推荐星级：
- 1
- 2
- 3
- 4
- 5
基于纹理边界检测的航天器椭圆特征提取方法
资料介绍
为确定失效航天器等非合作目标的相对位姿,提出一种通过纹理边界检测的椭圆特征提取方法。该方法假设椭圆特征是航天器表面两种不同纹理的边界,利用上一时刻相对位姿信息,将对接环离散几何模型投影到像平面,并沿各离散点的法向方向通过概率方法检测纹理边界点。利用随机抽样一致(RANSAC)方法剔除边界点中的粗大误差,进而拟合出椭圆参数。纹理特征对光照变化具有鲁棒性,因此该方法能够在变光照、星体表面反光不均匀等复杂情况下快速准确地提取图像中的椭圆特征。本文以对接环图像特征提取为例进行仿真校验,分析了算法参数和噪声对提取椭圆精度和时间的影响。利用真实图像与基于梯度边缘的椭圆提取方法进行对比,结果表明,所提出的算法具有较高的精度和速度。
部分文件列表
| 文件名 | 大小 |
| 基于纹理边界检测的航天器椭圆特征提取方法.pdf | 1M |
部分页面预览
（完整内容请下载后查看）39
1
期
宇 航 学 报
Vol． 39
January
第
卷 第
No． 1
2018
2018
1
Journal of Astronautics
年
月
基于纹理边界检测的航天器椭圆特征提取方法
，
王诗强 张世杰
(
，
哈尔滨工业大学卫星技术研究所 哈尔滨
150080)
:
， 。
为确定失效航天器等非合作目标的相对位姿 提出一种通过纹理边界检测的椭圆特征提取方法 该
摘
要
， ，
方法假设椭圆特征是航天器表面两种不同纹理的边界 利用上一时刻相对位姿信息 将对接环离散几何模型投影
， 。
到像平面 并沿各离散点的法向方向通过概率方法检测纹理边界点 利用随机抽样一致
( RANSAC)
方法剔除边界
， 。 ， 、
点中的粗大误差 进而拟合出椭圆参数 纹理特征对光照变化具有鲁棒性 因此该方法能够在变光照 星体表面反
。 ，
光不均匀等复杂情况下快速准确地提取图像中的椭圆特征 本文以对接环图像特征提取为例进行仿真校验 分析
。 ，
了算法参数和噪声对提取椭圆精度和时间的影响 利用真实图像与基于梯度边缘的椭圆提取方法进行对比 结果
，
表明 所提出的算法具有较高的精度和速度
。
: ; ; ; ;
关键词 航天器 自然特征 椭圆特征检测 纹理 随机抽样一致
: V448. 25 : A : 1000-1328( 2018) 01-0076-07
文献标识码 文章编号
中图分类号
DOI: 10． 3873 /j． issn． 1000-1328． 2018． 01． 010
Elliptical Feature Extraction on Spacecraft Based on Texture Boundary Detection
WANG Shi-qiang，ZHANG Shi-jie
( Research Center of Satellite Technology，Harbin Institute of Technology，Harbin 150080，China)
Abstract: In order to determine the relative position and attitude of a non-cooperative target，such as a failed
spacecraft，an algorithm based on the texture boundaries is developed for ellipse extraction． It is assumed that the elliptical
feature represents the boundary of the two different texture regions on the surface of the spacecraft． With the relative
position and attitude information from last time，a discrete geometric model of the target is projected onto the image plane．
The texture boundary points are detected by the method of probability along the normal direction of each discrete point．
Then the points with large errors are eliminated by the random sample consensus ( RANSAC) ． Subsequently，the
parameters of the extracted elliptical feature are obtained． As the texture feature is robust to changes in illumination，the
proposed algorithm can extract the elliptical features rapidly and accurately in the image in the complex cases，such as the
changes in illumination and unevenness of the surface reflection on the spacecraft． Considering the feature extraction of a
docking ring as an example，the simulation is performed． The influence of the parameters and noise on the accuracy of the
proposed algorithm is investigated，and the cost time of the result is analyzed． The proposed algorithm and the algorithm
based on the gradient information are compared in real images． The results show that the proposed algorithm has high
accuracy and low computational cost．
Key words: Spacecraft; Natural feature; Elliptical feature extraction; Texture; Random sample consensus
，
为保证上述任务的成功 需要持续地确定两航
0
引
言
，
天器的相对位姿 许多学者利用目标上安装的特征
［3 － 5］
、
由于视觉相对位姿确定系统具有精度高 质量
。
靶标确定目标航天器的相对位姿
但非合作目
［1］
、 ，
轻 功耗低等特点 目前广泛应用于交会对接
、
在
，
标无法安装特征靶标 因此需要利用目标上的自然
［2］
。
，
特征确定相对位姿 这种方式的前提条件是提取目
轨服务 等任务中
: 2017-08-03;
: 2017-10-10
收稿日期
修回日期
:
基金项目 上海航天科技创新基金
( SAST201444)
1
:
王诗强等 基于纹理边界检测的航天器椭圆特征提取方法
第
期
77
。
标图像中的自然特征 非合作目标上的自然特征主
，
后将这些特征向量进行分类 实现不同纹理区域的
［15］
，
要包括直线特征和圆特征 对于大部分航天器而言
，
，
分割 得到纹理边界
。
这种方法需要进行多尺
、 ， ，
度 多方向运算 计算量较大 无法满足交会对接中
其星箭对接环和发动机喷管处包含可利用的圆特
， 。
征 圆特征在图像中的投影为椭圆 与直线特征相
。
椭圆特征检测的实时性要求 模型法中各纹理区域
，
比 椭圆特征在相对位姿确定中可用矩阵进行表示
，
，
的灰度分布可表示成一个由多参数定义的模型 通
［6］
，
便于数学处理 并且通常情况下能得到闭式解
。
过统计图像中各像素的灰度值确定各模型中的参
［7］
， ，
数 从而实现纹理区域的分割 进而确定各区域之间
，Xu
对于图像中椭圆特征的提取
等
在获取图像边
［16］
。
模型法是从各纹理区域灰度分布的全
，
缘特征的基础上 采用随机霍夫变换方法提取图像
的边界
，
局特性出发 并不能较好地获得局部纹理之间的边
，
中航天器上的椭圆特征 虽然随机霍夫变换与标准
， 。
界 因此不适用于对接环处椭圆特征的提取 统计
，
霍夫变换相比提高了提取速度 但是在实际应用中
，
，
法是从图像灰度的统计特性和整体出发 发现纹理
。 ， 、
速度仍然不理想 对此 一些学者利用椭圆长度 凹
，
存在的某种规律 其主要思想是通过图像中灰度级
，
凸性和曲率等几何属性确定属于椭圆特征的边缘
，
分布的随机属性来描述纹理特征 适用于描述不规
，
通过判断这些边缘特征的相似性 对属于同一个椭
［17］
［8 － 9］
。
，
统计方法简单易于实现 但复杂
则的自然纹理
，
圆特征的边缘进行组合
最后利用直接最小二
［10］
，
度较高 限制了计算速度
。
。
乘法 拟合椭圆参数 这类方法由于排除了非椭
， ，
综上 本文以对接环处的圆特征为目标 利用航
， ，
圆边缘特征 减小了数据量 与随机霍夫变换相比提
，
天器表面与对接环区域的不同纹理特性 探索新的
， ，
高了计算速度 但引入了大量的几何约束 导致这类
，
利用纹理边界检测的快速椭圆特征提取算法 为验
， ，
方法的输入参数较多 在实际应用中 需要不断调整
， ，
证算法的精度与快速性 开展仿真试验 并与典型方
。
算法参数来适应椭圆形状的变化 基于梯度区域生
。
法进行对比验证
，
长的方法是一种无参数的椭圆特征检测方法 该方
法认为图像中的椭圆特征由图像中某些特殊区域组
1
问题描述
， ，
成 这些区域中像素的梯度具有相似的方向 如果若
，
纹理可利用一组像素的统计模型进行描述 纹
， ，
干相邻区域合并后 形状凹凸性保持不变 那么合并
［11 － 12］
:
理边界可通过检测纹理模型的变化点加以确定 对
，
后的区域就可作为一个椭圆假设
最后根据
［13］
，
于图像中一条给定直线 构成该直线的像素点的集
( Number of false alarms，NFA)
。
准则 确定椭圆特征
γ
B
= { b ，b ，…，b } ，
各点对应的像素灰度值
1
合为
上述方法均在图像的边缘特征或梯度信息基础
1
2
γ
γ
S = { s ，s ，…，s } ，
二者的下标和上标分
2
构成集合
，
上进行椭圆特征提取 由于航天器本体表面的隔热
1
1
γ
。
别表示起始元素和末尾元素的序号 假设这些像素
，
材料凹凸不平 在阳光照射下会在图像中产生明暗
γ
，B
b
左侧
c
点分布在两个不同的纹理区域中
中点
，
交替的纹理 这些纹理会使图像中原本连续光滑的
1
T
，
T
的点在纹理
所在的区域中 如果
( 1)
所在的区域中 右侧的点在纹理
，
边缘特征或梯度方向一致的区域出现断裂 导致上
1
2
。
b
，
为纹理的边界点 那么式
。
述方法难以准确提取对接环处的椭圆特征 为此
，
c
:
所表示的概率值最大
。
有必要探索新的椭圆检测算法
c
γ
γ
P( c
) = P( S
η
) P( S
) ( 1)
T
2
，
纹理是图像的某种局部性质 是对局部区域中
S ，T ，T
1 1
T
1
c+1
2
1
，
像素之间关系的一种度量 其像素灰度或色彩分布
:
式中 η 为归一化常数
。
［14］
。
，
因此 提取图像中纹理边界点的问题就转化成
一般具有统计意义上的规律
与边缘特征和梯
，
度信息相比 利用纹理特征确定两区域的边界可避
( 1)
b 。
为最大值时 的坐标的问题
c
求式
。
免纹理图案对边界的影响 目前利用纹理特征进行
确定椭圆边界点像素仅解决了椭圆特征提取中
，
区域边界检测已广泛应用到图像分割领域 主要的
， 。
像素点的归属问题 还需确定椭圆参数 直接最小
: 、 。
方法包括 频谱法 模型法和统计方法 频谱法将图
。
二乘法是一种非迭代椭圆参数拟合方法
，
像变换到频域空间 在不同尺度和不同方向上对图
:
拟合椭圆的数学模型为
2
2
， ，
像中的纹理进行分析 得到描述纹理的特征向量 最
Ax + Bxy + Cy + Dx + Ey + F = 0
( 2)
全部评论(0)