張鐵毅, 薛建平, 孫超姣, 陳勇, 石超

(1.空軍裝備部 綜合計劃部, 北京 100843;2.空軍工程大學(xué) 航空航天工程學(xué)院, 陜西 西安 710038)

?

航天器空間對接位置視覺測量方法

張鐵毅1, 薛建平2, 孫超姣2, 陳勇2, 石超2

(1.空軍裝備部 綜合計劃部, 北京 100843;2.空軍工程大學(xué) 航空航天工程學(xué)院, 陜西 西安 710038)

摘要:針對航天器空間對接過程中對接環(huán)位置的實時測量問題,提出了一種基于單目視覺的對接環(huán)識別定位新方法。通過將采集到的目標圖像序列RGB信息轉(zhuǎn)換到HSV色彩空間,以圖像色調(diào)值為判據(jù),實現(xiàn)了航天器空間對接環(huán)目標特征的有效提取。結(jié)合最小二乘橢圓擬合算法和小孔成像理論,建立了單目視覺的對接環(huán)識別定位模型,以完成航天器空間位置的精確計算。仿真結(jié)果表明,航天器近距定位可達到小于2 cm的精度,完全能夠滿足對接的精度要求。

關(guān)鍵詞:航天器對接; 視覺定位; 最小二乘橢圓擬合; 小孔成像

0引言

當前,世界各國高度重視發(fā)展載人航天和宇宙空間站,如何實現(xiàn)航天器的精確對接已經(jīng)成為航天領(lǐng)域研究的熱點問題。對接環(huán)作為空間對接的重要部件,實現(xiàn)其精確定位是航天器空間對接首要解決的關(guān)鍵技術(shù)。為此,文獻[1]提出了一種基于單目視覺的反投影遞推算法,通過Umeyama算法進行三維重建,建立了三維模型點和三維估計點之間的函數(shù)關(guān)系,仿真平臺驗證了其算法的有效性,但由于采用遞推算法,收斂速度有待提高。文獻[2]建立了地面半物理仿真系統(tǒng),采用向量等式對相對位姿進行解算,并對比了仿真結(jié)果和實驗結(jié)果,結(jié)果表明兩者吻合度較高,但存在收斂時間過長的問題(超過100 s)。姚榮斌等[3]采用三目視覺進行交會對接位姿測量,并對比了雙目視覺線性方案、三目視覺線性方法和非線性方法,旋轉(zhuǎn)角誤差精度達到0.18°,但三目視覺方案對于航天器而言,有效載荷較低。何森等[4]設(shè)計了三圓地面靶標作為合作目標,距離2 m時,測距誤差小于1 mm,精度極高,但三圓靶標對于對接環(huán)而言,需另作改裝,實用性有待商榷。翟坤等[5]采用橢圓擬合得到對接環(huán)的中心位置,使用激光測距儀測量相對距離,精度為米級,精度較低且需要視覺傳感器之外的輔助測距傳感器,在工程實踐方面比較欠缺。

針對航天器空間對接的實時要求,本文提出了一種基于單目視覺的對接環(huán)空間位置實時測量方案。采用最小二乘橢圓擬合算法得到對接環(huán)中心位置,運用小孔成像理論解算得到深度信息。該方案不但對系統(tǒng)改裝少,而且提升了系統(tǒng)有效載荷比,定位精度高,有較大的工程實踐意義。

1視覺定位原理

1.1坐標系

為了清晰描述導(dǎo)航相機與對接位置的相對位姿,將各坐標系描述如圖1所示。圖中:相機坐標系Ocxcyczc是以相機光心為原點,以垂直于圖像平面的相機光軸為zc軸,xc軸和yc軸平行于圖像平面;世界坐標系是以對接中心Ow為原點,指向航天器方向為zw軸,指向地心向下為xw軸,遵照右手準則確定yw軸;Rwc和Twc分別為世界坐標系相對于相機坐標系的旋轉(zhuǎn)矩陣和平移矩陣,可通過相機標定獲得[6]。

圖1　坐標系相對位姿關(guān)系Fig.1　Relative pose of the coordinate

1.2特征提取

圖像興趣點指的是能吸引人的主觀注意力,傳遞了大量信息的所有像點,即圖像信號在二維空間上發(fā)生變化的區(qū)域,是判斷和評價圖像的基礎(chǔ),通常包括角點、紋理等。根據(jù)目標視覺特征選取的簡約性、可分性和可靠性,針對航天器對接結(jié)構(gòu)特點,選取了顏色和形狀兩種視覺特征。不同的特征,需采用不同的特征提取算法。

首先,提取顏色特征。通過相機采集航天器對接環(huán)的圖像序列,采集到的圖像通常為全彩色圖像。全彩色圖像由各為8比特像素深度的紅、綠、藍(RGB)圖像組成。將RGB色彩空間轉(zhuǎn)換到HSV色彩空間,其轉(zhuǎn)換公式如下[7]:

(1)

式中:R,G,B分別為RGB色彩空間的紅、綠、藍3個分量;H,S,V分別為HSV色彩空間的色調(diào)、飽和度和亮度3個分量;max=max(R,G,B),min=min(R,G,B)。

通過提取RGB色彩空間中的紅色通道圖像,并利用HSV色彩空間的色調(diào)值作為圖像分割閾值,色調(diào)圖如圖2所示。

圖2　色調(diào)圖Fig.2　Hue picture

為了更為精準地進行視覺測量,考慮到OpenCV函數(shù)庫中HSV空間的色調(diào)值范圍為(0,180),將紅色的色調(diào)值閾值設(shè)置為(0,15)。通過色調(diào)值可提取紅色色彩蒙板,利用該蒙板便可以鎖定圖像中的感興趣區(qū),繼而進行后續(xù)圖像處理工作。其次,針對對接區(qū)外形特征,采用Canny邊緣提取算法處理上述感興趣區(qū),便于其定位計算。為消除冗余信息,采用內(nèi)、外環(huán)長軸之比作為閾值,剔除偽邊緣,以實現(xiàn)準確特征提取。設(shè)f(x,y)為輸入圖像,G(x,y)為二維高斯函數(shù):

(2)

則二者卷積之后可得平滑后的圖像為:

(3)

對平滑圖像進行梯度運算,得到梯度幅值和角度為:

(4)

式中:gx=?fs/?x,gy=?fs/?y。

由于梯度M(x,y)在局部最大值周圍通常包含更寬的邊界范圍,為了細化邊緣,對計算結(jié)果按抑制規(guī)則進行非最大值抑制。

對非最大抑制圖像進行滯后閾值處理,以便減少偽邊緣點。設(shè)高閾值為TH,低閾值為TL,則閾值分割后的圖像為:

(5)

式中:gNH(x,y)和gNL(x,y)圖像可分別稱之為“強邊緣”和“弱邊緣”。為了形成長邊緣或閉合邊緣,對其進行連接分析,并連接邊緣點。按此執(zhí)行邊緣檢測算法,以便得到一個邊緣提取效果較好的圖像。

1.3視覺定位

經(jīng)過色調(diào)特征提取、邊緣檢測將目標與背景分割后,對紅色雙環(huán)特征區(qū)域的邊緣進行最小二乘橢圓擬合[8]便可得到雙環(huán)中心,即平面任意位置橢圓的數(shù)學(xué)模型可表示為:

(6)

式中:(x0,y0)為橢圓的中心坐標;a為長軸半徑;b為短軸半徑;θ為長軸與x軸的夾角。

令參數(shù):

(7)

(8)

(9)

(10)

(11)

則橢圓模型可進一步改寫為:

x2+Axy+By2+Cx+Dy+E=0

(12)

根據(jù)最小二乘原理,通過求解以下最優(yōu)化模型:

minF(A,B,C,D,E)=

(13)

即可進一步確定參數(shù)A,B,C,D,E的值。其中,k=1,2,…,n;n≥5。

由極值原理可知,欲使目標F最小,必存在:

(14)

進而通過A,B,C,D和E的值得到橢圓中心坐標:

(15)

在橢圓擬合過程中,為克服實時測量過程中目標圖像的拖影現(xiàn)象[9],增強算法魯棒性,對圖像中的雙環(huán)均進行擬合,以雙環(huán)中心位置像素偏差值作為判據(jù),從而消除冗余識別結(jié)果。通過提取橢圓參數(shù),即可得到對接區(qū)的中心位置。

為實現(xiàn)目標三維空間定位,需測量目標深度信息,一般方法有激光測距[5]、雷達測距[10]和視覺定位[11]等。本文采用小孔成像原理,其空間深度信息如圖3所示。

圖3　小孔成像原理Fig.3　Pin-hole imaging principle

由于小孔成像存在“近大遠小”現(xiàn)象,故深度計算公式如下:

(16)

式中:Z為深度,即相對距離;M為對接環(huán)直徑;m為圖像中對接環(huán)像素尺寸;f為相機焦距。

在對接環(huán)半徑尺寸已知的情況下,該方法能夠快速準確地獲得空間深度信息,不僅減少了系統(tǒng)結(jié)構(gòu)冗余,而且算法簡單,更具有工程實現(xiàn)價值。

2仿真結(jié)果及分析

為驗證方法的有效性,以模擬航天器對接為目的進行仿真試驗。硬件環(huán)境和軟件環(huán)境如下:

(1)硬件環(huán)境:PC機AMD處理器,主頻2.5 GHz,內(nèi)存2GB;相機采用維視工業(yè)級相機;由地面靶標物理模型。

(2)軟件環(huán)境:采用Visual C++6.0軟件編寫平臺,運用C語言對算法進行編程。

基于此平臺模擬航天器對接過程,設(shè)計了一條對接軌跡。從對接模擬軌跡上均勻選取一定數(shù)量數(shù)據(jù)點,對其對接位置進行三維視覺測量,記錄各點數(shù)據(jù),并繪制誤差曲線。對接過程的序列圖像如圖4所示。

由圖4可知,對接過程中,雙環(huán)感興趣區(qū)是從橢圓逐漸變成正圓的過程,且變化幅度較大。識別結(jié)果中,目標與背景對比度大,邊緣清晰,圖像噪點少,表明本文方法是有效的。

圖4　對接過程序列圖像Fig.4　Image series of spacecraft docking

對航天器對接過程進行均勻采樣,記錄各數(shù)據(jù)點的理論值和本文算法的解算值,繪制軌跡圖和測量誤差圖如圖5和圖6所示。

圖5　圖像對接軌跡Fig.5　Image trajectories of spacecraft docking

圖6　對接測量誤差Fig.6　Measurement errors of spacecraft docking

由圖5可知,航天器從其他軌道上升至對接航天器或者空間站所在軌道過程中,視覺測量得到的航天器飛行軌跡與所設(shè)計的運動軌跡高度吻合,即在不同空間位置,定位精度保持高度一致,進一步驗證了本文算法的有效性。

由圖6可知,在逼近對接過程中,對接環(huán)的目標定位達到了小于2 cm的精度,可以滿足航天器對接精度要求,且地面測量過程在半物理仿真平臺上以30幀/s的速度對視頻進行處理,能夠滿足實時性要求。

3結(jié)束語

針對航天器空間對接中對接環(huán)實時定位問題,提出了一種基于視覺測量的對接環(huán)識別定位新方法。仿真結(jié)果驗證了算法的有效性,定位結(jié)果達到小于2 cm的精度,完全能夠滿足航天器對接的精度要求,為航天器的成功對接提供了一種新方案。然而,該方案未對姿態(tài)信息進行求解,且試驗設(shè)計缺乏天地一致性校驗,要將其運用于工程實踐,仍需要展開更多實踐性工作。.

參考文獻：

[1]Zhang Shijie,Cao Xibin,Zhang Fan,et al.Monocular vision-based iterative pose estimation algorithm from corresponding feature points[J].Science China Information Sciences,2010,53(8):1682-1696.

[2]Huang Qitao,Jiang Hongzhou,Zhang Shangying,et al.Spacecraft docking simulation using hardware-in-the-loop simulator with stewart platform[J].Chinese Journal of Mechanical Engineering,2005,18(3):415-418.

[3]姚榮斌,丁尚文,李生權(quán),等.基于三目視覺的航天器交會對接位姿測量方法研究[J].空間科學(xué)學(xué)報,2011,31(4):527-533.

[4]何森,王志斌,張旭峰,等.航天器對接相對位置姿態(tài)自主測量方法研究[J].光學(xué)技術(shù),2009,35(6):931-938.

[5]翟坤,李志,陳新龍,等.非合作航天器對接環(huán)識別算法研究[J].航天控制,2013,31(5):76-81.

[6]Zhang Z.A flexible new technique for camera calibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.

[7]李微,李德仁.基于HSV色彩空間的MODIS云檢測算法研究[J].中國圖象圖形學(xué)報,2011,16(9):1696-1701.

[8]韓九強,胡懷中,張新曼.機器視覺技術(shù)及應(yīng)用[M].北京:高等教育出版社,2009:170-171.

[9]楊華,衣燕慧,劉國東,等.拖影情況下快速飛行乒乓球體的實時識別與跟蹤[J].沈陽航空航天大學(xué)學(xué)報,2014,31(1):47-51.

[10]常清,潘江懷,安瑾.多雷達距離測量空間定位方法及精度分析[J].電光與控制,2012,19(6):45-48.

[11]熊斕暉,王元慶.共軸立體視覺深度測量[J].現(xiàn)代電子技術(shù),2012,35(6):115-122.

(編輯：崔立峰)

A vision-based location method for spacecraft docking

ZHANG Tie-yi1, XUE Jian-ping2, SUN Chao-jiao2, CHEN Yong2, SHI Chao2

(1.Air Force Armament Department Integrated Program Office, Beijing 100843, China;2.Aeronautics and Astronautics Engineering College, AFEU, Xi’an 710038, China)

Abstract:Focusing on the real-time docking ring location problem, a novel method based on monocular measurement is proposed. The target image series are transformed from RGB term to HSV color space. By taking the value of HSV as the criterion, the spacecraft docking ring target feature is detected efficiently. With the combination of least square ellipse fitting and pin-hole imaging theory, a monocular docking ring recognition and location model was put forward to compute the docking ring’s location accurately. The simulation results indicate that the location precision is less than 2 cm in closer distance, which can completely meet the docking requirements.

Key words:spacecraft docking; vision-based location; least square ellipse fitting; pin-hole imaging

中圖分類號：V411.8; TP274

文獻標識碼：A

文章編號：1002-0853(2016)01-0068-04

作者簡介:張鐵毅(1971-)，男，遼寧沈陽人，碩士，研究方向為航天器控制技術(shù)。

收稿日期:2015-05-07;

修訂日期:2015-09-09; 網(wǎng)絡(luò)出版時間:2015-09-30 11:50