基于单目视觉的空间非合作目标相对姿态估计方法

杨长才,魏丽芳,周术诚,田金文

(1.福建农林大学计算机与信息学院 ,福建福州350002；2.华中科技大学自动化学院 ,多谱信息处理技术国家级重点实验室 ,湖北武汉430074)

基于单目视觉的空间非合作目标相对姿态估计方法

杨长才1,魏丽芳1,周术诚1,田金文2

(1.福建农林大学计算机与信息学院 ,福建福州350002；2.华中科技大学自动化学院 ,多谱信息处理技术国家级重点实验室 ,湖北武汉430074)

提出一种基于单目视觉的连续多帧空间非合作目标姿态估计算法.根据目标主体主轴方向和太阳能帆板方向将目标姿态切分成姿态子空间 ,采用方向Chamfer匹配在姿态子空间中搜寻与目标匹配的候选姿态.通过连续多帧候选姿态的方向Chamfer匹配代价和转移代价来构建轨迹的总代价 ,采用动态规划对轨迹代价进行优化.结果表明该算法求解精度高 ,鲁棒性好.

单目视觉；空间非合作目标；相对姿态估计；姿态子空间；动态规划

机动平台与目标航天器之间的相对姿态估计是空间交会对接、在轨服务等航天任务的关键技术.在很多情况下(如目标航天器特征光标损坏或敌方航天器) ,空间目标无法提供点、线特征之间的相互关系 ,这种空间目标称为空间非合作目标.近年来 ,空间非合作目标相对姿态估计逐渐成为国内外研究的热点.

文献[1]利用目标航天器已知的结构模型信息 ,推导了利用单个光学相机实现空间非合作目标相对位姿参数估计的迭代算法 ,然而 ,该方法未考虑到特征点提取和特征匹配.利用两帧以上的观测图像估计出空间非合作目标相对运动参数[2],这种算法是基于已知的特征对应.特征匹配是非合作目标姿态估计的难点 ,文献[1－2]方法的可靠性和适用性尚有待进一步验证.通常 ,为了使空间目标的太阳能帆板能充分发电 ,太阳能帆板需要对日定向.

基于已知详细几何信息的空间非合作目标 ,本文提出了一种基于单目视觉的空间非合作目标估计方法.为了消除太阳能帆板对姿态估计的影响 ,将空间目标分成太阳能帆板和主体两部分 ,根据目标太阳能帆板和主体的方向对姿态空间进行切分；采用方向Chamfer匹配算法[3]计算目标与姿态子空间中目标主体模板之间的匹配代价来搜寻最佳候选姿态.对于系列图像 ,采用动态规划对连续目标成像系列中每一帧的候选姿态进行优化.

1 空间目标姿态子空间切分

太阳能帆板不是固定在目标主体上 ,其法线指向太阳.如果将太阳能帆板和目标主体作为一个整体进行姿态估计 ,不仅需要考虑目标主体三轴旋转 ,也要考虑太阳能帆板的旋转 ,以增加姿态维度 ,使原本高维姿态空间的估计变得更加复杂.太阳能帆板通常是目标上的最大部件 ,呈长方形 ,大部分空间目标有2个太阳能帆板 ,且安装在目标的两侧.为了降低空间目标姿态估计的难度 ,首先将空间目标分成太阳能帆板和主体两部分 ,然后进一步利用目标主体估计姿态.然而并不是所有姿态的目标成像图都能分成主体和太阳能帆板.比如 ,当观测点在太阳能帆板一侧时 ,目标主体遮挡了另一侧的太阳能帆板 ,导致另一侧的太阳能帆板无法提取.因此 ,首先采用文献[4]的方法将目标图像分成可提取太阳能帆板和不可提取太阳能帆板 ,将姿态空间划分成2个大的子空间.

式中:P为目标姿态空间 ,Ps为可提取太阳能帆板的目标成像图所对应的姿态子空间 ,Pws为无法提取太阳能帆板的目标成像图所对应的姿态子空间.

目标的主体可由目标减去太阳能帆板尺寸得到.利用霍夫变换和霍特林变换计算目标主体的方向[4].虽然目标太阳能帆板对日定向 ,但是太阳能帆板的中轴与主体之间的关系始终保持一致.目标主体主轴方向和太阳能帆板中轴方向均包含丰富的姿态信息 ,因此可利用目标主体主轴方向和太阳能帆板方向缩小目标所在姿态子空间Ps

式中:为目标的所在姿态子空间 ,θo和θs分别为目标主体主轴和太阳能帆板的方向 ,to和ts分别为目标主体主轴方向和太阳能帆板方向的对应阈值 ,ε为任意一个大于零的常数.to和ts由目标模板的姿态间距决定.

2 空间非合作目标姿态估计

对于一幅已知姿态子空间的待估计目标图像 ,从姿态子空间中搜索最佳的匹配模板.太阳能帆板使得目标模板难以匹配 ,因此姿态子空间的模板仅使用目标主体.采用快速方向Chanfer匹配算法[3]在姿态子空间中搜索与待估计目标图像相匹配的目标主体模板.

2.1 快速方向Chamfer匹配

设U＝{ui}和V＝{vi}分别是模板和检索图像边缘映射集合.U与V之间的Chamfer距离为每个点ui∈U与V距其最近的平均距离 ,表示为

Chamfer匹配提供了一个适当的公平平滑测度 ,能够适应小的旋转、偏差、遮挡以及变形.通过距离变换图像快速计算匹配代价.距离变换图像指每个像素与V距其最近的边缘像素的距离.距离变换能够在2个通道计算 ,式(3)的代价函数能够通过以线性时间O(n)估计.

为了匹配方向边缘像素 ,文献[4]将Chamfer距离推广到R3上的点.每一个边缘点引入方向项Ø(x) ,则方向Chamfer匹配代价函数为

式中 ,λ为位置与方向项之间的权重因子.以π为模计算方向Ø(x) ,方向误差给出2个方向之间的最小循环方差

2.2 基于快速方向Chamfer匹配的目标姿态识别

基于快速方向Chamfer匹配的非合作目标姿态估计算法由姿态空间切分和姿态估计组成.图1为非合作目标姿态估计算法的框架 ,算法的具体步骤如下:

(1)姿态空间切分:

(a)使用天基光学成像系统空间目标和背景特性演示系统[4]生成目标和目标主体模板 ,滚转角、俯仰角和偏航角按等间隔取值.

(b)利用霍夫变换将目标模板分成可提取和不可提取太阳能帆板.对于可以提取太阳能帆板的目标模板 ,计算目标主体主轴和太阳能帆板方向的θo和θs,建立目标姿态θo与θs之间多对一的映射关系.

(2)姿态识别:

(a)对于一幅待识别目标 ,首先判断目标是属于Ps还是Pws.如果目标属于Ps,计算目标主体主轴和太阳能帆板方向的θo和θs,并利用式(2)缩小目标所在的姿态子空间.

(b)采用式(4)计算待识别目标和姿态子空间中目标主体模板之间的匹配代价dDCM.dDCM越小 ,目标主体模板对应姿态为待识别目标姿态的概率越大.选择dDCM最小的若干姿态作为待识别目标的候选姿态.

通过姿态子空间划分不仅能降低DCM的搜索速度 ,而且可以减少姿态估计的歧义性.然而 ,由于空间目标呈弱对称性 ,仅通过DCM估计的目标姿态的准确率很低.对于系列图像 ,采用了动态规划算法进一步优化目标姿态.

(c)通常 ,连续的几帧目标的姿态不会发生突变.从t帧到t＋1帧的转移代价为

式中 ,s(t)为第t帧中已选为估计结果的姿态在第t帧候选姿态集中的索引 ,为第t帧中第s(t)个候选姿态的旋转角与第t＋1帧中第s(t＋1)个候选姿态的旋转角差值.文献[5]通过求解系列图像的最小转移代价来优化人的姿态估计.目标姿态转移的一个轨迹S＝s(1) ,s(2) ,ƻ ,s(T) ,参考文献[5]将轨迹S的代价定义为所有经过的姿态的转移代价以及dDCM(S)的总和.

式中 ,dDCM(s(t))为第t帧待估计目标与第t帧候选姿态中第s(t)个候选目标主体模板之间的Chamfer匹配代价 ,γp为转移代价的权重.γp用于调节dDCM(s(t))和转移代价Os(t) ,s(t＋1)之间的权重.当γp为0时 ,轨迹的代价由dDCM(s(t))决定；当γp为无穷大时 ,轨迹的代价由Os(t) ,s(t＋1)决定.

图1 基于DCM算法的目标姿态估计框架Fig.1 Flowchart based on proposed attitude estimation method

3 结果与分析

为了测试所提出算法的性能 ,采用天基光学成像系统空间目标和背景特性演示系统仿真系列图像 ,并作为目标模板和测试数据 ,图像大小为1024×1024.假设目标的外形为神舟七号 ,目标模板按2°间隔生成.按1°间隔制作的三轴旋转角为[5.2° ,23.8° ,55.1°]、[6.2° ,24.8° ,56.1°]、…、[34.2° ,52.8° ,84.1°]的空间目标仿真图如图2所示 ,共30幅.将本文方法与Chamfer算法[3]和基于特征的算法[5 ,6]进行比较.

对于可提取太阳能帆板的目标图像 ,首先根据式(2)确定每一帧目标所在的姿态子空间；然后利用方向Chamfer匹配计算每一帧待识别图像与对应姿态子空间中目标主体的匹配代价 ,每一帧均保留10个最佳的候选姿态；最后利用式(6)从每一帧保留的10个候选姿态中搜寻出连续系列最佳的姿态.采用标准差来评估算法的性能

图2 空间目标成像模拟Fig.2 Simulated space target images

表1 目标姿态估计结果Table 1 Attitude estimation results on the space target dataset

从表1可以看出 ,采用本文方法估计的α旋转角标准差为0.7° ,小于Chamfer算法和基于特征的算法估计的标准差(1.0°和1.2°).类似于α旋转角估计的结果 ,采用本文方法估计的β、γ旋转角标准差均小于Chamfer算法和基于特征的算法.采用Chamfer算法估计的第25帧β旋转角的精度偏离理论值 ,主要是由于目标的对称性导致姿态产生歧义.本文算法通过姿态空间切分和动态规划来消除姿态的歧义.通过以上分析可知 ,采用本文方法估计姿态的精度优于Chamfer算法和基于特征的算法.

4 小结

本文提出一种针对连续系列空间非合作目标姿态的估计算法.首先将目标姿态划分成可提取太阳能帆板以及不可提取太阳能帆板这2个大的姿态子空间；然后根据目标主体主轴方向和太阳能帆板将目标姿态子空间缩小在小范围内 ,采用方向Chamfer匹配在候选子姿态中搜寻最佳的匹配姿态；最后采用动态规划来优化连续系列中每一帧的候选姿态.对神舟七号连续系列图像的姿态估计结果表明 ,该方法测量的姿态角方差在1°左右.

[1]张世杰 ,曹喜滨 ,陈闽.非合作航天器间相对位姿的单目视觉确定算法[J].南京理工大学学报 ,2006 ,(30)5:564－568.

[2]郝刚涛 ,杜小平.基于单目视觉图像序列的空间非合作目标相对姿态估计[J].航天控制 ,2014 ,32(2):60－67.

[3]LIU M Y ,TUZEL O ,VEERAGHAVAN A ,et al.Fast directional chamfer matching[C].ERIC M ,MING H Y.Proceedings of computer vision and pattern recognition.San Francisco:Institute of Electrical and Electronics Engineers ,2010:696－1703.

[4]杨长才 ,田金文 ,叶瑾 ,等.天基光学成像系统空间目标成像模拟技术[J].红外激光与工程 ,2012 ,41(9):2410－2414.

[5]CHEN C ,YANG Y ,NIE F ,et al.3D human pose recovery from image by efficient visual feature selection[J].Computer Vi-sion and Image Understanding ,2011 ,115:290－299.

[6]王春雪.基于图像的空间目标三维姿态估计研究[D].北京:中国科学院大学 ,2014.

(责任编辑:叶济蓉)

Monocular vision-based relative attitude estimation for non-cooperative space targets

YANG Chang-cai1,WEI Li-fang1,ZHOU Shu-cheng1,TIAN Jin-wen2
(1.College of Computer and Information Sciences ,Fujian Agriculture and Forestry University ,Fuzhou ,Fujian 350002 ,China；2.School of Automation ,National Key Laboratory of Science and Technology on Multi-Spectral Information Processing ,Huazhong University of Science and Technology ,Wuhan ,Hubei 430074 ,China)

In order to minimize the interference of solar array on attitude estimation ,a novel relative attitude estimation approach based on monocular vision was proposed for non-cooperative space targets.Space targets were firstly divided to post-subspace of re-trievable and irretrievable solar array ,then reduce the size of the pose-subspaces by the principal axis of the target and solar array. Subsequently ,fast direction Chamfer matching was adopted to obtain the matched pose with the same shape of frame from the sub-space pose dataset ,which was followed by being recovered to a continuous pose sequence by dynamic programming.Experimental re-sults showed that standard deviations of rotation angle ,and based on the proposed approach were all lower than those of Chamfer method and feature-based method.To summarize ,the proposed approach has high accuracy and robustness.

monocular vision；non-cooperative space target；relative attitude estimation；pose-subspace；dynamic programming

TP391

A

1671-5470(2015)06-0657-05

10.13323/j.cnki.j.fafu(nat.sci.).2015.06.017

2015－04－20

2015－08－10

国家自然科学基金资助项目(61273279、61501120)；中国博士后科学基金资助项目(2013M540582、2014T70702)；福建农林大学杰出青年科研人才计划项目(XJQ201514)

杨长才(1981－) ,男 ,讲师 ,博士.研究方向:计算机视觉、图像处理.Email:changcaiyang＠gmail.com.通讯作者周术诚(1965－) ,男 ,教授 ,硕士生导师.研究方向:计算机视觉、图像处理.Email:zhoushuch＠sohu.com.