CN111739050A - 基于Zynq的姿态测量和天体形心提取的飞行器导航系统 - Google Patents
基于Zynq的姿态测量和天体形心提取的飞行器导航系统 Download PDFInfo
- Publication number
- CN111739050A CN111739050A CN202010779298.6A CN202010779298A CN111739050A CN 111739050 A CN111739050 A CN 111739050A CN 202010779298 A CN202010779298 A CN 202010779298A CN 111739050 A CN111739050 A CN 111739050A
- Authority
- CN
- China
- Prior art keywords
- image
- celestial body
- module
- aircraft
- target celestial
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 48
- 238000005259 measurement Methods 0.000 title claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 35
- 238000013500 data storage Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 46
- 230000008859 change Effects 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001965 increasing effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 230000003313 weakening effect Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 abstract description 6
- 238000003384 imaging method Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
Abstract
本发明属于深空探测飞行器导航领域,具体涉及了一种基于Zynq的姿态测量和天体形心提取的飞行器导航系统,旨在解决深空探测中,飞行器进入撞击轨道后无法通过星图成像和天体图像的识别,完成飞行器的自主导航及现有导航系统集成度低的问题。本发明包括:Zynq系统,进行图像采集模块配置、图像预处理以及通过姿态测量和形心提取方法获取飞行器的姿态及目标天体的形心坐标;图像采集模块根据Zynq系统的配置和命令进行图像采集;数据存储模块存储预处理后的数据;导航模块进行飞行器飞行导航。本发明将飞行器的星敏感器和末制导段导航高度集成,结合集成度高的Zynq系统,可完成飞行器的定姿、定轨和目标导引,飞行器的体积、重量小。
Description
技术领域
本发明属于深空探测飞行器导航领域,具体涉及了一种基于Zynq的姿态测量和天体形心提取的飞行器导航系统。
背景技术
随着空间技术的发展与进步,深空探测的手段由最初的飞越探测发展到目前的环绕、着陆、巡视、采样等多方式组合探测。相对于环绕、着陆等探测方式,撞击探测具有获取目标天体内部信息的独特科学价值和验证远距离非合作目标高精度自主撞击技术的工程价值。
自主导航系统通过图像处理可以提供飞行器与目标相对轨道随时间变化的观测数据。为了完成飞行器进入撞击轨道后的导航和制导,图像处理需要从导航图像中识别出可供使用的导航目标,并对其进行连续的跟踪,实现自主识别、自主跟踪、自主撞击。由于目标的表面反射率有限,并且表面大多坑洼不平,在图像中目标本身灰度分布不均匀且存在阴影,因此,对目标的识别有一定技术难度。同时,受飞行器自身重量、体积的限制,对于硬件的集成度要求很高。
目前常见的空间探测飞行器功能性能单一,不具备光学导引和自主导航功能,需要依靠地面测控站控制来实现导航和制导,并且其导航系统为FPGA+DSP架构,集成度低,导致飞行器的自身重量和体积较大。
发明内容
为了解决现有技术中的上述问题,即深空探测中,飞行器进入撞击轨道后,无法通过星图成像和天体图像的识别,完成飞行器的自主导航以及现有导航系统集成度低的问题,本发明提供了一种基于Zynq的姿态测量和天体形心提取的飞行器导航系统,该导航系统包括Zynq系统、图像采集模块、数据存储模块和导航模块;所述Zynq系统包括PL模块和PS模块;所述PL模块和PS模块通过AXI总线进行数据传输;所述PL模块,用于配置所述图像采集模块的图像传感器参数和时钟控制,获取所述PS模块发送的图像采集指令并发送至所述图像采集模块以及对所述图像采集模块发送的图像进行预处理,获得目标天体图像,将所述目标天体图像通过AXI-VDMA通道发送至所述数据存储模块,并发送图像预处理完成指令至所述PS模块;所述PS模块,用于生成图像采集指令并发送至所述PL模块以及基于所述PL模块发送的图像预处理完成指令,获取所述目标天体图像,进行阈值分割、连通域分析和干扰剔除后,通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角,并通过四元数法获取飞行器在惯性空间的姿态和/或基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标;所述图像采集模块,依据所述PL模块发送的图像传感器参数和时钟控制进行图像传感器配置,在接收到所述PL模块发送的图像采集指令后进行图像采集并将采集的图像发送至所述PL模块;所述导航模块,基于所述PS模块获取的飞行器在惯性空间的姿态以及天体的形心坐标,获取飞行器的飞行方向调整角以及速度调整量,进行飞行器的飞行导航。
在一些优选的实施例中,所述PL模块包括传感器配置单元、图像数据接收单元和图像预处理单元;所述传感器配置单元,用于配置所述图像采集模块的图像传感器参数和时钟控制以及获取所述PS模块发送的图像采集指令并发送至所述图像采集模块;所述图像数据接收模块,用于接收所述图像采集模块采集的图像,并发送至所述图像预处理单元;所述图像预处理单元,对所述图像采集模块采集的图像进行预处理,获得目标天体图像,将所述目标天体图像通过AXI-VDMA通道发送至所述数据存储模块,并发送图像预处理完成指令至所述PS模块。
在一些优选的实施例中,所述PS模块包括控制和计算核心单元和算法运行单元;
所述控制和计算核心单元,用于生成图像采集指令并发送至所述PL模块以及基于所述PL模块发送的图像预处理完成指令,获取所述目标天体图像,并生成姿态获取指令和/或形心提取指令,将所述指令以及所述目标天体图像发送至算法运行单元;所述算法运行单元,用于接收指令和所述目标天体图像,判断并执行:若为姿态获取指令,则进行所述目标天体图像的阈值分割、连通域分析和干扰剔除后,通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角,并通过四元数法获取飞行器在惯性空间的姿态;若为形心提取指令,则基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标。
在一些优选的实施例中,所述图像采集模块为CMV4000图像传感器。
在一些优选的实施例中,“对所述图像采集模块发送的图像进行预处理,获得目标天体图像”,其方法为:对所述图像采集模块发送的图像进行中值滤波、直方图处理和图像降维,获得目标天体图像。
在一些优选的实施例中,“通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角”,其方法为:通过三角形星图匹配法获取三角形匹配组,并通过增加的检测星校验是否与所述三角形匹配组存在相同的公共边,若存在公共边,则以三角形匹配组与检测星作为检测四面体,通过哈希查找,获取飞行器姿态角。
在一些优选的实施例中,“基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标”,其方法为:步骤S10,基于天体在所述目标天体图像中的像素大小,对所述目标天体图像进行降采样;步骤S20,对降采样后的目标天体图像,通过分割算法、膨胀算法、腐蚀算法和边缘处理算法,获得目标天体边缘图像;步骤S30,通过标记算法计算所述目标天体边缘图像的形心坐标,即为预处理后的图像中目标天体的形心坐标。
在一些优选的实施例中,步骤S10中“基于天体在所述目标天体图像中的像素大小,对所述目标天体图像进行降采样”,其方法为:设M和N分别为目标天体图像中目标天体的长和宽,CYN分别取值1、2、4或8作为图像降采样的倍率:
若Max(M、N)≤128,则CYN取值1;
若128<Max(M、N)≤256,则CYN取值2;
若256<Max(M、N)≤512,则CYN取值4;
若Max(M、N)>512,则CYN取值8。
在一些优选的实施例中,步骤S30中“通过标记算法计算所述目标天体边缘图像的
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,其中,和分别为像素点在图像中的行数和列数,其阶笛卡尔系几何矩阵为:
在一些优选的实施例中,步骤S10之前还包括: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。
本发明的有益效果:(1)本发明基于Zynq的姿态测量和天体形心提取的飞行器导航系统,相比目前常见的空间探测飞行器采用两套独立系统进行姿态测量和末制导段导航,本发明将探测飞行器的星敏感器和末制导段导航高度集成,具备定姿、定轨和目标导引等多种功能,并且无需环绕器或者地面测控站参与控制,即可完成飞行器的定姿、定轨和目标导引等。
(2)本发明基于Zynq的姿态测量和天体形心提取的飞行器导航系统,基于Zynq平台进行搭建,相比传统的FPGA+DSP架构,Zynq平台集成度更高,从而飞行器的体积、重量更小,并且充分利用软硬件平台进行图像数据的交互、控制和处理,配合高效、准确的控制算法,可以实现空间探测飞行器系统全自主光学导航导引。
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是本发明基于Zynq的姿态测量和天体形心提取的飞行器导航系统的结构框架示意图。
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。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本发明的一种基于Zynq的姿态测量和天体形心提取的飞行器导航系统,该导航系统包括Zynq系统、图像采集模块、数据存储模块和导航模块;所述Zynq系统包括PL模块和PS模块;所述PL模块和PS模块通过AXI总线进行数据传输;所述PL模块,用于配置所述图像采集模块的图像传感器参数和时钟控制,获取所述PS模块发送的图像采集指令并发送至所述图像采集模块以及对所述图像采集模块发送的图像进行预处理,获得目标天体图像,将所述目标天体图像通过AXI-VDMA通道发送至所述数据存储模块,并发送图像预处理完成指令至所述PS模块;所述PS模块,用于生成图像采集指令并发送至所述PL模块以及基于所述PL模块发送的图像预处理完成指令,获取所述目标天体图像,进行阈值分割、连通域分析和干扰剔除后,通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角,并通过四元数法获取飞行器在惯性空间的姿态和/或基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标;所述图像采集模块,依据所述PL模块发送的图像传感器参数和时钟控制进行图像传感器配置,在接收到所述PL模块发送的图像采集指令后进行图像采集并将采集的图像发送至所述PL模块;所述导航模块,基于所述PS模块获取的飞行器在惯性空间的姿态以及天体的形心坐标,获取飞行器的飞行方向调整角以及速度调整量,进行飞行器的飞行导航。
为了更清晰地对本发明基于Zynq的姿态测量和形心提取的导航系统进行说明,下面结合图1对本发明实施例中各模块展开详述。
本发明一种实施例的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,包括Zynq系统、图像采集模块、数据存储模块和导航模块,各模块详细描述如下:Zynq系统包括PL模块和PS模块,PL模块和PS模块通过AXI总线进行数据传输。
本发明一个实施例中,Zynq平台选用Xilinx Zynq-7045系列,该系列全可编程片上的系统采用了微处理器加可编程逻辑的结构,集成双核ARM Cortex A9处理系统(PS模块)和高达500多万门的可编程逻辑(PL模块),为嵌入式系统提供了更加灵活的解决方案。
PL模块,用于配置图像采集模块的图像传感器参数和时钟控制,获取PS模块发送的图像采集指令并发送至图像采集模块以及对图像采集模块发送的图像进行预处理,获得目标天体图像,将目标天体图像通过AXI-VDMA通道发送至数据存储模块,并发送图像预处理完成指令至PS模块。
PL模块包括传感器配置单元、图像数据接收单元和图像预处理单元:传感器配置单元,用于配置图像采集模块的图像传感器参数和时钟控制以及获取PS模块发送的图像采集指令并发送至图像采集模块;图像数据接收模块,用于接收图像采集模块采集的图像,并发送至图像预处理单元;图像预处理单元,对图像采集模块采集的图像进行预处理,获得目标天体图像,将目标天体图像通过AXI-VDMA通道发送至数据存储模块,并发送图像预处理完成指令至PS模块。
对于姿态测量和形心提取,图像预处理单元进行图像预处理的过程一样:对图像采集模块发送的图像进行中值滤波、直方图处理和图像降维,获得目标天体图像。
将预处理后的目标天体图像发送至AXI-VDMA通道,AXI-VDMA通道检测到有新数据到来时,自动将数据搬运到数据存储模块。AXI-VDMA是Xilinx提供的软核IP,是专门为搬运视频或者高速图像数据而开发的IP核,使用该IP核可以使数据搬运过程不需要占用处理器资源,同时完成高效搬运。
PS模块,用于生成图像采集指令并发送至PL模块以及基于PL模块发送的图像预处理完成指令,获取所述目标天体图像,进行阈值分割、连通域分析和干扰剔除后,通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角,并通过四元数法获取飞行器在惯性空间的姿态和/或基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标。
PS模块包括控制和计算核心单元和算法运行单元:控制和计算核心单元,用于生成图像采集指令并发送至PL模块以及基于PL模块发送的图像预处理完成指令,获取目标天体图像,并生成姿态获取指令和/或形心提取指令,将指令以及目标天体图像发送至算法运行单元;算法运行单元,用于接收指令和目标天体图像,判断并执行:若为姿态获取指令,则进行目标天体图像的阈值分割、连通域分析和干扰剔除后,通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角,并通过四元数法获取飞行器在惯性空间的姿态;若为形心提取指令,则基于天体在目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标。
PS模块以CPU0作为整个系统的控制和计算核心,分别在观星时刻和观测目标时刻,向PL模块发送图像采集命令,PL模块开始进行图像采集以及预处理工作,最终将图像数据存储至数据存储模块中,并向PS模块发送图像预处理完成指令。PS模块的CPU0开始将图像数据进行上传,同时CPU1根据CPU0的任务提示开始运行姿态测量算法或形心提取算法,将算法结果存储至共享内存中。
由于图像数据为2048*2048Bytes,上传数据耗时较多,并且两种算法也需要耗费时间,因此将算法任务分配至CPU1中运行,提高了系统运行的实时性。
“通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角”,其方法为:
通过三角形星图匹配法获取三角形匹配组,并通过增加的检测星校验是否与所述三角形匹配组存在相同的公共边,若存在公共边,则以三角形匹配组与检测星作为检测四面体,通过哈希查找,获取飞行器姿态角。
本发明一个实施例中,为了提高成功率,加速匹配过程,改进的三角形算法增加了第四颗星检测,即选择第4颗星校验是否与前面的匹配组存在相同的公共边,特征维数变成四维,并对其他待测星进行逐一验证,提高了成功识别率;同时,在匹配时采用哈希查找的方式,其原理是通过事先建立好的映射关系直接计算出所要查找信息的存储地址,采用这种方式只用1次就可以得到查找地址,可大幅提高识别速度。
三角形算法是星图匹配算法中较为常见和成熟的方法,在一些实施例中,可以根据需要选择三角形算法或对三角形算法进行不同方向的改进来实现星图匹配,还可以选择其他的星图匹配算法,比如向量索引法、字符串索引法、无需标定参数识别法和基于神经网络和支持向量机法等。对于各种星图匹配算法的描述,可参考时圣革、雷肖剑、于长海,星图识别三角形算法综述,光电技术应用第29卷第5期,2014.10,本发明在此不一一详述。
“基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标”,其方法为:步骤S10,基于天体在所述目标天体图像中的像素大小,对所述目标天体图像进行降采样。
设M和N分别为目标天体图像中目标天体的长和宽,CYN分别取值1、2、4或8作为图像降采样的倍率:
若Max(M、N)≤128,则CYN取值1;
若128<Max(M、N)≤256,则CYN取值2;
若256<Max(M、N)≤512,则CYN取值4;
若Max(M、N)>512,则CYN取值8。
步骤S10之前还包括: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。
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,对降采样后的目标天体图像,通过分割算法、膨胀算法、腐蚀算法和边缘处理算法,获得目标天体边缘图像。
利用飞行器自身携带的导航体统,获取飞行器自身和目标天体的状态信息,包括飞行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等,结合光照条件的先验信息计算飞行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,进行目标天体的分割。
本发明一个实施例中,通过Prewitt差分法进行目标天体边缘图像的提取,在其他实施例中,还可以选择其他的算子进行边缘提取,比如Canny算子、Roberts算子、Sobel算子和拉普拉斯算子等等。
为了消除噪声的影响,在进行边缘提取之前,还可以通过高斯函数、插值法、线性平滑法和卷积法等进行图像的平滑操作,本发明在此不一一详述。
为了提高边缘检测的精度和效率,还可以通过以下方法进行目标天体图像边缘点集信息的补充:通过导航系统获取目标天体的自旋方向和自旋周期,标记t1时刻目标天体高辨识度面的边缘点集,计算高辨识度面的边缘点集出现在低辨识度面的时刻t2;在t2时刻采用t1时刻目标天体高辨识度面的边缘点集补充其对应位置的边缘点集。
步骤S30,通过标记算法计算所述目标天体边缘图像的形心坐标,即为预处理后的
图像中目标天体的形心坐标:设目标天体边缘图像的像素点的灰度值为,其中,和分别为像素点在图像中的行数和列数,其阶笛卡尔系几何矩阵如式(1)所
示:
目标天体的形心坐标的准确度直接影响到飞行器的导航效果,在飞行器飞向目标天体的过程中,步骤S30之后还包括:步骤S40,根据设定的时间间隔多次获取目标天体的形心坐标,并将所述形心坐标转换为天文坐标作为离散点进行曲线拟合,获得目标天体的拟合轨迹;通过星历获取目标天体的运行轨迹;步骤S50,计算t时刻目标天体的拟合轨迹与运行轨迹之间的距离以及目标天体的拟合轨迹各时刻的切线的斜率;步骤S60,若t时刻距离或t与t+1时刻的斜率变化率大于设定阈值,则启动多光谱相机,在t+1与t+2时刻之间增加一次获取目标天体多谱段叠加图像操作,并进行目标天体的形心坐标计算。
本发明一个实施例中,选用多镜头型多光谱相机,它具有4-9个镜头,每个镜头各有一个滤光片,分别让一种较窄光谱的光(比如不同谱段的红外光、紫外光等)通过,多个镜头同时拍摄同一目标,用一张图像同时记录几个不同光谱带的目标图像信息。多光谱相机可以将目标天体的可见光和不可见光图像叠加,增加了图像中的信息,大大提高了后续进行边缘提取以及形心坐标的计算的准确率。
由于多光谱相机获取的图像,需要进行图像叠加,其图像处理时间较长,消耗的能量也较大,因此,只有在判别到图像不够清晰或获取的形心坐标准确度较低的时候,才启用多光谱相机,避免消耗过多的能量。
图像采集模块,依据PL模块发送的图像传感器参数和时钟控制进行图像传感器配置,在接收到所述PL模块发送的图像采集指令后进行图像采集并将采集的图像发送至PL模块。
本发明一个实施例中,图像采集模块的CMOS图像传感器选用CMV4000型号的图像传感器,该传感器最大分辨率为2048*2048,图像输出按照每个像素位数的不同分成两种模式:10-bit模式和12-bit模式。本发明选用10bit模式,4通道差分输出模式。图像传感器在工作时,每个差分通道以最高480Mbps的速度输出串行数据流,每10bit数据组成一个完整像素数据,整个CMV4000图像传感器数据率为1920Mbps。
导航模块,基于PS模块获取的飞行器在惯性空间的姿态以及天体的形心坐标,获取飞行器的飞行方向调整角以及速度调整量,进行飞行器的飞行导航。
需要说明的是,上述实施例提供的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,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、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。
术语“第一”、“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Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,该导航系统包括Zynq系统、图像采集模块、数据存储模块和导航模块;所述Zynq系统包括PL模块和PS模块;所述PL模块和PS模块通过AXI总线进行数据传输;所述PL模块,用于配置所述图像采集模块的图像传感器参数和时钟控制,获取所述PS模块发送的图像采集指令并发送至所述图像采集模块以及对所述图像采集模块发送的图像进行预处理,获得目标天体图像,将所述目标天体图像通过AXI-VDMA通道发送至所述数据存储模块,并发送图像预处理完成指令至所述PS模块;所述PS模块,用于生成图像采集指令并发送至所述PL模块以及基于所述PL模块发送的图像预处理完成指令,获取所述目标天体图像,进行阈值分割、连通域分析和干扰剔除后,通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角,并通过四元数法获取飞行器在惯性空间的姿态和/或基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标;所述图像采集模块,依据所述PL模块发送的图像传感器参数和时钟控制进行图像传感器配置,在接收到所述PL模块发送的图像采集指令后进行图像采集并将采集的图像发送至所述PL模块;所述导航模块,基于所述PS模块获取的飞行器在惯性空间的姿态以及天体的形心坐标,获取飞行器的飞行方向调整角以及速度调整量,进行飞行器的飞行导航。
2.根据权利要求1所述的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,所述PL模块包括传感器配置单元、图像数据接收单元和图像预处理单元;所述传感器配置单元,用于配置所述图像采集模块的图像传感器参数和时钟控制以及获取所述PS模块发送的图像采集指令并发送至所述图像采集模块;所述图像数据接收模块,用于接收所述图像采集模块采集的图像,并发送至所述图像预处理单元;所述图像预处理单元,对所述图像采集模块采集的图像进行预处理,获得目标天体图像,将所述目标天体图像通过AXI-VDMA通道发送至所述数据存储模块,并发送图像预处理完成指令至所述PS模块。
3.根据权利要求1所述的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,所述PS模块包括控制和计算核心单元和算法运行单元;所述控制和计算核心单元,用于生成图像采集指令并发送至所述PL模块以及基于所述PL模块发送的图像预处理完成指令,获取所述目标天体图像,并生成姿态获取指令和/或形心提取指令,将所述指令以及所述目标天体图像发送至算法运行单元;所述算法运行单元,用于接收指令和所述目标天体图像,判断并执行:若为姿态获取指令,则进行所述目标天体图像的阈值分割、连通域分析和干扰剔除后,通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角,并通过四元数法获取飞行器在惯性空间的姿态;若为形心提取指令,则基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标。
4.根据权利要求1-3任一项所述的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,所述图像采集模块为CMV4000图像传感器。
5.根据权利要求1所述的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,“对所述图像采集模块发送的图像进行预处理,获得目标天体图像”,其方法为:对所述图像采集模块发送的图像进行中值滤波、直方图处理和图像降维,获得目标天体图像。
6.根据权利要求1或3所述的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,“通过改进的三角形星图匹配法进行星图匹配,获取飞行器姿态角”,其方法为:通过三角形星图匹配法获取三角形匹配组,并通过增加的检测星校验是否与所述三角形匹配组存在相同的公共边,若存在公共边,则以三角形匹配组与检测星作为检测四面体,通过哈希查找,获取飞行器姿态角。
7.根据权利要求1或3所述的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,“基于天体在所述目标天体图像中的像素大小,通过预设的形心提取方法获取目标天体的形心坐标”,其方法为:步骤S10,基于天体在所述目标天体图像中的像素大小,对所述目标天体图像进行降采样;步骤S20,对降采样后的目标天体图像,通过分割算法、膨胀算法、腐蚀算法和边缘处理算法,获得目标天体边缘图像;步骤S30,通过标记算法计算所述目标天体边缘图像的形心坐标,即为预处理后的图像中目标天体的形心坐标。
8.根据权利要求7所述的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,步骤S10中“基于天体在所述目标天体图像中的像素大小,对所述目标天体图像进行降采样”,其方法为:设M和N分别为目标天体图像中目标天体的长和宽,CYN分别取值1、2、4或8作为图像降采样的倍率:若Max(M、N)≤128,则CYN取值1;若128<Max(M、N)≤256,则CYN取值2;若256<Max(M、N)≤512,则CYN取值4;若Max(M、N)>512,则CYN取值8。
10.根据权利要求7所述的基于Zynq的姿态测量和天体形心提取的飞行器导航系统,其特征在于,步骤S10之前还包括: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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010779298.6A CN111739050B (zh) | 2020-08-05 | 2020-08-05 | 基于Zynq的姿态测量和天体形心提取的飞行器导航系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010779298.6A CN111739050B (zh) | 2020-08-05 | 2020-08-05 | 基于Zynq的姿态测量和天体形心提取的飞行器导航系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111739050A true CN111739050A (zh) | 2020-10-02 |
CN111739050B CN111739050B (zh) | 2020-11-20 |
Family
ID=72658050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010779298.6A Active CN111739050B (zh) | 2020-08-05 | 2020-08-05 | 基于Zynq的姿态测量和天体形心提取的飞行器导航系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111739050B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115051881A (zh) * | 2022-06-07 | 2022-09-13 | 北京计算机技术及应用研究所 | 一种基于dsp28346和zynq双主芯片的千兆以太网实现方法 |
CN115630537A (zh) * | 2022-12-21 | 2023-01-20 | 长沙北斗产业安全技术研究院股份有限公司 | 一种基于片上仿真的导航信号仿真方法与系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170334559A1 (en) * | 2016-05-20 | 2017-11-23 | Unmanned Innovation, Inc. | Unmanned aerial vehicle area surveying |
CN108806243A (zh) * | 2018-04-24 | 2018-11-13 | 东南大学 | 一种基于Zynq-7000的交通流量信息采集终端 |
CN109034025A (zh) * | 2018-07-16 | 2018-12-18 | 东南大学 | 一种基于zynq的人脸关键点检测系统 |
CN109164825A (zh) * | 2018-08-13 | 2019-01-08 | 上海机电工程研究所 | 一种用于多旋翼无人机的自主导航避障方法及装置 |
CN110231828A (zh) * | 2019-05-31 | 2019-09-13 | 燕山大学 | 基于nftsm的四旋翼无人机视觉伺服控制方法 |
CN111125873A (zh) * | 2019-11-13 | 2020-05-08 | 北京航天长征飞行器研究所 | 一种飞行器天线波束选择控制器 |
-
2020
- 2020-08-05 CN CN202010779298.6A patent/CN111739050B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170334559A1 (en) * | 2016-05-20 | 2017-11-23 | Unmanned Innovation, Inc. | Unmanned aerial vehicle area surveying |
CN108806243A (zh) * | 2018-04-24 | 2018-11-13 | 东南大学 | 一种基于Zynq-7000的交通流量信息采集终端 |
CN109034025A (zh) * | 2018-07-16 | 2018-12-18 | 东南大学 | 一种基于zynq的人脸关键点检测系统 |
CN109164825A (zh) * | 2018-08-13 | 2019-01-08 | 上海机电工程研究所 | 一种用于多旋翼无人机的自主导航避障方法及装置 |
CN110231828A (zh) * | 2019-05-31 | 2019-09-13 | 燕山大学 | 基于nftsm的四旋翼无人机视觉伺服控制方法 |
CN111125873A (zh) * | 2019-11-13 | 2020-05-08 | 北京航天长征飞行器研究所 | 一种飞行器天线波束选择控制器 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115051881A (zh) * | 2022-06-07 | 2022-09-13 | 北京计算机技术及应用研究所 | 一种基于dsp28346和zynq双主芯片的千兆以太网实现方法 |
CN115051881B (zh) * | 2022-06-07 | 2023-10-31 | 北京计算机技术及应用研究所 | 一种基于dsp28346和zynq双主芯片的千兆以太网实现方法 |
CN115630537A (zh) * | 2022-12-21 | 2023-01-20 | 长沙北斗产业安全技术研究院股份有限公司 | 一种基于片上仿真的导航信号仿真方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111739050B (zh) | 2020-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111448591A (zh) | 不良光照条件下用于定位车辆的系统和方法 | |
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 | |
CN109344878B (zh) | 一种基于ResNet的仿鹰脑特征整合小目标识别方法 | |
CN106529538A (zh) | 一种飞行器的定位方法和装置 | |
CN113761999B (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
CN102254147B (zh) | 一种基于星图匹配的远距离空间运动目标识别方法 | |
CN112991487B (zh) | 一种多线程实时构建正射影像语义地图的系统 | |
CN107504966A (zh) | 一种白昼有云环境下导航星星点提取的方法 | |
CN111899345B (zh) | 一种基于2d视觉图像的三维重建方法 | |
Zhao et al. | A robust stereo feature-aided semi-direct SLAM system | |
CN112184765A (zh) | 一种基于视觉的水下航行器自主跟踪方法 | |
CN111680586A (zh) | 一种羽毛球运动员运动姿态估计方法及系统 | |
CN110400374A (zh) | 环景点云数据的建立方法与建立系统 | |
Marchand et al. | RemoveDebris vision-based navigation preliminary results | |
CN106250898A (zh) | 一种基于尺度预测的图像局部区域特征提取方法 | |
CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
CN112580489A (zh) | 交通灯检测方法、装置、电子设备及存储介质 | |
CN109764864B (zh) | 一种基于颜色识别的室内无人机位姿获取方法及系统 | |
WO2020154911A1 (en) | Sky determination in environment detection for mobile platforms, and associated systems and methods | |
CN111739039B (zh) | 基于边缘提取的快速形心定位方法、系统及装置 | |
Zhao et al. | A robust stereo semi-direct SLAM system based on hybrid pyramid | |
CN114199250A (zh) | 一种基于卷积神经网络的景象匹配导航方法及装置 | |
EP4070278A1 (en) | Method to determine the depth from images by self-adaptive learning of a neural network and system thereof | |
Maggio et al. | Vision-based terrain relative navigation on high altitude balloon and sub-orbital rocket | |
CN111024063A (zh) | 一种基于星点重提取的大机动条件下星图识别算法 |
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 |