAL OF ROBOTICS & AUTOMATION》, vol. 32, no. 1, pages 13 - 21 * |
吴斌等: "基于航天应用的多圆特征识别和姿态估计", vol. 37, no. 09, pages 0915004 - 1 * |
郑顺义等: "基于模型和广义点摄影测量的圆柱体自动三维重建与检测", vol. 40, no. 04, pages 477 - 482 * |
Also Published As
Publication number | Publication date |
---|---|
CN111104890B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sharma et al. | Pose estimation for non-cooperative rendezvous using neural networks | |
Opromolla et al. | A review of cooperative and uncooperative spacecraft pose determination techniques for close-proximity operations | |
RU2609434C2 (ru) | Выявление расположения и местоположения объектов | |
Zhang et al. | Vision-based pose estimation for textureless space objects by contour points matching | |
Kim et al. | Automated crater detection, a new tool for Mars cartography and chronology | |
Huang et al. | Towards acoustic structure from motion for imaging sonar | |
Li et al. | Image processing algorithms for deep-space autonomous optical navigation | |
CN102607526A (zh) | 双介质下基于双目视觉的目标姿态测量方法 | |
CN109708643B (zh) | 小行星表面光学导航路标评价选取方法 | |
CN111652896A (zh) | 惯导辅助陨石坑由粗到精检测方法 | |
Vela et al. | Pose determination of passively cooperative spacecraft in close proximity using a monocular camera and AruCo markers | |
He et al. | Pose tracking of spacecraft based on point cloud DCA features | |
Hewitt et al. | LiDAR-Based map relative localization performance analysis for landing on Europa | |
CN107481281A (zh) | 相对位姿计算方法和装置及航天飞行器交会对接系统 | |
Wang et al. | High-precision pose measurement method based on binocular vision in dark lighting environments | |
Vaillant | Using occluding contours for 3D object modeling | |
Steffes et al. | Optical terrain relative navigation approaches to lunar orbit, descent and landing | |
Chen et al. | A new pose estimation method for non-cooperative spacecraft based on point cloud | |
Zhu et al. | A hybrid relative navigation algorithm for a large–scale free tumbling non–cooperative target | |
Jarvis et al. | 3D shape reconstruction of small bodies from sparse features | |
CN111104890B (zh) | 一种空间飞行器广义模型的识别和重构方法及装置 | |
Qiao et al. | Deep-Learning-Based Direct Attitude Estimation for Uncooperative Known Space Objects | |
Troiani et al. | 1-point-based monocular motion estimation for computationally-limited micro aerial vehicles | |
Yan et al. | Horizontal velocity estimation via downward looking descent images for lunar landing | |
Kupervasser et al. | Robust positioning of drones for land use monitoring in strong terrain relief using vision-based navigation |
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 |