CN111739049A - 基于图像的航天器导航方法、系统和图像边缘点提取方法 - Google Patents

基于图像的航天器导航方法、系统和图像边缘点提取方法 Download PDF

Info

Publication number
CN111739049A
CN111739049A CN202010780130.7A CN202010780130A CN111739049A CN 111739049 A CN111739049 A CN 111739049A CN 202010780130 A CN202010780130 A CN 202010780130A CN 111739049 A CN111739049 A CN 111739049A
Authority
CN
China
Prior art keywords
celestial body
image
frame
edge point
edge
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
Application number
CN202010780130.7A
Other languages
English (en)
Other versions
CN111739049B (zh
Inventor
王云财
衣样
张松涛
韩柠
杨伟光
刘辉
董炀
胡晓赛
李敬一
李伟楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Control and Electronic Technology
Original Assignee
Beijing Institute of Control and Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Control and Electronic Technology filed Critical Beijing Institute of Control and Electronic Technology
Priority to CN202010780130.7A priority Critical patent/CN111739049B/zh
Publication of CN111739049A publication Critical patent/CN111739049A/zh
Application granted granted Critical
Publication of CN111739049B publication Critical patent/CN111739049B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/24—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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于深空导航领域，具体涉及了一种基于图像的航天器导航方法、系统和图像边缘点提取方法，旨在解决现有技术中基于地外天体光学图像获取的导航信息精度不足的问题。本发明包括：获取灰度图像作为当前帧，根据空间信息划定图像处理区域，获取初始边缘点集，通过建立特征扫描框的方法对图像进行横向和纵向扫描，设置第一判定条件判定提取出的边缘点是真边缘点还是伪边缘点，舍弃伪边缘点将真边缘点集取并集得到目标天体的边缘点集，基于所述边缘点计算形心坐标，再基于所述形心坐标获取导航信息。本发明提高了深空导航中导航信息的获取精度。

Description

基于图像的航天器导航方法、系统和图像边缘点提取方法
技术领域
本发明属于深空探测领域，具体涉及了一种基于图像的航天器导航方法、系统和图像边缘点提取方法。
背景技术
地外天体探测是深空探测领域的重要方向。在接近目标天体的过程中，探测器一般会携带光学相机对目标天体成像并处理，然后将其用于自主导航及着陆点选取等任务需求。目前基于图像的导航方法，一般要先进行边缘点提取，再结合边缘点信息进行天体形心的获取，进而获取导航信息。因此，边缘点提取的精准度、形心提取的精准度直接影响着导航的精准度，对于着陆或撞击探测影响更大，甚至决定着陆或撞击任务的成功与否。
但现有方法中，由于地外天体所处的深空环境，所采集到的天体的光学图像与传统地面目标光学图像有显著的不同，除了相机本身带来的噪声以外，还受到太阳光照角度、探测器接近方位、目标本身自旋和表面凹凸阴影及背景中恒星光源等因素影响，因此传统的边缘提取算法不能满足深空探测的需要；而且传统的形心提取方法很多都是基于清晰图像获取的，也不能适应深空探测时采集到的行星图像，生搬硬套会带来较大误差；因此，基于现有的边缘提取方法、形心计算方法进行深空探测任务的导航，其导航的精准度较差，直接影响探测器着陆、撞击器撞击导引等对导航精度要求比较高的探测任务。
发明内容
为了解决现有技术中的上述问题，即现有方法中由于边缘提取不准确、形心提取不准确导致导航精度差的问题，本发明提供了一种基于图像的航天器导航方法，所述方法包括：
步骤S10，通过图像采集装置获取拍摄条件信息和带有目标天体的待检测视频，并将所述待检测视频转换为待检测帧序列；
步骤S20,按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
步骤S30,通过导航系统获取空间信息，基于所述空间信息在当前帧中划定图像处理区域；
步骤S40,基于所述图像处理区域，通过预设的第一方法获取目标天体的初始边缘点集；
步骤S50，基于所述空间信息和所述拍摄条件信息，建立特征扫描框；所述空间信息包括探测器与目标天体的相对距离和相对方位，目标天体的大小和形状；
步骤S60,基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；其中，所述特征扫描框为J×K个像素大小，框边宽度为1像素的框体；
步骤S70,将纵向和横向扫描得到的所述真边缘点集取并集得到目标天体边缘点集；
步骤S80，基于所述目标天体的边缘点集，通过标记算法计算所述目标天体边缘区域的形心坐标作为所述目标天体的形心坐标；
步骤S90，基于所述目标天体的形心坐标，获取所述探测器的导航信息。
进一步地，所述第一方法为Prewitt差分法；
Prewitt差分法通过像素点附近八个像素点的灰度进行差分，用公式表示为：
Figure 297951DEST_PATH_IMAGE001
若
Figure 839922DEST_PATH_IMAGE002
，则（
Figure 449895DEST_PATH_IMAGE003
）为边缘点；其中
Figure 744610DEST_PATH_IMAGE004
为预设的判定阈值，
Figure 47416DEST_PATH_IMAGE005
为坐标
Figure 279945DEST_PATH_IMAGE006
处的灰度。
进一步地，所述拍摄条件信息包括撞击坑尺寸信息、背景恒星特征、相机光圈和曝光时间参数。
进一步地，所述第一判定条件为：
待判定边缘点所在的连通域的所有边缘点被所述特征扫描框完全包含。
所述第一判定条件的判定过程为：
步骤B10，判断所述特征扫描框的框边是否存在边缘点，若存在边缘点进入步骤B20，否则进入步骤B30；
步骤B20，保持框内区域中各像素灰度不变，继续进行下一时刻的扫描；
步骤B30，将所述特征扫描框内部区域所有边缘点记为伪边缘点，继续进行下一时刻的扫描。
在一些优选地实施方式中，步骤S10后还包括：
将目标天体附近的天体设为参考天体群，根据所述参考天体群的图像颜色获取主要光源颜色在所述参考天体群中的渐变趋势，根据所述渐变趋势，增强目标天体在所述渐变趋势渐弱方向部分的主要光源颜色或减弱目标天体在所述渐变趋势渐强方向部分的主要光源颜色。
在一些优选地实施方式中，通过预设的第一方法获取目标天体的初始边缘点集还包括：
通过导航系统获取目标天体的自旋方向和自旋周期，基于所述自旋方向和自旋周期计算图像拍摄到的天体可视角度；基于当前帧的灰度值分布，将灰度梯度大的一边设定为清晰边界，灰度梯度小的一边设定为模糊边界；
基于所述可视角度和自旋周期计算清晰边界的点移动到模糊边界的位置所需的时间
Figure 693609DEST_PATH_IMAGE007
，记录初始时刻
Figure 577251DEST_PATH_IMAGE008
清晰边界的边缘点分布形状，以天体自旋的轴为对称轴将清晰边界的 边缘点分布形状的对称区域作为标准调整区，
Figure 50958DEST_PATH_IMAGE009
时刻在模糊边界的所述标准调整区 降低所述第一方法的判定阈值
Figure 505204DEST_PATH_IMAGE004
。
进一步地，步骤S80中“通过标记算法计算所述目标天体边缘区域的形心坐标”其方法为：
设目标天体边缘图像的像素点的灰度值为
Figure 456980DEST_PATH_IMAGE010
，其中，
Figure 460708DEST_PATH_IMAGE011
和
Figure 839736DEST_PATH_IMAGE012
分别为像素点在 图像中的行数和列数，其
Figure 296125DEST_PATH_IMAGE013
阶笛卡尔系几何矩阵为：
Figure 536745DEST_PATH_IMAGE014
其中，W和H分别为目标天体边缘图像的宽和高；
则目标天体的形心坐标
Figure 129400DEST_PATH_IMAGE015
为：
Figure 679330DEST_PATH_IMAGE016
。
本发明的第二方面，提出了一种图像边缘点提取方法，该方法采用基于图像的航天器导航方法中步骤S10-步骤S70的方法进行边缘点提取。
本发明的第三方面，提出了一种基于图像的航天器导航系统，包括：视频转换模块100、图像帧提取模块200、区域划定模块300、初步提取模块400、扫描框构建模块500、真边缘点确认模块600、边缘点组合模块700、形心提取模块800和导航信息获取模块900；
所述视频转换模块100，用于通过图像采集装置获取拍摄条件信息和带有目标天体的待检测视频，并将所述待检测视频转换为待检测帧序列；
所述图像帧提取模块200，用于按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
所述区域划定模块300，用于通过导航系统获取空间信息，基于所述空间信息在当前帧中划定图像处理区域；
所述初步提取模块400，用于基于所述图像处理区域，通过预设的第一方法获取目标天体的初始边缘点集；
所述扫描框构建模块500，用于基于所述空间信息和所述拍摄条件信息，建立特征扫描框；所述空间信息包括探测器与目标天体的相对距离和相对方位，目标天体的大小和形状；
所述真边缘点确认模块600，用于基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；
其中，所述特征扫描框为J×K个像素大小，框边宽度为1像素的框体；
所述边缘点组合模块700，用于舍弃伪边缘点，将纵向和横向扫描得到的所述真边缘点集取并集得到目标天体边缘点集；
所述形心提取模块800，用于基于所述目标天体的边缘点集，通过标记算法计算所述目标天体边缘区域的形心坐标作为所述目标天体的形心坐标；
所述导航信息获取模块900，用于基于所述目标天体的形心坐标，获取所述探测器的导航信息。
本发明的有益效果：
本发明通过设置扫描框对初步提取的边缘点集进行处理、基于探测器导航系统获取的空间信息划定图像处理区域、通过记录目标天体的高辨识度面的边缘点位置等方法提高了边缘点提取的准确度，并通过标记算法计算所述目标天体边缘区域的形心坐标，获得了目标天体的精准形心，基于该形心坐标获取导航信息，将导航信息应用于飞行设备的自主导航，提高了深空天体探测的导航精度，提高了制导效率，为深空飞行器导航、探测器小行星着陆、撞击器撞击探测等提供了精准的航行轨道信息。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1为本发明基于图像的航天器导航方法的流程示意图；
图2为本发明第一实施例中以火卫一为目标天体时得到的图像处理区域示意图；
图3为本发明第一实施例中以火卫一为目标天体时利用Prewitt差分法得到的火卫一初始边缘点集示意图；
图4为本发明第一实施例中以火卫一为目标天体时处理后得到的边缘点集示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
本发明的一种基于图像的航天器导航方法，所述方法包括：
步骤S10，通过图像采集装置获取拍摄条件信息和带有目标天体的待检测视频，并将所述待检测视频转换为待检测帧序列；
步骤S20，按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
步骤S30，通过导航系统获取空间信息，基于所述空间信息在当前帧中划定图像处理区域；
步骤S40，基于所述图像处理区域，通过预设的第一方法获取目标天体的初始边缘点集；
步骤S50，基于所述空间信息和所述拍摄条件信息，建立特征扫描框；所述空间信息包括探测器与目标天体的相对距离和相对方位，目标天体的大小和形状；
步骤S60，基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；其中，所述特征扫描框为J×K个像素大小，框边宽度为1像素的框体；
步骤S70,将纵向和横向扫描得到的所述真边缘点集取并集得到目标天体边缘点集；
步骤S80，基于所述目标天体的边缘点集，通过标记算法计算所述目标天体边缘区域的形心坐标作为所述目标天体的形心坐标；
步骤S90，基于所述目标天体的形心坐标，获取所述探测器的导航信息。
为了更清晰地对本发明基于图像的航天器导航方法进行说明，下面结合图1对本发明实施例中各步骤展开详述。
地外天体，尤其是小行星和火卫一等深空暗弱时变小天体的光学图像与传统地面目标光学图像有显著的不同，除了相机本身带来的噪声以外，还受到太阳光照角度、探测器接近方位、目标本身自旋和表面凹凸阴影及背景中恒星光源等因素影响。如果利用传统的边缘点提取方法，可能会导致获取的边缘点信息中存在大小形态各异的伪边缘点，影响探测器对目标信息的判断。另外对于像火卫一这类大行星附近的小卫星而言，探测器拍摄的光学图像背景中可能还会出现火星等大行星的高亮图像，导致目标天体的边缘点提取出现较大偏差或操作失败。
本发明第一实施例的基于图像的航天器导航方法，包括步骤S10-步骤S90，各步骤详细描述如下：
步骤S10，通过图像采集装置获取拍摄条件信息和带有目标天体的待检测视频，并将所述待检测视频转换为待检测帧序列。
在一些优选的实施方式中，在步骤S10后还包括：
如果目标天体附近的天体成分与目标天体类似，拍摄到的图像与目标天体颜色相近，相对距离较近；将目标天体附近的天体设为参考天体群，根据所述参考天体群的图像颜色获取主要光源颜色在所述参考天体群中的渐变趋势，根据所述渐变趋势，增强目标天体在所述渐变趋势渐弱方向部分的主要光源颜色或减弱目标天体在所述渐变趋势渐强方向部分的主要光源颜色。
通过对周边天体的图像分析，得到主要光源影响在目标天体所处环境的渐变趋势，并根据所述渐变趋势对目标天体图像颜色加以修正，便可消除由于目标天体表面各点距主要光源距离不同带来的图像颜色不同的影响。
步骤S20，按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
步骤S30,通过导航系统获取空间信息，基于所述空间信息在当前帧中划定图像处理区域；
利用探测器自身携带的导航体统，获取探测器自身和目标的状态信息，结合光照条件的先验信息计算探测器与目标天体的相对方位和相对距离，根据相对方位和相对距离确定目标天体在图像中的位置和大小，划定处理区域。
本发明通过基于探测器导航系统获取的空间信息划定图像处理区域，解决了现有技术中由于存在其它大行星的高亮图像，导致目标天体边缘点提取出现较大偏差或操作失败的问题。
在本实施例中，如图2所示，为本发明第一实施例中以火卫一为目标天体时得到的图像处理区域示意图，本实施例以火卫一为目标天体，在拍摄火卫一图像时，可能会收到火星的干扰。根据探测器、火星和火卫一的位置关系，可以获得三者之间的相对距离和相对方位，结合火卫一的大小和形状进而可以确定火卫一在当前拍摄时刻位于图像中的具体区域；以此为基础，根据相对方位等信息的估计准确度，确定一个合适的且能够完整包括火卫一的图像处理区域，并尽可能地排除火星地影响。
步骤S40,基于所述图像处理区域，通过预设的第一方法获取目标天体的初始边缘点集；
所述第一方法为Prewitt差分法；
Prewitt差分法通过像素点附近八个像素点的灰度进行差分，如式（1）所示：
Figure 623016DEST_PATH_IMAGE017
（1）
若
Figure 182173DEST_PATH_IMAGE002
，则（
Figure 380067DEST_PATH_IMAGE003
）为边缘点；其中
Figure 100899DEST_PATH_IMAGE004
为预设的判定阈值
Figure 266301DEST_PATH_IMAGE005
为坐标
Figure 363570DEST_PATH_IMAGE006
处的灰度。也可以根据实际需要，将
Figure 930817DEST_PATH_IMAGE004
设置为一个区间，当
Figure 573282DEST_PATH_IMAGE018
时，将（
Figure 225981DEST_PATH_IMAGE003
）标记为边缘点。
优选的，在本实施例中取T=20，提取结果如图3本发明第一实施例中以火卫一为目标天体时利用Prewitt差分法得到的火卫一初始边缘点集示意图所示。
在一些优选的实施方式中，还可通过导航系统获取目标天体的自旋方向和自旋周期，基于所述自旋方向和自旋周期计算图像拍摄到的天体可视角度；基于当前帧的灰度值分布，将灰度梯度大的一边设定为清晰边界，灰度梯度小的一边设定为模糊边界；
基于所述可视角度和自旋周期计算清晰边界的点移动到模糊边界的位置所需的时间
Figure 126940DEST_PATH_IMAGE007
，记录初始时刻
Figure 283115DEST_PATH_IMAGE008
清晰边界的边缘点分布形状，以天体自旋的轴为对称轴将清晰边界的 边缘点分布形状的对称区域作为标准调整区，
Figure 611328DEST_PATH_IMAGE009
时刻在模糊边界的所述标准调整区 降低所述第一方法的判定阈值
Figure 485744DEST_PATH_IMAGE004
。
本发明通过记录目标天体的高辨识度面的边缘点位置，并在目标天体自旋将高辨识度面的边缘点位置转到低辨识度面时，扩大判定范围，以解决由于目标天体自旋带来的边缘点提取出现偏差或操作失败的问题。
由于目标天体收到光照的影响，一定会出现一面为光照面，一面为阴影面，两面的提取边缘点的可辨识度不同，通过将辨识度高的一面作为清晰边界提取的边缘点记录其形状，计算其自旋到辨识度低的一面时，根据清晰边界提取的边缘点估计模糊边界边缘点的位置，有利于更好的提取边缘点。
步骤S50，基于所述空间信息和所述拍摄条件信息，建立特征扫描框；所述空间信息包括探测器与目标天体的相对距离和相对方位，目标天体的大小和形状；
所述拍摄条件信息包括撞击坑尺寸信息、背景恒星特征、相机光圈和曝光时间参数,本实施例中，根据目标的大小和形状，并根据光照条件和距离目标天体的相对距离，建立导航系统与目标天体的几何关系，从而确定能够描述目标天体在图像平面中大小的特征扫描框。
在本实施例中，根据火卫一表面主要撞击坑尺寸信息和背景恒星特征，结合相机光圈和曝光时间参数，选取正整数100和60，确定大小为100×60个像素点的特征扫描框，其框边的宽度为一个像素点，将该扫描框在处理区域分别沿图像横向和纵向逐行进行扫描。如果存在某一时刻，该扫描框能够将某一个单连通域或多连通域的边缘点完全包含于内，则判定该连通域的边缘点全部为伪边缘点并舍弃掉；
步骤S60，基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；
其中，所述特征扫描框为J×K个像素大小，框边宽度为1像素的框体；
第一判定条件的判定过程为：
步骤B10，判断所述特征扫描框的框边是否存在边缘点，若存在边缘点进入步骤B20，否则进入步骤B30；
步骤B20，保持框内区域中各像素灰度不变，继续进行下一时刻的扫描；
步骤B30，将所述特征扫描框内部区域所有边缘点记为伪边缘点，继续进行下一时刻的扫描。
本发明通过设置扫描框对初步提取的边缘点集进行处理，解决了传统边缘点提取方法无法消除各种环境因素引起的大量伪边缘点，导致提取的边缘点出现较大偏差或边缘点提取操作失败的问题。
步骤S70，舍弃伪边缘点，将纵向和横向扫描得到的所述真边缘点集取并集得到目标天体边缘点集。
在一些优选的实施方式中，还包括：实时记录提取的边缘点的总数，以时间S为横轴，边缘点总数为纵轴建立边缘点总数坐标系，在所述边缘点总数坐标系上绘制边缘点统计曲线，当边缘点统计曲线斜率超出预设的稳定阈值，或提取出的边缘点在目标天体图像一边过多而另一边过少时，提高拍摄帧数并启用多光谱相机拍摄；
所述多光谱相机将不可见光转换为可见光，在拍摄图像中显示；
通过记录提取的边缘点数，若提取的边缘点数出现突变表示目标天体可能由于遮挡及主要光源的照射角等因素造成光照条件剧烈变化而造成拍摄效果不佳，通过将不可见光的图像转化为可见光图像补充到拍摄图像中，可以获得更为清晰的图像作为当前帧，以便提高边缘点提取的精确度。
步骤S80，基于所述目标天体的边缘点集，通过标记算法计算所述目标天体边缘区域的形心坐标作为所述目标天体的形心坐标；
进一步地，“通过标记算法计算所述目标天体边缘区域的形心坐标”其方法为：
设目标天体边缘图像的像素点的灰度值为
Figure 941127DEST_PATH_IMAGE010
，其中，
Figure 482967DEST_PATH_IMAGE011
和
Figure 716502DEST_PATH_IMAGE012
分别为像素点在 图像中的行数和列数，其
Figure 343792DEST_PATH_IMAGE013
阶笛卡尔系几何矩阵如式（2）：
Figure 320976DEST_PATH_IMAGE014
（2）
其中，
Figure 468054DEST_PATH_IMAGE019
代表将p取值1，q取值0时，式（2）的值；
Figure 872491DEST_PATH_IMAGE020
代表将p取值0，q取值1时，式（2） 的值；
Figure 987077DEST_PATH_IMAGE021
代表将p取值0，q取值0时，式（2）的值。
其中，W和H分别为目标天体边缘图像的宽和高；
则目标天体的形心坐标
Figure 767951DEST_PATH_IMAGE022
如式（3）所示：
Figure 18804DEST_PATH_IMAGE016
（3）。
步骤S90，基于所述目标天体的形心坐标，获取所述探测器的导航信息。
本实施例中，最终剔除了伪边缘点得到的目标天体边缘点集的图像如图4本发明第一实施例中以火卫一为目标天体时处理后得到的边缘点集示意图所示。
本发明的第二实施例，提供一种图像边缘点提取方法，该方法包含基于图像的航天器导航方法中步骤S10-步骤S70的方法进行边缘点提取。
本发明的第三实施例，提供一种基于图像的航天器导航系统，包括：视频转换模块100、图像帧提取模块200、区域划定模块300、初步提取模块400、扫描框构建模块500、真边缘点确认模块600、边缘点组合模块700、形心提取模块800和导航信息获取模块900；
所述视频转换模块100，用于通过图像采集装置获取拍摄条件信息和带有目标天体的待检测视频，并将所述待检测视频转换为待检测帧序列；
所述图像帧提取模块200，用于按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；
所述区域划定模块300，用于通过导航系统获取空间信息，基于所述空间信息在当前帧中划定图像处理区域；
所述初步提取模块400，用于基于所述图像处理区域，通过预设的第一方法获取目标天体的初始边缘点集；
所述扫描框构建模块500，用于基于所述空间信息和所述拍摄条件信息，建立特征扫描框；
所述真边缘点确认模块600，用于基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；
其中，所述特征扫描框为J×K个像素大小，框边宽度为1像素的框体；
所述边缘点组合模块700，用于舍弃伪边缘点，将纵向和横向扫描得到的所述真边缘点集取并集得到目标天体边缘点集；
所述形心提取模块800，用于基于所述目标天体的边缘点集，通过标记算法计算所述目标天体边缘区域的形心坐标作为所述目标天体的形心坐标；
所述导航信息获取模块900，用于基于所述目标天体的形心坐标，获取所述探测器的导航信息。
所属技术领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程及有关说明，可以参考前述方法实施例中的对应过程，在此不再赘述。
需要说明的是，上述实施例提供的基于图像的航天器导航系统，仅以上述各功能模块的划分进行举例说明，在实际应用中，可以根据需要而将上述功能分配由不同的功能模块来完成，即将本发明实施例中的模块或者步骤再分解或者组合，例如，上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块，以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块及步骤的名称，仅仅是为了区分各个模块或者步骤，不视为对本发明的不当限定。
本领域技术人员应该能够意识到，结合本文中所公开的实施例描述的各示例的模块及方法步骤，能够以电子硬件及计算机软件或者二者的结合来实现，软件模块和方法步骤对应的程序可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
术语“第一”和“第二”等是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (10)

1.一种基于图像的航天器导航方法，其特征在于，所述方法包括：步骤S10，通过图像采集装置获取拍摄条件信息和带有目标天体的待检测视频，并将所述待检测视频转换为待检测帧序列；步骤S20,按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；步骤S30,通过导航系统获取空间信息，基于所述空间信息在当前帧中划定图像处理区域；步骤S40,基于所述图像处理区域，通过预设的第一方法获取目标天体的初始边缘点集；步骤S50，基于所述空间信息和所述拍摄条件信息，建立特征扫描框；所述空间信息包括探测器与目标天体的相对距离和相对方位，目标天体的大小和形状；步骤S60,基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；其中，所述特征扫描框为J×K个像素大小，框边宽度为1像素的框体；步骤S70,将纵向和横向扫描得到的所述真边缘点集取并集得到目标天体边缘点集；步骤S80，基于所述目标天体的边缘点集，通过标记算法计算所述目标天体边缘区域的形心坐标作为所述目标天体的形心坐标；步骤S90，基于所述目标天体的形心坐标，获取所述探测器的导航信息。
2.根据权利要求1所述的基于图像的航天器导航方法，其特征在于，所述第一方法为 Prewitt差分法；所述Prewitt差分法通过像素点附近八个像素点的灰度进行差分：
Figure 363552DEST_PATH_IMAGE001
若
Figure 749534DEST_PATH_IMAGE002
，则
Figure 263692DEST_PATH_IMAGE003
为边缘点；其中
Figure 127743DEST_PATH_IMAGE004
为预设的判定阈值，
Figure 410957DEST_PATH_IMAGE005
为坐标
Figure 718572DEST_PATH_IMAGE006
处的灰度。
3.根据权利要求1所述的基于图像的航天器导航方法，其特征在于，所述拍摄条件信息包括撞击坑尺寸信息、背景恒星特征、相机光圈和曝光时间参数。
4.根据权利要求1所述的基于图像的航天器导航方法，其特征在于，所述第一判定条件为：待判定边缘点所在的连通域的所有边缘点被所述特征扫描框完全包含。
5.根据权利要求4所述的基于图像的航天器导航方法，其特征在于，步骤S60中“将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点”，其方法为：步骤B10，判断所述特征扫描框的框边是否存在边缘点，若存在边缘点进入步骤B20，否则进入步骤B30；步骤B20，保持框内区域中各像素灰度不变，继续进行下一时刻的扫描；步骤B30，将所述特征扫描框内部区域所有边缘点记为伪边缘点，继续进行下一时刻的扫描。
6.根据权利要求1所述的基于图像的航天器导航方法，其特征在于，步骤S10之后还包括：将目标天体附近的天体设为参考天体群，根据所述参考天体群的图像颜色获取主要光源颜色在所述参考天体群中的渐变趋势，根据所述渐变趋势，增强目标天体在所述渐变趋势渐弱方向部分的主要光源颜色或减弱目标天体在所述渐变趋势渐强方向部分的主要光源颜色。
7.根据权利要求2所述的基于图像的航天器导航方法，其特征在于，所述通过预设的第 一方法获取目标天体的初始边缘点集还包括：通过导航系统获取目标天体的自旋方向和自 旋周期，基于所述自旋方向和自旋周期计算图像拍摄到的天体可视角度；基于当前帧的灰 度值分布，将灰度梯度大的一边设定为清晰边界，灰度梯度小的一边设定为模糊边界；基于 所述可视角度和自旋周期计算清晰边界的点移动到模糊边界的位置所需的时间
Figure 454447DEST_PATH_IMAGE007
，记录初 始时刻
Figure 122189DEST_PATH_IMAGE008
清晰边界的边缘点分布形状，以天体自旋的轴为对称轴将清晰边界的边缘点分布 形状的对称区域作为标准调整区，
Figure 525489DEST_PATH_IMAGE009
时刻在模糊边界的所述标准调整区降低所述第 一方法的判定阈值
Figure 987694DEST_PATH_IMAGE004
。
8.根据权利要求1所述的基于图像的航天器导航方法，其特征在于，步骤S80中“通过标 记算法计算所述目标天体边缘区域的形心坐标”其方法为：设目标天体边缘图像的像素点 的灰度值为
Figure 725712DEST_PATH_IMAGE010
，其中，
Figure 931565DEST_PATH_IMAGE011
和
Figure 923792DEST_PATH_IMAGE012
分别为像素点在图像中的行数和列数，其
Figure 88057DEST_PATH_IMAGE013
阶 笛卡尔系几何矩阵为：
Figure 798524DEST_PATH_IMAGE014
其中，W 和H分别为目标天体边缘图像的宽和高；则目标天体的形心坐标
Figure 558801DEST_PATH_IMAGE015
为：
Figure 671113DEST_PATH_IMAGE016
。
9.一种图像边缘点提取方法，其特征在于，该方法采用权利要求1-7中任一项所述的基于图像的航天器导航方法中步骤S10-步骤S70的方法进行边缘点提取。
10.一种基于图像的航天器导航系统，其特征在于，所述系统包括：视频转换模块100、图像帧提取模块200、区域划定模块300、初步提取模块400、扫描框构建模块500、真边缘点确认模块600、边缘点组合模块700、形心提取模块800和导航信息获取模块900；所述视频转换模块100，用于通过图像采集装置获取拍摄条件信息和带有目标天体的待检测视频，并将所述待检测视频转换为待检测帧序列；所述图像帧提取模块200，用于按照时间顺序从所述待检测帧序列中提取出一帧转换为灰度图像作为当前帧；所述区域划定模块300，用于通过导航系统获取空间信息，基于所述空间信息在当前帧中划定图像处理区域；所述初步提取模块400，用于基于所述图像处理区域，通过预设的第一方法获取目标天体的初始边缘点集；所述扫描框构建模块500，用于基于所述空间信息和所述拍摄条件信息，建立特征扫描框；所述空间信息包括探测器与目标天体的相对距离和相对方位，目标天体的大小和形状；所述真边缘点确认模块600，用于基于所述特征扫描框，对所述初始边缘点集分别进行横向和纵向逐行扫描，将所有满足第一判定条件的点设定为伪边缘点，其余为真边缘点；其中，所述特征扫描框为J×K个像素大小，框边宽度为1像素的框体；所述边缘点组合模块700，用于舍弃伪边缘点，将纵向和横向扫描得到的所述真边缘点集取并集得到目标天体边缘点集；所述形心提取模块800，用于基于所述目标天体的边缘点集，通过标记算法计算所述目标天体边缘区域的形心坐标作为所述目标天体的形心坐标；
所述导航信息获取模块900，用于基于所述目标天体的形心坐标，获取所述探测器的导航信息。
CN202010780130.7A 2020-08-05 2020-08-05 基于图像的航天器导航方法、系统和图像边缘点提取方法 Active CN111739049B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010780130.7A CN111739049B (zh) 2020-08-05 2020-08-05 基于图像的航天器导航方法、系统和图像边缘点提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010780130.7A CN111739049B (zh) 2020-08-05 2020-08-05 基于图像的航天器导航方法、系统和图像边缘点提取方法

Publications (2)

Publication Number Publication Date
CN111739049A true CN111739049A (zh) 2020-10-02
CN111739049B CN111739049B (zh) 2020-12-01

Family

ID=72657990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010780130.7A Active CN111739049B (zh) 2020-08-05 2020-08-05 基于图像的航天器导航方法、系统和图像边缘点提取方法

Country Status (1)

Country Link
CN (1) CN111739049B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106353032A (zh) * 2015-10-10 2017-01-25 北京控制与电子技术研究所 一种欠光照条件下的天体形心快速检测方法
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
US10234533B2 (en) * 2016-09-09 2019-03-19 The Charles Stark Draper Laboratory, Inc. Position determination by observing a celestial object transit the sun or moon
CN110095123A (zh) * 2019-05-31 2019-08-06 北京理工大学 不规则小天体表面路标观测信息评价优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106353032A (zh) * 2015-10-10 2017-01-25 北京控制与电子技术研究所 一种欠光照条件下的天体形心快速检测方法
US10234533B2 (en) * 2016-09-09 2019-03-19 The Charles Stark Draper Laboratory, Inc. Position determination by observing a celestial object transit the sun or moon
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
CN110095123A (zh) * 2019-05-31 2019-08-06 北京理工大学 不规则小天体表面路标观测信息评价优化方法

Also Published As

Publication number Publication date
CN111739049B (zh) 2020-12-01

Similar Documents

Publication Publication Date Title
Riquelme et al. Identification of rock slope discontinuity sets from laser scanner and photogrammetric point clouds: A comparative analysis
KR100780464B1 (ko) 별센서에서의 별 중심찾기 방법
CN108305288B (zh) 用于静止轨道对地观测卫星线列仪器的恒星质心提取方法
CN110889327B (zh) 一种基于热红外图像的水域周边排污口智能检测方法
CN104949677A (zh) 一种漂移扫描同步卫星实时定轨方法
CN109671109B (zh) 密集点云生成方法及系统
CN112529827A (zh) 遥感图像融合模型的训练方法及装置
CN111161295A (zh) 一种菜品图像背景剥离方法
CN104156977B (zh) 基于多线列时差扫描扩展采样的点目标运动速度探测方法
CN111739049B (zh) 基于图像的航天器导航方法、系统和图像边缘点提取方法
Savoy et al. Geo-referencing and stereo calibration of ground-based whole sky imagers using the sun trajectory
CN111739050B (zh) 基于Zynq的姿态测量和天体形心提取的飞行器导航系统
JP2020015416A (ja) 画像処理装置
CN116740332B (zh) 基于区域检测的星上空间目标部件中心定位和测角方法
CN105681677B (zh) 一种高分辨率光学遥感卫星相机最佳焦面确定方法
CN115205825B (zh) 基于改进yolov5的行车视频序列图像检测识别交通标志方法
CN104484647B (zh) 一种高分辨率遥感图像云高度检测方法
Ke et al. Individual tree crown detection and delineation from high spatial resolution imagery using active contour and hill-climbing methods
CN113532446B (zh) 一种基于迭代遍历的星敏感器抗杂光星点提取方法及装置
Jende et al. Low-level tie feature extraction of mobile mapping data (mls/images) and aerial imagery
Chen et al. A simulation-augmented benchmarking framework for automatic RSO streak detection in single-frame space images
CN114359403A (zh) 一种基于非完整性蘑菇图像的三维空间视觉定位方法、系统及装置
CN112257667A (zh) 一种小型船只检测方法、装置、电子设备及存储介质
CN112053310B (zh) 一种ccd图像中空间目标的拖尾星象定心方法
CN113421301B (zh) 一种田间作物中心区域定位方法及系统

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