CN111383239B - 基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法 - Google Patents
基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法 Download PDFInfo
- Publication number
- CN111383239B CN111383239B CN202010112768.3A CN202010112768A CN111383239B CN 111383239 B CN111383239 B CN 111383239B CN 202010112768 A CN202010112768 A CN 202010112768A CN 111383239 B CN111383239 B CN 111383239B
- Authority
- CN
- China
- Prior art keywords
- edge
- mars
- image
- data points
- false
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Astronomy & Astrophysics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,属于火星探测光学自主导航技术领域;步骤一、通过光学导航敏感器拍摄火星,获得带有误检测边缘的火星图像;步骤二、对带有误检测边缘的火星图像进行迭代剔除处理;获得剔除误检测边缘的火星图像;步骤三、对剔除误检测边缘的火星图像进行亚像素定位处理;获得精确边缘图像;步骤四、采用最小二乘法对精确边缘图像的全部边缘点进行拟合,获得轮廓精确火星图像;本发明以提高误边缘剔除准确率、节省星上计算资源为目标,综合考虑算法实现过程中的计算资源消耗,为火星探测光学自主导航系统提供一种高效的图像误边缘剔除及轮廓精确拟合方法。
Description
技术领域
本发明属于火星探测光学自主导航技术领域,涉及基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法。
背景技术
我国将于2020年发射火星探测器,一次实现“绕”、“落”、“巡”的常规三步走流程。随着探测器飞往火星,器地距离增加,相比于近地卫星,直接带来的影响就是通信延迟增大,星地难以实现实时的星地大回路控制。因此在火星捕获制动阶段,引入光学自主导航系统作为导航备份,以保证制动捕获的成功实施。
传统的误边缘剔除方法主要包括Hough圆拟合后剔除,随机采样一致性算法(RANSAC),这两种方法的共性问题在于:在保证高准确性剔除误边缘的同时,计算量较大,尤其是针对大面阵导航相机。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提出基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,以提高误边缘剔除准确率、节省星上计算资源为目标,综合考虑算法实现过程中的计算资源消耗,为火星探测光学自主导航系统提供一种高效的图像误边缘剔除及轮廓精确拟合方法。
本发明解决技术的方案是:
基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,包括如下步骤:
步骤一、通过光学导航敏感器拍摄火星,获得带有误检测边缘的火星图像;
步骤二、对带有误检测边缘的火星图像进行迭代剔除处理;获得剔除误检测边缘的火星图像;
步骤三、对剔除误检测边缘的火星图像进行亚像素定位处理;获得精确边缘图像;
步骤四、采用最小二乘法对精确边缘图像的全部边缘点进行拟合,获得轮廓精确火星图像。
在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,所述步骤一中,所述带有误检测边缘火星图像的外边缘包括N个边缘数据点;N个边缘数据点中包括真实数据点和误检测边缘数据点;N为正整数,且N不小于100。
在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,所述步骤二中,迭代剔除处理的具体方法为:
S1、从N个边缘数据点中随机选取M个数据点;
S2、采用最小二乘法,将M个数据点拟合成圆形;
S3、分别计算N个边缘数据点沿径向到拟合圆形边界的距离;将N个边缘数据点的距离从大至小排列;
S4、剔除距离最大的前5%个边缘数据点;找到剩余的0.95N个边缘数据点中距离最大的边缘数据点;对该数据点的距离进行判断,当该数据点的距离小于设定阈值a时,则停止迭代,获得剔除误检测边缘的火星图像;当该数据点的距离大于等于设定阈值a时,重复步骤S1至S4,直至满足剩余的边缘数据点中距离最大的边缘数据点,距离小于设定阈值a。
在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,所述S1中,M为正整数,且0.1N≤M≤0.5N。
在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,所述S4中,所述阈值a为0.8像素。
在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,所述步骤三中,亚像素定位处理的具体方法为:
S1、对其中1个边缘数据点分别建立3X3的像素矩阵;边缘数据点位于3X3像素矩阵的中心位置;其它8个像素点的像素环绕在边缘数据点的外侧;
S2、计算9个像素点的像素加权平均值,即为该边缘数据点的坐标;
S3、重复S1-S2,直至确定剔除误检测边缘的火星图像的全部边缘数据点的坐标;获得精确边缘图像。
在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,所述步骤三的S2中,计算像素加权平均值时,权重值为1。
本发明与现有技术相比的有益效果是:
(1)本发明提供的精确拟合方法,相比于传统技术,每次计算的计算量很小,易于实现;
(2)本发明在不断迭代搜索的过程中剔除误边缘数据,每次迭代,都提高了边缘数据中的真实边缘点比例,从而提高了误边缘剔除效率。
附图说明
图1为本发明火星轮廓精确拟合流程图;
图2为本发明亚像素定位处理示意图。
具体实施方式
下面结合实施例对本发明作进一步阐述。
本发明提供一种基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,根据光学导航敏感器拍摄到带有误检测边缘的图像边缘信息的火星图像,首先基于随机采样的原理,不断迭代搜索,每次迭代过程中剔除一部分误边缘数据,满足迭代停止条件后,得到剔除误边缘后的火星图像边缘信息;S2、利用S1中得到的火星图像边缘信息,经亚像元细分后,采用最小二乘算法进行圆拟合,为火星探测器光学自主导航系统提供导航量测信息。本发明以提高误边缘剔除准确率、节省星上计算资源为目标,综合考虑算法实现过程中的计算资源消耗,为火星探测光学自主导航系统提供一种高效的图像误边缘剔除及轮廓精确拟合方法。
如图1所示,火星图像误边缘剔除及轮廓精确拟合方法,包括如下步骤:
步骤一、通过光学导航敏感器拍摄火星,获得带有误检测边缘的火星图像;所述带有误检测边缘火星图像的外边缘包括N个边缘数据点;N个边缘数据点中包括真实数据点和误检测边缘数据点;N为正整数,且N不小于100。随机采样的次数足够多,必存在某一次采样,在该次采样中,所有M个数据点均为真实数据点。在实际应用时,通常设置置信概率P,在置信概率P下,m次采样中至少有一次采样中的数据全是真实数据点。剔除误检测边缘点,提高真实边缘点比例,可以将所有数据点与初步拟合得到的圆作对比,每次剔除掉一部分(下面算法中设置为5%)“明显”的误检测边缘点。
步骤二、对带有误检测边缘的火星图像进行迭代剔除处理;获得剔除误检测边缘的火星图像;迭代剔除处理的具体方法为:
S1、从N个边缘数据点中随机选取M个数据点;M为正整数,且0.1N≤M≤0.5N。
S2、采用最小二乘法,将M个数据点拟合成圆形;
S3、分别计算N个边缘数据点沿径向到拟合圆形边界的距离;将N个边缘数据点的距离从大至小排列;
S4、剔除距离最大的前5%个边缘数据点;找到剩余的0.95N个边缘数据点中距离最大的边缘数据点;对该数据点的距离进行判断,当该数据点的距离小于设定阈值a时,则停止迭代,获得剔除误检测边缘的火星图像;当该数据点的距离大于等于设定阈值a时,重复步骤S1至S4,直至满足剩余的边缘数据点中距离最大的边缘数据点,距离小于设定阈值a。阈值a为0.8像素。
步骤三、为了进一步精确定位边缘点,需要对细化后的边缘点再次进行亚像素定位:对剔除误检测边缘的火星图像进行亚像素定位处理;获得精确边缘图像;如图2所示,亚像素定位处理的具体方法为:
S1、对其中1个边缘数据点分别建立3X3的像素矩阵;边缘数据点位于3X3像素矩阵的中心位置;其它8个像素点的像素环绕在边缘数据点的外侧;
S2、计算9个像素点的像素加权平均值,即为该边缘数据点的坐标;计算像素加权平均值时,对应的权值窗口中各个权值系数为1;设定周围8个像素的灰度值分别为F(x,y);
则位于3X3像素矩阵中心位置的边缘数据点的坐标(x0,y0)的计算方法为:
S3、重复S1-S2,直至确定剔除误检测边缘的火星图像的全部边缘数据点的坐标;获得精确边缘图像。
步骤四、采用最小二乘法对精确边缘图像的全部边缘点进行拟合,获得轮廓精确火星图像。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (4)
1.基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,其特征在于:包括如下步骤:
步骤一、通过光学导航敏感器拍摄火星,获得带有误检测边缘的火星图像;所述带有误检测边缘火星图像的外边缘包括N个边缘数据点;N个边缘数据点中包括真实数据点和误检测边缘数据点;N为正整数,且N不小于100;
步骤二、对带有误检测边缘的火星图像进行迭代剔除处理;获得剔除误检测边缘的火星图像;迭代剔除处理的具体方法为:
S1、从N个边缘数据点中随机选取M个数据点;
S2、采用最小二乘法,将M个数据点拟合成圆形;
S3、分别计算N个边缘数据点沿径向到拟合圆形边界的距离;将N个边缘数据点的距离从大至小排列;
S4、剔除距离最大的前5%个边缘数据点;找到剩余的0.95N个边缘数据点中距离最大的边缘数据点;对该数据点的距离进行判断,当该数据点的距离小于设定阈值a时,则停止迭代,获得剔除误检测边缘的火星图像;当该数据点的距离大于等于设定阈值a时,重复步骤S1至S4,直至满足剩余的边缘数据点中距离最大的边缘数据点,距离小于设定阈值a;
步骤三、对剔除误检测边缘的火星图像进行亚像素定位处理;获得精确边缘图像;亚像素定位处理的具体方法为:
S1、对其中1个边缘数据点分别建立3X3的像素矩阵;边缘数据点位于3X3像素矩阵的中心位置;其它8个像素点的像素环绕在边缘数据点的外侧;
S2、计算9个像素点的像素加权平均值,即为该边缘数据点的坐标;
S3、重复S1-S2,直至确定剔除误检测边缘的火星图像的全部边缘数据点的坐标;获得精确边缘图像;
步骤四、采用最小二乘法对精确边缘图像的全部边缘点进行拟合,获得轮廓精确火星图像。
2.根据权利要求1所述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,其特征在于:所述步骤二的S1中,M为正整数,且0.1N≤M≤0.5N。
3.根据权利要求2所述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,其特征在于:所述步骤二的S4中,所述阈值a为0.8像素。
4.根据权利要求3所述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法,其特征在于:所述步骤三的S2中,计算像素加权平均值时,权重值为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112768.3A CN111383239B (zh) | 2020-02-24 | 2020-02-24 | 基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010112768.3A CN111383239B (zh) | 2020-02-24 | 2020-02-24 | 基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111383239A CN111383239A (zh) | 2020-07-07 |
CN111383239B true CN111383239B (zh) | 2022-06-03 |
Family
ID=71219724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010112768.3A Active CN111383239B (zh) | 2020-02-24 | 2020-02-24 | 基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111383239B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103424112A (zh) * | 2013-07-29 | 2013-12-04 | 南京航空航天大学 | 一种基于激光平面辅助的运动载体视觉导航方法 |
CN108154157A (zh) * | 2017-12-06 | 2018-06-12 | 西安交通大学 | 一种基于集成的快速谱聚类方法 |
CN108921865A (zh) * | 2018-06-27 | 2018-11-30 | 南京大学 | 一种抗干扰的亚像素直线拟合方法 |
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 |
CN109344785A (zh) * | 2018-10-12 | 2019-02-15 | 北京航空航天大学 | 一种在深空自主光学导航中的高精度的行星中心定位方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100594733C (zh) * | 2008-03-01 | 2010-03-17 | 炬力集成电路设计有限公司 | 一种改善拜尔图像质量的图像处理方法及装置 |
CN103208117A (zh) * | 2013-03-21 | 2013-07-17 | 袁景 | 一种多功能智能皮带表面斑块边缘检测方法 |
CN104697476B (zh) * | 2015-03-19 | 2017-06-06 | 北京时代之峰科技有限公司 | 粗糙度光切轮廓曲线的自动检测方法及装置 |
CN106204528A (zh) * | 2016-06-27 | 2016-12-07 | 重庆理工大学 | 一种零件几何质量的尺寸检测方法 |
-
2020
- 2020-02-24 CN CN202010112768.3A patent/CN111383239B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103424112A (zh) * | 2013-07-29 | 2013-12-04 | 南京航空航天大学 | 一种基于激光平面辅助的运动载体视觉导航方法 |
CN108154157A (zh) * | 2017-12-06 | 2018-06-12 | 西安交通大学 | 一种基于集成的快速谱聚类方法 |
CN108921865A (zh) * | 2018-06-27 | 2018-11-30 | 南京大学 | 一种抗干扰的亚像素直线拟合方法 |
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 |
CN109344785A (zh) * | 2018-10-12 | 2019-02-15 | 北京航空航天大学 | 一种在深空自主光学导航中的高精度的行星中心定位方法 |
Non-Patent Citations (3)
Title |
---|
DT-CWT结合MRF的遥感图像变化检测;范奎奎等;《遥感学报》;20170525(第03期);第51-61页 * |
动态调节圆半径曲面重建算法的改进;王崑凌等;《计算机辅助工程》;20100915(第03期);第73-75页 * |
图像数据处理中极大误差点剔除方法分析;廖强等;《重庆理工大学学报(自然科学版)》;20100315(第03期);第66-70页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111383239A (zh) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443437B2 (en) | Vibe-based three-dimensional sonar point cloud image segmentation method | |
CN106530347B (zh) | 一种稳定的高性能圆特征检测方法 | |
CN107451999B (zh) | 基于图像识别的异物检测方法和装置 | |
CN106709500B (zh) | 一种图像特征匹配的方法 | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN110110687B (zh) | 基于颜色信息和三维轮廓信息的树上水果自动识别方法 | |
CN109978797B (zh) | 基于暗通道噪声模板的主动式像素传感器星图去噪方法 | |
CN114241364A (zh) | 一种架空输电线路异物目标快速标定方法 | |
CN113657423A (zh) | 适用于小体积零件与堆叠零件的目标检测方法及其应用 | |
CN112487537A (zh) | 一种基于全卷积神经网络的建筑面多级优化提取方法 | |
CN114431005A (zh) | 智能化农业果实采摘识别与定位方法、系统及装置 | |
CN111383239B (zh) | 基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法 | |
CN116580059B (zh) | 一种基于智能视觉算法的检测水泡方法及装置 | |
CN117036737A (zh) | 基于信息熵、gms与lc显著检测的特征提取与匹配方法 | |
CN116295363A (zh) | 一种星点快速提取与高精度定位方法 | |
CN116129187A (zh) | 基于局部稳定特征点的快速目标检测方法及系统 | |
CN112734745B (zh) | 一种融合gis数据的无人机热红外影像供暖管道泄漏探测方法 | |
CN115409831A (zh) | 基于最优背景估计的星点质心提取方法及系统 | |
CN110910332B (zh) | 一种视觉slam系统动态模糊处理方法 | |
Zhao et al. | An improved VIBE algorithm for fast suppression of ghosts and static objects | |
CN115063760A (zh) | 车辆可行驶区域检测方法、装置、设备及存储介质 | |
CN114964206A (zh) | 一种单目视觉里程计目标位姿检测方法 | |
CN113688819A (zh) | 一种基于标记点的目标物期望点跟踪匹配方法 | |
CN111402283A (zh) | 基于灰度方差导数的火星图像边缘特征自适应提取方法 | |
CN113160332A (zh) | 一种基于双目视觉的多目标识别与定位方法 |
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 |