英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

---

基于单目视觉成像的空间位置相对坐标的高精度测量

摘要：自主交会对接技术（ARD）在太空计划中扮演着重要的角色，它在各种航天交汇对接中成功在于高精度与相对姿态效应。本文提出了一种基于单目视觉成像的高精度、高效率的相对位置空间坐标的测量方法，通过引力模型法和多目标跟踪法来提高测量精度和测量效率，同时，用列文伯格-马夸特法（LMM）来实现良好全局收敛。设计了一个DSP与FPGA的实验设计平台。综合实验结果表明，这种方法具有非常高的精度和效率，更新的频率达到了16Hz；在有噪声的影响下，测量误差不超过2%。

关键词：空间自主交汇对接技术；相对位姿估计；合作空间目标；多目标跟踪；单目视觉成像

1 简介

自主交会对接技术在计划太空计划项目中都是必不可少的，例如DARPA ASTRO, NASA MSR, 国际空间站（ISS）的组装与维修以及其他交会对接操作中。目前，空间交会对接演习已经执行了多年（第一次演习于1966年由尼尔·阿姆斯特朗和大卫·斯科特于完成）。如何精确可靠的提供相关实时导航信息在近距离移动平台自主操作过程中是一个关键技术。作为研究和开发先进的空间技术的一个热门话题，自主交会对接技术无需人工全程关注即可完成。据史料统计，人类已经完成超过300次的自主交会对接。一般来说，交会对接的过程包括两个阶段：长范围与接近范围。激光扫描和雷达等有源传感器经常被用于长程中，因为它们可以测量的有效相对位置可达几公里。在第二阶段，结合先进的算法的相机技术，由于非接触式测量、低功耗、高精确度和高效率的优点而成为了最合适的解决方案。许多研究机构和学者已经在其相对位置高精确度上做了很多研究工作。Philip和Ananthasayanam提出了一种以最终平移阶段板载相对位置坐标测量与控制的空间自主交会实时对接系统。在文中，他们描述了一种基于相对四元数反馈相平面控制技术的相对位置控制方法，该方法取得了良好的效果。Lepetit推出了一种非迭代求解即插即用问题的方法，这种方法在快速性和准确性上优于其他迭代技术。Lu提出了一种基于对象空间相对位置和坐标估计共线误差的最小化，并提出了一种很好的全局收敛快速正交迭代（OI）算法，该算法的特点是具有良好的衔接，通常在一般的几何构型中经过五到十次迭代就可收敛。Thienel等设计了一种用来对空间飞行器坐标的进行非线性测量并进行跟踪控制的方法，但它的缺点在于所需的理论知识太多。Khansari Zadeh提出了一种基于神经网络算法导航用视觉信息测量方法，通过一个基于完整的虚拟环境中模拟一个6自由度（6-DOF）非线性飞行器动力系统空中加油（AAR）的任务来验证其精度和鲁棒性。Aghili和Kuryllo通过用迭代最近点算法（ICP）的闭环结构整合卡尔曼滤波器（KF）提出了一种基于三维视觉测量空间物体的坐标数据的误差测量方法，其中通过欧拉-希尔方程来导一个时间离散模型，以便通过追踪卫星来得到一个翻滚卫星目标的相对性平移运动的过程。Daero Lee和HenryPernicka提出了一种基于无迹卡尔曼滤波的航天器交会对接操作的相对姿态估计和导航的新方法。仿真结果表明，无迹卡尔曼滤波比现实初始姿态和通航条件也相对导航效果下的扩展卡尔曼滤波更强大的卫星通过工具包的高精度轨道传播（HPOP）进行了验证。张等提出了一种强大的解决方案来恢复同时相机姿势和三维到二维线对应的关系。在先检提出后，他们的做法逐步验证了与卡尔曼滤波器的位姿猜想。Taghirad和Atashzar分析提出了一种基于EKF的3D姿势详细估计的稳定性，并提出了复合材料技术来保证其稳定性。绝对方位问题可以在封闭的形式使用奇异值分解（SVD）来解决，但是，SVD的计算量太大，计算速度太慢。为了提高运算速度以满足日益增加的实时任务需求，Long和Zongquan提出了一种由泡沫法中沃赫拜问题激发一个新的绝对定向法，以取代SVD计算。通过使用这种新方法，他们提出了一种迭代算法来解决姿态估计中的精度、噪音和速度问题。Zhang和Han提出了一种基于线拟合恢复已知目标的三维位置和纠错的方法。

根据实验，我们发现，影响估计精度的主要因素在于特征点定位的精确度和估计算法。为了提高估计精度，我们采用了修改后的加权高斯引力模型方法。此外，为了改善健壮岬，效率相对较高鹅LM（列文伯格 - 马夸尔特）迭代估计算法在该方案中被运用。另一方面，采用多目标跟踪方法来减少计算时间，并利用一种简单而有效的方法以匹配特征点。本文的结构如下：在第2节说明ARD的性能要求与挑战性。第3节介绍了一系列的算法。第4和第5分别给出了实验结果和讨论。

2 性能要求和挑战性的问题

无人自主交会对接（ARD）是一个复杂和危险的任务。该平台应该成功捕获目标良好的图象和准确实时地估计其相对姿势。例如，任何使捕获图像或算法的故障无法确切捕获特征点的错误都可能是导致失败甚至灾难的原因。因此，应确定良好的计划老确保其准确，高效和可靠。基于此，本文提出了一种专用可靠的车载系统及高效率的估计算法。

首先，作为硬件平台最重要的是可靠性，在自主交会对接期间应尽可能地避免事故。关闭电源，并拍摄图像的故障最有可能发生，所以备份是必要的。鉴于这种考虑，专用并行平台设计有两个DSP和两个FPGA。一个测试平台空闲时，另一个工作良好，当发生异常时就会发挥其作用。DSP负责计算，FPGA负责拍摄图像，硬件平台的示意图如图1所示。其选择取决于几个因素，包括采样频率，计算要求，实施算法，可编程性，低功耗和维护成本等。TMS320DM642 GDK A720是一个定点600 MHz、能够提供高达的每秒48亿次指令的时钟处理器。中央处理单元（CPU）的每个时钟周期期间获取非常长指令字（256位宽度）提供多达8个32位的指令以及8个功能单元。CPU有两套功能单元。每套包含四个单元和32个32位寄存器。DM642有三个视频端口（VP0，VP1和VP2），这使得它成为了非常合适的解决方案。Altera公司制造的FPGA EP2C20Q240C8被选为另一个CPU来负责拍摄照片。其次，该算法必须能够高效、精确地估计测量其相对位姿。整个过程可以被划分成四个部分：图像采集，特征点的定位，匹配和估计。根据实验，先前两部分所消耗时间占了大部分的时间。初始方案是每一个部分被依次执行，然后通过串行过程转到下一轮。显然，所消耗的总时间是每一个部分的总和。在这个方案中，DSP在图像采集过程中是闲置的。由于该平台的特点和算法的可分性，并行方案是一个更好的选择，这意味着完成一个图像采集后，FPGA立即启动下一轮，同时DSP执行左边的计算程序，如图2所示。这种并行方案充分利用了平台，使消耗时间从98毫秒减少到63毫秒。

3 算法的实现及结果的综合优化

3.1 高精度定位算法

改善定位精度对改善估算有着关键作用。鉴于耀斑的形状，引力模型的方法是个不错的选择，其他一些方法也可以应用，例如，Edleblute和Agili采用最小二乘椭圆拟合方法寻找质心的确切位置。在他们的研究中，他们拍摄的两个图像的具有LED分别打开和关闭，然后从最早出现的一个值相减的第二图像，从而与LED和一些弱背景噪声产生，然后使用最小二乘椭圆拟合方法来定位的质心斑点。然而，这种方法需要在相机和目标的两个图像采集保持相对静止，这在ARD期间是不切实际。

正如文献中所提到的，减去背景后，与阈值修正高斯加权引力模型方法在这里被呈现时，图像可以被设想为目标和背景的叠加gt;可以得到更好的定位精度。坐标与改性方法中提取的质心如下所示：

图1 硬件平台

定位的结果被示于图3，十字表示质心的位置。

为了验证该方法的有效性，把它与其他两种方法相比：引力模型的方法和广场加权方法。该比较结果示于图4.，显然，每形式更好，当图像被高斯噪声污染，可实现亚像素级的精度高斯加权引力模型的方法。

3.2 多目标跟踪

定位整个图像的质心是一个繁重的过程，特别是当图像很大时。一般而言，目标检测时目标本身只占据图像的一小区域。如果包含该目标的一般区域已被确定，搜索可集中在这个小的区域，因此时间消耗可显著降低。小区域始终命名为有趣的窗口，可以用后续的信息进行更新。

为第一帧，它是整个图像中必要的搜索点，用来定位斑点。从第二帧开始改善，根据第一帧的斑点得到质心后，新的质心可以找到在围绕先前形心的小范围内，然后更新与该点的质心的新的位置和半径的窗口。

3.3 单目姿态估计

单目系统的姿势推定示意图如图6所示。假设一个特征点S，其坐标在目标坐标系和摄像机坐标系分别为Pt：（XT，YT，ZT）和Pc（XC，YC，ZC）。根据透视变换，可得下面的等式：

图2 顺序处理和并行处理的时间消耗

图3 质心位置的结果

图4 三种方法比较

当成立时，如下等式满足：

在上述等式中，fx和fy是等效焦距和（U，V）是特征点的坐标，（U0，V0）是主点，1x和1y是失真参数。鉴于所观察到的象点时，姿态估计算法是找到最小化所述误差函数R和T的值。原则上，根据图像空间的误差功能有两种。

图5 全局搜索和本地搜索的示意图

图像空间误差：

物体空间误差：

在本文中，前者根据误差函数被采用。结合公式（2）及（3）可推导出下列方程。

展开等式（6），一个方程组约三欧拉角（？，phi;，omega;）和平移矢量[TX，TY，TZ] T可以得到如下等式：

另外，在上述方程组（U，V）是特征点的理想精确坐标。然而在上述方程组中，因为存在定位的偏差，结果会有小的偏移。假设与定位算法获得的坐标为（U，V），因此方程组可以写成：

至少选择三个特征点，并确定目标函数：

因此，问题已经转化为找到与定位偏差最小化E（x）的最优解x*=（？，phi;，omega;，TX，TY，TZ），很明显，特征提取的精度由处理的准确性支配。实际上，这是一个非线性最小二乘问题和许多迭代算法应用于解决这样的问题，但其中许多人需要计算Hessian矩阵，当雅可比矩阵是奇异的，计算将是无效的。在本文中，列文伯格 - 马夸特（LM）迭代算法采用速度快全局收敛并没有受到上述限制。

3.4 文伯格 - 马夸特迭代算法

给定一个向量函数f：Rn→Rm，当mge;ntilde;，||F（x）||最小时取得最优解。

因此，非线性优化规划问题可与牛顿迭代算法来解决。

其中，JK是雅可比矩阵和Hessian矩阵。

计算Hessian矩阵非常耗时。此外，雅可比矩阵应满足R的限制（J（XK））= N，这意味着J（XK）必须满秩。如果忽略Hessian矩阵，方程可转化为：

命名的高斯 - 牛顿方程，很容易证明了Nk是下降方向。若R（J（XK））= N，R的但是限制（J（XK））= n，可在某些情况下满足。列文伯格（1944）和以后的马夸特（1963）建议使用一个阻尼高斯 - 牛顿法和迭代步骤，其被定义为：

因此，在dkis收敛xk.Global LM算法函数f（x）的下降方向：

第一步：选择和；

第二步：如果g(xk) = 0,则停止计算；

第三步：解求得dk；

第四步：获取有关的Armijo搜索法的步长。让mk成为最小非负值，满足不等

式：

第五步：置，通过一些方法更新Uk

值，转至第二步。

4 综合实验

4.1 精确高效估计算法

为验证该算法，模拟实验在下列条件下进行：

图6 单眼成像姿态估计示意图

图7 与真正的姿势为1个像素的噪音影响比较

a) 焦距为13.5毫米

b) 图像的空间像素分辨率为640times;640

c) 一个像素点的尺寸为15times;15 um

d) 五个自由度除了TZ内小范围内随机移动

e) Tz在0.5mu;m至20mu;m之间变化

结果示于图7.

显然，估计是准确的，当不存在噪声（误差被视为噪声）中定位时，迭代算法迅速收敛，如图8所示，需要大约5次迭代收敛到最优解。实验结果表明，该估计算法是精确和高效的。

4.2 现场实验

尽管模拟结果似乎没有噪声影响的条件下良好，然而，噪声总是存在并可能严重地影响估计的精度。事实上，对于田间试验，其结果可以通过许多因素，例如校准的精度包括相机标定和地标位置和环境的影响，振动等影响。为了测试该算法的真实表现，我们进行了现场实验。对接机构向前或向后移动沿着滑动，也可以上下移动，而且，它可以在这些三个轴周围旋转。以显示实际估算，6自由度误差被定义为同时Eangle表示平移误差，其中Eangle表示旋转误差。图9显示以20米估计的六自由度误差曲线远离相机。显然，由于单眼视力的模块，TX、TY的估计都比TZ更精确。此外，轧辊的估计比其它两个旋转度好得多。与模拟实验结果相比，精度下降严重。事实上，对于现场试验，其结果受许多因素影响，例如校准的精度包括相机标定和地标位置和环境的影响，振动等。为了测试该算法的真实表现，进行了现场实验。对接机构向前或向后移动沿着滑动，也可以

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[153992]，资料为PDF文档或Word文档，PDF文档可免费转换为Word