何龍 李東 王艷林 譚啟蒙

摘 要： 空間機(jī)械臂需要在空間站外表面進(jìn)行移動(dòng)來實(shí)現(xiàn)表面巡檢或抵達(dá)目標(biāo)位置執(zhí)行空間任務(wù)，需要通過對合作靶標(biāo)的測量來獲取空間機(jī)械臂與合作靶標(biāo)間的位姿信息，因此設(shè)計(jì)出一種合理可靠的合作靶標(biāo)尤為關(guān)鍵。提出一種合作靶標(biāo)，針對該合作靶標(biāo)提出一種識別及特征點(diǎn)定位算法，利用相機(jī)和合作靶標(biāo)對算法進(jìn)行驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，該算法可在0.5～3.0 m的距離內(nèi)準(zhǔn)確識別出合作靶標(biāo)，特征點(diǎn)的坐標(biāo)定位精度可達(dá)到0.005 2 mm，算法快速、穩(wěn)定，抗干擾能力強(qiáng)。

關(guān)鍵詞： 空間機(jī)械臂； 單目視覺； 合作靶標(biāo)； 目標(biāo)識別； 位姿信息； 坐標(biāo)定位

中圖分類號： TN967?34； V19 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）13?0106?05

Abstract： Since the space manipulator has to move outside the surface of the space station to realize the surface inspection or arrive to the object position to execute space mission， and the pose information between space manipulator and cooperative target marker should be acquired by measuring the cooperative target marker， the design of a reasonable and reliable cooperative target marker is particularly important. Therefore， the design of a cooperative target marker， and an algorithm for the cooperative target marker recognition and feature point location are proposed. The algorithm was verified by means of camera and cooperative target marker. The experimental results show that the algorithm can recognize the cooperative target marker successfully within 0.5～3.0 m， has fast and stable recognition performance and strong anti?interference ability， and the coordinate positioning accuracy of the feature point can reach up to 0.005 2 mm.

Keywords： space manipulator； monocular vision； cooperative target marker； target recognition； pose information； coordinate location

0 引 言

1957年10月4日，隨著人類第一顆人造地球衛(wèi)星的成功發(fā)射，人類的探索正式由地球拓展到了太空。科技的不斷進(jìn)步使得人類太空探索能力也在突飛猛進(jìn)的發(fā)展。其中空間站的發(fā)展是太空探索的一個(gè)重要標(biāo)志。空間站的組裝組建、宇航員出艙活動(dòng)的輔助活動(dòng)、維護(hù)維修以及外表面的巡檢都需要借助于空間機(jī)械臂來完成?？臻g機(jī)械臂中的視覺測量系統(tǒng)作為空間機(jī)械臂伺服控制系統(tǒng)中的輸入端，其測量精度直接影響著整個(gè)空間機(jī)械臂系統(tǒng)的控制精度，其重要性不言而喻[1]。

目前，美國在實(shí)現(xiàn)追蹤航天器與目標(biāo)航天器之間交會(huì)對接時(shí)，采用的合作靶標(biāo)是由美國國家航空航天局研發(fā)的高級視覺制導(dǎo)傳感器（AVGS），該系統(tǒng)使用激光和圖像識別技術(shù)識別靶標(biāo)，進(jìn)而測量位姿[2]。此種靶標(biāo)的實(shí)現(xiàn)需要采用兩種不同波長的激光對其進(jìn)行照射。此類靶標(biāo)制作較為復(fù)雜，且在使用時(shí)需要一定外界條件的輔助，有一定的局限性。日本在實(shí)現(xiàn)貨運(yùn)飛船與空間站的交會(huì)對接時(shí)采用6個(gè)不同顏色的標(biāo)志燈，其中有4個(gè)用于觀察姿態(tài)，剩余2個(gè)于捕獲時(shí)用。該靶標(biāo)仍存在著制作及安裝上的不便性。在中國，神舟飛船與天宮進(jìn)行交會(huì)對接時(shí)采用十字形靶標(biāo)，由宇航員人眼觀測識別靶標(biāo)，通過激光雷達(dá)系統(tǒng)實(shí)現(xiàn)最終的交會(huì)對接。該過程仍需要過多的人為參與，不能實(shí)現(xiàn)合作靶標(biāo)的自動(dòng)識別，大大影響交會(huì)對接的精準(zhǔn)度及對接時(shí)間。

目前國際空間站采用非編碼圖案設(shè)計(jì)，通過在空間站外表面粘貼若干圓形標(biāo)記點(diǎn)作為空間靶標(biāo)圖案[3]，圓形標(biāo)記點(diǎn)直徑約為1 m。除此之外，在加拿大空間機(jī)械臂上也采用非編碼空間標(biāo)記圖案[3]，按照2行6列矩形方格的形式粘貼在機(jī)械臂上。借鑒上述兩種合作靶標(biāo)設(shè)計(jì)發(fā)現(xiàn)，采用視覺標(biāo)記圖案的形式設(shè)計(jì)靶標(biāo)相比于美國及日本的靶標(biāo)設(shè)計(jì)具有一定的先進(jìn)性，制作簡單，安裝方便，環(huán)境適應(yīng)性強(qiáng)，尤其是對于后期合作目標(biāo)的位姿解算大大提高了其準(zhǔn)確性，降低了難度。

1 合作靶標(biāo)設(shè)計(jì)

1.1 靶標(biāo)設(shè)計(jì)原則

實(shí)現(xiàn)靶標(biāo)在圖像中快速、準(zhǔn)確識別提取，是整個(gè)位姿測量過程中的首要前提，本文設(shè)計(jì)靶標(biāo)時(shí)考慮以下原則[3]：

1） 靶標(biāo)要具有旋轉(zhuǎn)、縮放唯一性。

2） 靶標(biāo)設(shè)計(jì)時(shí)要采用相同規(guī)則的幾何圖形，圖案設(shè)計(jì)切忌過于復(fù)雜。

3） 靶標(biāo)圖案要盡可能保持較高的對比度，以便于靶標(biāo)在不同的背景光照環(huán)境中被準(zhǔn)確識別。

4） 靶標(biāo)設(shè)計(jì)要簡單，以便于粘貼、安裝于空間合作目標(biāo)表面。

1.2 靶標(biāo)設(shè)計(jì)

1.2.1 形狀設(shè)計(jì)

設(shè)計(jì)合作靶標(biāo)時(shí)，采用圓形圖案，這也是目前應(yīng)用最為廣泛的一種空間視覺標(biāo)記圖案。這是因?yàn)槠洫?dú)特的自身優(yōu)勢：圓形具有各向同性的性質(zhì)，有效避開了由于外界干擾所致的標(biāo)記圖案變形，從而影響特征點(diǎn)中心的識別及提?。欢覉D案中每一個(gè)獨(dú)立的圓形圖案均為中心對稱分布，不會(huì)受到外界干擾的影響。

1.2.2 顏色設(shè)計(jì)

為了增強(qiáng)亮暗對比度，便于在周圍環(huán)境中快速、準(zhǔn)確地識別出合作靶標(biāo)，圖案中背景采用純白色，圖案中的圓點(diǎn)、圓環(huán)和線段采用純黑色。

1.2.3 尺寸設(shè)計(jì)

在設(shè)計(jì)圖案的尺寸時(shí)，需要考慮到在實(shí)際的物理距離中，相機(jī)采集到的圖像中標(biāo)記圖案中的特征點(diǎn)能否被準(zhǔn)確識別，也要考慮到后期特征點(diǎn)中心能否快速、準(zhǔn)確提取，這里采用的特征點(diǎn)尺寸要綜合考慮以上因素。靶標(biāo)圖案物理尺寸如圖1所示（圖中單位為mm）。

1.2.4 特征點(diǎn)數(shù)量選擇

本文首先出于對位姿解算的考慮，原則上空間標(biāo)記特征點(diǎn)的個(gè)數(shù)應(yīng)為不小于4的任意整數(shù)，計(jì)算位姿的問題實(shí)際上是屬于PnP問題（Perspective n?Point Problems，多點(diǎn)透視定位問題），根據(jù)文獻(xiàn)[4]對PnP問題的研究，當(dāng)n>5時(shí)，PnP問題有唯一解，通過迭代算法進(jìn)行位姿估計(jì)，可以達(dá)到很高的精度，而且速度很快。又加以空間標(biāo)記布局方面的考慮，本文采用7個(gè)特征點(diǎn)，可以使靶標(biāo)圖案實(shí)現(xiàn)水平方向上的對稱，在圖像旋轉(zhuǎn)、縮放后具有唯一性。

1.2.5 整體布局

靶標(biāo)整體設(shè)計(jì)時(shí)要盡量分散，以防靶標(biāo)距離相機(jī)較遠(yuǎn)時(shí)，因成像問題圖案之間會(huì)相互干擾，影響特征點(diǎn)的識別。合作靶標(biāo)模型如圖2所示。

圖2中的圓環(huán)及圓環(huán)周圍的三條直線為了便于在遠(yuǎn)程對接階段，宇航員對靶標(biāo)位置進(jìn)行肉眼識別。其中7個(gè)特征點(diǎn)通過一定的空間結(jié)構(gòu)進(jìn)行排列，將圓環(huán)中的特征點(diǎn)命名為0號點(diǎn)，并以它為中心，左上角的點(diǎn)為1號點(diǎn)，按順時(shí)針進(jìn)行排序。之后通過這些點(diǎn)求解位姿。考慮到三維靶標(biāo)在制作成本、難易程度等因素的制約，以及在位姿解算算法上的考慮，該靶標(biāo)采用二維平面的方式設(shè)計(jì)。

2 合作靶標(biāo)識別及定位

本文在Windows7系統(tǒng)環(huán)境下，基于Matlab軟件環(huán)境開發(fā)出合作靶標(biāo)特征點(diǎn)圖像坐標(biāo)自動(dòng)提取應(yīng)用程序。該應(yīng)用程序的算法流程圖如圖3所示。

2.1 圖像預(yù)處理

由相機(jī)采集得到的是bmp格式圖像，為了加快算法的處理速度，將bmp格式圖像進(jìn)行灰度化處理，得到灰度圖像[I0（x，y）]，如圖4所示。之后針對該灰度圖像采用分段線性灰度變換法進(jìn)行圖像增強(qiáng)處理，然后采用中值濾波法對[I0（x，y）]進(jìn)行圖像平滑處理，得到高質(zhì)量有待下一步處理的圖像[I1（x，y）]，如圖5所示。

2.2 圖像分割

在圖像處理分析過程中，更關(guān)心的是將圖像中感興趣的部分與其他部分進(jìn)行分離并提取出來，這時(shí)便需要對圖像進(jìn)行分割。根據(jù)靶標(biāo)圖案的特性，各特征點(diǎn)為黑色，背景色為白色，并且均為連通區(qū)域。因此本文采用迭代法及均勻性度量法進(jìn)行比較試驗(yàn)，試驗(yàn)結(jié)果表明，在圖像的分割效果上兩種算法均可，無太大差異，但在圖像處理速度上，迭代法明顯優(yōu)于均勻性度量法，故本文采用迭代法進(jìn)行圖像分割處理，得到處理后圖像[I2（x，y）]，如圖6所示。

圖像[I2（x，y）]中仍存有諸多小型閉合區(qū)域，剔除掉區(qū)域面積小于一定閾值的閉合區(qū)域后得到效果更佳的圖像[I3（x，y）]，如圖7所示。

2.3 靶標(biāo)圖案區(qū)域提取

2.3.1 連通區(qū)域提取

[I3（x，y）]由多個(gè)連通區(qū)域構(gòu)成，要提取的區(qū)域是像素值為0的連通區(qū)域，這里采用如下的連通域提取算法[5]：

1） 按照圖像[I3（x，y）]大小創(chuàng)建一個(gè)新的位圖[I4（x，y）]，用來復(fù)制[I3（x，y）]，從左上角[I3（0，0）]開始，以由上到下、由左至右的方式對圖像進(jìn)行掃描，若掃描到某點(diǎn)像素值[I3（x1，y1）=0]，則從此處開始，采用八鄰域邊界跟蹤法，對該點(diǎn)所在的區(qū)域進(jìn)行輪廓跟蹤，并生成鏈碼表；

2） 將該鏈碼表轉(zhuǎn)換為水平或垂直方向上的線段表，如圖8所示，并將該輪廓所包含區(qū)域內(nèi)的所有像素點(diǎn)的值全賦值為0，直到該區(qū)域所有像素點(diǎn)的值均為0，則開始掃描下一區(qū)域，直到整幅圖像全部掃描完畢為止。

2.3.2 圓度值判斷

鑒于本文設(shè)計(jì)的合作靶標(biāo)圖案自身的形狀特征，采用圓形設(shè)計(jì)，與背景圖案差別較大，為了能更加準(zhǔn)確、快速地從整幅圖像中提取出靶標(biāo)圖案，這里采用基于區(qū)域的形狀特征進(jìn)行特征提取，通過圓度值進(jìn)行靶標(biāo)連通區(qū)域的判斷。

圓形度[R0]用來描述連通區(qū)域形狀接近圓形的程度，它是測量區(qū)域形狀的常用量。其計(jì)算公式為：

通過上述一系列的判斷，將不符合特征點(diǎn)圓度值范圍的其他連通區(qū)域剔除掉之后，最終成功地將靶標(biāo)圖案從原圖像中提取出來，如圖10所示。由于后期位姿解算只需對靶標(biāo)圖案中的特征點(diǎn)進(jìn)行中心定位，故剔除掉圖案中的圓環(huán)及直線，得到只包含7個(gè)特征點(diǎn)圖案的位圖[I5（x，y）]，如圖11所示。

2.4 特征點(diǎn)中心定位

由于本文采用圓形空間標(biāo)記圖案，靶標(biāo)中每一個(gè)獨(dú)立圓形特征點(diǎn)均呈中心對稱分布，鑒于該種靶標(biāo)圖案定位精度比較高，目前有許多圓形特征點(diǎn)的定位算法，例如橢圓擬合法、Hough變換法、灰度平方加權(quán)質(zhì)心法等[3，6]。其中灰度平方加權(quán)質(zhì)心法采用灰度值的平方作為加權(quán)值，該方法體現(xiàn)出離點(diǎn)中心較近且灰度值較大的像素點(diǎn)對于點(diǎn)中心位置的影響。相比較而言，灰度平方加權(quán)質(zhì)心法整體性能最高，更適用于本文的研究。

該算法具有良好的魯棒性，既適用于圓形區(qū)域像素灰度分布較為均勻的情況，也適用于像素在圓形區(qū)域中所占相對較少，亦或不規(guī)則的圓形區(qū)域。

灰度平方加權(quán)質(zhì)心法是重心法的演變，其具體計(jì)算過程如下[7]：

3 試驗(yàn)結(jié)果及分析

首先，試驗(yàn)所用的是微視圖像公司生產(chǎn)的MVC?1MM型號相機(jī)，采集到的圖像為1 280×1 024 pixels的bmp格式圖片，像元尺寸為5.2 μm。并利用同一型號相機(jī)每隔0.5 m從0.5～3.0 m距離采集上述靶標(biāo)圖案的圖像信息，并將采集到的6幅圖像保存至計(jì)算機(jī)。

其次，在Matlab軟件平臺中，針對不同距離采集的6幅圖像調(diào)用前面介紹的靶標(biāo)識別算法的軟件程序，均成功實(shí)現(xiàn)了對靶標(biāo)圖案的提取，本文僅以1.5 m距離采集的圖像為例。

最后，通過分別采用橢圓擬合法以及灰度平方加權(quán)質(zhì)心法對提取到的特征點(diǎn)進(jìn)行中心定位，以驗(yàn)證中心點(diǎn)定位算法的性能。

試驗(yàn)開始，用計(jì)算機(jī)系統(tǒng)自帶的畫圖軟件將原始圖片放至最大，找到每個(gè)特征點(diǎn)中最亮的像素點(diǎn)，以此作為標(biāo)準(zhǔn)的中心坐標(biāo)，以便于與用兩種不同檢測方法計(jì)算出來的中心點(diǎn)坐標(biāo)做比較。按照圖2所示將圖像中的7個(gè)特征點(diǎn)由0～6編號，針對兩種算法，與標(biāo)準(zhǔn)中心進(jìn)行比對之后，[X]方向和[Y]方向上的坐標(biāo)誤差曲線如圖12，圖13所示。

采集圖像所用相機(jī)像元尺寸為5.2 μm×5.2 μm，經(jīng)過換算，圖像中一個(gè)像素的實(shí)際物理距離為0.005 2 mm，所以在[X]方向上，灰度平方加權(quán)質(zhì)心法最高定位精度可以達(dá)到0.005 2 mm，而橢圓擬合法定位精度最高僅能達(dá)到0.031 2 mm；對于[Y]方向，雖兩種算法最高定位精度均可達(dá)到0.005 2 mm，但綜合來看，灰度平方加權(quán)質(zhì)心法定位精度范圍更接近于0.005 2 mm。通過對比不難發(fā)現(xiàn)，橢圓擬合法定位的特征點(diǎn)中心變化更為劇烈，誤差也更大，明顯不如灰度平方加權(quán)質(zhì)心法定位精度高。

分別計(jì)算由橢圓擬合法和灰度平方加權(quán)質(zhì)心法得到的誤差的均值和方差，如表1所示。

由表1的結(jié)果可以得出，灰度平方加權(quán)質(zhì)心法的穩(wěn)定性也要優(yōu)于橢圓擬合法，相比之下，灰度平方加權(quán)質(zhì)心法算法整體性能比較高，故在本系統(tǒng)中選用灰度平方加權(quán)質(zhì)心法進(jìn)行點(diǎn)中心定位。

本文為基于空間合作目標(biāo)的三維位姿視覺測量技術(shù)研究系統(tǒng)中的一部分，研究前期采用張正友標(biāo)定法對單目相機(jī)進(jìn)行內(nèi)部參數(shù)標(biāo)定[8]，標(biāo)定靶標(biāo)采用經(jīng)由中國計(jì)量院標(biāo)定過的棋盤格平面靶標(biāo)。后期通過本文提取到的點(diǎn)中心坐標(biāo)，采用POSIT算法通過迭代最終得到高精度的位姿參數(shù)估計(jì)。

4 結(jié) 語

本文總結(jié)了靶標(biāo)圖案設(shè)計(jì)的原則，并結(jié)合此原則設(shè)計(jì)了基于圓形圖案的合作靶標(biāo)，憑借著其自身各向同性，通過基于圖形圓形度的特征提取方法，很容易地將靶標(biāo)從圖像中提取出來，通過對不同距離采集的圖像進(jìn)行驗(yàn)證，本算法可以滿足空間合作目標(biāo)三維位姿測量項(xiàng)目在0.5～3.0 m范圍內(nèi)準(zhǔn)確識別合作靶標(biāo)的要求，具有很強(qiáng)的實(shí)用價(jià)值。

針對點(diǎn)中心定位算法，對橢圓擬合法和灰度平方加權(quán)質(zhì)心法分別進(jìn)行對比試驗(yàn)。試驗(yàn)結(jié)果表明，灰度平方加權(quán)質(zhì)心法因其具有算法速度快、定位精度高的特點(diǎn)，更加適用于本文的設(shè)計(jì)方案中。

由空間靶標(biāo)設(shè)計(jì)及點(diǎn)中心定位算法共同構(gòu)成的空間機(jī)械臂合作靶標(biāo)系統(tǒng)方案，性能較好，穩(wěn)定性較高，并與目前國際空間站上的成功應(yīng)用案例有相近之處，可以為后期空間機(jī)械臂視覺測量系統(tǒng)中的三維位姿測量打下良好的基礎(chǔ)。

參考文獻(xiàn)

[1] 初廣麗.航天器合作靶標(biāo)自動(dòng)識別關(guān)鍵技術(shù)研究[D].長春：中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所），2015：1?2.

CHU Guangli. Study on the key technologies of automatic identification for cooperative target on spacecraft [D]. Changchun： Changchun Institute of Optics， Fine Mechanics and Physics， Chinese Academy of Sciences， 2015： 1?2.

[2] 溫卓漫，王延杰，邸男，等.空間站機(jī)械臂位姿測量中合作靶標(biāo)的快速識別[J].航空學(xué)報(bào)，2015，36（4）：1330?1338.

WEN Zhuoman， WANG Yanjie， DI Nan， et al. Fast recognition of cooperative target used for position and orientation measure?ment of space station′s robot arm [J]. Acta aronautica et astronautica sinia， 2015， 36（4）： 1330?1338.

[3] 譚啟蒙，胡成威，高升.空間非編碼標(biāo)記特征點(diǎn)中心定位方法與比較[J].航天器工程，2014，23（1）：96?102.

TAN Qimeng， HU Chengwei， GAO Sheng. Design of non?coding pattern and centroiding location of feature points for spatial target [J]. Spacecraft engineering， 2014， 23（1）： 96?102.

[4] 童張海.單目視覺空間目標(biāo)位姿測量算法研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012：31?42.

TONG Zhanghai. Algorithm of relative pose estimation for space target based on monocular?vision [D]. Harbin： Harbin Institute of Technology， 2012： 31?42.

[5] 夏瑞雪，盧榮勝，劉寧，等.基于圓點(diǎn)陣列靶標(biāo)的特征點(diǎn)坐標(biāo)自動(dòng)提取方法[J].中國機(jī)械工程，2010，21（16）：1906?1910.

XIA Ruixue， LU Rongsheng， LIU Ning， et al. A method of automatic extracting feature point coordinates based on circle array target [J]. China mechanical engineering， 2010， 21（16）： 1906?1910.

[6] 孫鵬，呂乃光，王博恩，等.視覺測量中圓形標(biāo)志點(diǎn)的全場自動(dòng)識別和提取[J].北京信息科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，26（3）：91?95.

SUN Peng， L? Naiguang， WANG Boen， et al. Automatic recognition and extraction of circle marked point in full images of photogrammetry [J]. Journal of Beijing Information Science and Technology University （natural science edition）， 2011， 26（3）： 91?95.

[7] 張廣軍.視覺測量[M].北京：科學(xué)出版社，2008：66?70.

ZHANG Guangjun. Vision measurement [M]. Beijing： Science Press， 2008： 66?70.

[8] 譚啟蒙，胡成威，高升.空間機(jī)械臂視覺相機(jī)內(nèi)參標(biāo)定技術(shù)研究[J].航天返回與遙感，2013，34（6）：74?80.

TAN Qimeng， HU Chengwei， GAO Sheng. Research on calibration of intrinsic parameters for space manipulator camera based on 2D planar [J]. Spacecraft recovery & remote sensing， 2013， 34（6）： 74?80.

[9] SONG Limei， WANG Mingping， LU Lu， et al. High precision camera calibration in vision measurement [J]. Optics & laser technology， 2007， 39： 1415?1418.

[10] TRI C P， YONG S I， JA C K， et al. An enhanced edge tracking method using a low resolution tactile sensor [C]// 2012 International Conference on Computer Science and Electronics Engineering. [S.l.]： IEEE， 2012： 633?636.