宮德寧,吳琳娜,李榮華,盧祺

(1.大連交通大學(xué) 機(jī)械工程學(xué)院，遼寧 大連 116028；2.上海宇航系統(tǒng)研究所，上海 201109)

隨著航天技術(shù)的飛速發(fā)展，空間在軌服務(wù)成為當(dāng)前亟需技術(shù)，主要包括輔助變軌、碎片移除、在軌燃料加注與延壽、在軌裝配和在軌維修等.空間目標(biāo)三維重建是空間在軌服務(wù)的關(guān)鍵，三維重建技術(shù)主要包括可見光序列圖像和激光雷達(dá)方法.Yingying Gu[1]通過單目相機(jī)測(cè)量，提出了一種在復(fù)雜光照條件下可以穩(wěn)定提取目標(biāo)圖像投影角度的圖像處理方法.劉玉[2]驗(yàn)證激光雷達(dá)的航天器相對(duì)位姿測(cè)量技術(shù)方法合理可行,測(cè)量精度高,可滿足近距離操控中相對(duì)導(dǎo)航任務(wù)需求,對(duì)國(guó)內(nèi)后續(xù)開展工程應(yīng)具有較大參考價(jià)值.尹芳[3]針對(duì)激光3D點(diǎn)云數(shù)據(jù)跟蹤配準(zhǔn)中產(chǎn)生的累積誤差問題，提出了位姿圖優(yōu)化的SLAM技術(shù)框架的方法.點(diǎn)云數(shù)據(jù)配準(zhǔn)是空間目標(biāo)三維重建必要途徑，準(zhǔn)確的點(diǎn)云配準(zhǔn)可以提高三維重建精度.

點(diǎn)云配準(zhǔn)分為粗配準(zhǔn)[4〗和精配準(zhǔn)[5].粗配準(zhǔn)也叫初始配準(zhǔn)，用于處理兩幅未知點(diǎn)云位姿信息，為精配準(zhǔn)提供良好的初值.近年來為了提高配準(zhǔn)精度，越來越多的學(xué)者開始研究粗配準(zhǔn)算法.Rusu[6]提出了計(jì)算點(diǎn)云特征描述的子方法，描述了中心點(diǎn)與其領(lǐng)域范圍點(diǎn)之間的空間差異，形成點(diǎn)特征直方圖(Point Feature Histograms,PFH).R.B.Rusueta[7]提出了一種基于FPFH特征的配準(zhǔn)算法，該算法不僅提高了點(diǎn)云配準(zhǔn)精度，也顯著性提高了點(diǎn)云配準(zhǔn)的效率.隨著配準(zhǔn)算法的進(jìn)一步研究，NDT算法[8]、3DSC算法[9]和4PCS算法[10]開始得到廣泛應(yīng)用.Chen[11]首次在點(diǎn)云配準(zhǔn)中運(yùn)用RANSAC算法，繼而Rusu[6]通過快速點(diǎn)特征直方圖(Fast Point Feature Histograms,FPFH)描述子和RANSAC原理，提出了SAC-IA(Sample Consensus Initial Alignment)算法.

利用NDT、3DSC、4PCS和FPFH等傳統(tǒng)算法實(shí)現(xiàn)了點(diǎn)云的粗配準(zhǔn)，對(duì)部分點(diǎn)云數(shù)據(jù)能夠得到較好的結(jié)果，為精確配準(zhǔn)提供較好的初始旋轉(zhuǎn)矩陣，但對(duì)于衛(wèi)星點(diǎn)云等平面特征多且特征單一的特殊點(diǎn)云模型，容易產(chǎn)生異部分誤匹配，導(dǎo)致粗配準(zhǔn)失敗.針對(duì)以上問題，本文提出改進(jìn)直通濾波SAC-IA粗配準(zhǔn)算法，首先對(duì)點(diǎn)云數(shù)據(jù)處理時(shí)，先需要進(jìn)行離群點(diǎn)與噪聲的去除；其次采用PCA算法計(jì)算點(diǎn)云數(shù)據(jù)中心點(diǎn)，去除均值，得到協(xié)方差矩陣，從而得出特征值以及特征向量；然后特征向量方向?yàn)橹鞒煞址较蛞?guī)定成分方向?yàn)閆軸進(jìn)行坐標(biāo)變換，再對(duì)Z軸方向進(jìn)行直通濾波，保留衛(wèi)星主體部分，去除太陽能帆板，再進(jìn)行主體部分下采樣濾波，能有效提高配準(zhǔn)精度；最后計(jì)算2個(gè)待配準(zhǔn)點(diǎn)云的法向量，使用Kd-Tree樹結(jié)構(gòu)對(duì)點(diǎn)云的FPFH特征進(jìn)行加速計(jì)算，得到目標(biāo)點(diǎn)云和待配準(zhǔn)點(diǎn)云的FPFH特征.再根據(jù)2個(gè)點(diǎn)云相似的FPFH特征，使用SAC-IA算法求解變換矩陣，同時(shí)對(duì)前期PCA算法處理后的點(diǎn)云進(jìn)行逆變換，求累積矩陣變換，完成點(diǎn)云粗配準(zhǔn)，具體點(diǎn)云粗配準(zhǔn)路線見圖1.

圖1 配準(zhǔn)路線圖

1 改進(jìn)點(diǎn)云直通濾波

根據(jù)真實(shí)衛(wèi)星尺寸進(jìn)行1∶1三維建模，經(jīng)MeshLab軟件處理三維模型，生成衛(wèi)星點(diǎn)云數(shù)據(jù)，最后在通過MATLAB對(duì)數(shù)據(jù)仿真，得到局部可視點(diǎn)云，仿真過程中加入噪點(diǎn)，模擬真實(shí)數(shù)據(jù)情況.在處理點(diǎn)云數(shù)據(jù)時(shí)，大多數(shù)需要通過濾波重采樣來對(duì)點(diǎn)云進(jìn)行預(yù)處理，在保留特征的前提下節(jié)省特征子計(jì)算時(shí)間，提高點(diǎn)云配準(zhǔn)精度和時(shí)效性[12].考慮到衛(wèi)星點(diǎn)云初始目標(biāo)的太陽能帆板平面部分和目標(biāo)點(diǎn)云衛(wèi)星主體平面部分點(diǎn)云造成誤匹配，為了得到準(zhǔn)確的點(diǎn)對(duì)對(duì)應(yīng)關(guān)系，本文首先去除點(diǎn)云離群點(diǎn)，然后采用PCA變換分析方法估算點(diǎn)云的法向信息，獲得點(diǎn)云的三個(gè)主方向，獲取質(zhì)心，求得協(xié)方差矩陣，從而求解出矩陣的特征值和特征向量，特征向量即為主方向.接著校正主方向垂直，變換矩陣為M，對(duì)點(diǎn)云進(jìn)行坐標(biāo)變換，這樣無論衛(wèi)星在任何位姿下，都能準(zhǔn)確地保留中主體部分.計(jì)算過程如下：

(1)求每個(gè)維度的平均值

(1)

(2)

(3)

式中：N是點(diǎn)云中點(diǎn)的總個(gè)數(shù).

(2)求協(xié)方差矩陣以及對(duì)應(yīng)的特征值、特征向量

(4)

Cλ=μλ

(5)

利用矩陣知識(shí)，求協(xié)防差矩陣C的特征值λ和相對(duì)應(yīng)的特征向量μ，特征向量為主方向.

(3)用(1)，(2)中獲得的點(diǎn)云主方向和質(zhì)心，將輸入點(diǎn)云轉(zhuǎn)換到原點(diǎn)位置，且主方向與坐標(biāo)系Z軸方向重合.再進(jìn)行點(diǎn)云直通濾波，如圖2所示，因?yàn)樾l(wèi)星的點(diǎn)云主體寬度尺寸已知為A，所以直通濾波時(shí)選取濾波范圍A，剔除兩側(cè)太陽板，保留衛(wèi)星目標(biāo)的主體部分,點(diǎn)云數(shù)據(jù)通過對(duì)主體點(diǎn)云進(jìn)行下采樣濾波處理，不僅提高了計(jì)算效率，而且能有效防止對(duì)應(yīng)點(diǎn)對(duì)之間產(chǎn)生錯(cuò)誤，提高準(zhǔn)確率.

圖2 改進(jìn)點(diǎn)云濾波圖

2 點(diǎn)云配準(zhǔn)

在點(diǎn)云的初配準(zhǔn)中，首先計(jì)算經(jīng)過濾波處理衛(wèi)星點(diǎn)云主體部分中每個(gè)點(diǎn)的FPFH，然后使用SAC-IA算法在目標(biāo)點(diǎn)云中查找與待配準(zhǔn)點(diǎn)云中具有相似FPFH特征的點(diǎn)，從這些相似點(diǎn)中構(gòu)建對(duì)應(yīng)點(diǎn)對(duì)應(yīng)關(guān)系．計(jì)算旋轉(zhuǎn)變換矩陣，旋轉(zhuǎn)平移待配準(zhǔn)點(diǎn)云完成配準(zhǔn).

FPFH是由PFH改進(jìn)而來的，首先計(jì)算查詢點(diǎn)與鄰域點(diǎn)之間的關(guān)系，而不計(jì)算鄰域點(diǎn)與鄰域點(diǎn)之間的關(guān)系特征，接著再確定查詢點(diǎn)與鄰近點(diǎn)的理論復(fù)雜度.雖然FPFH沒有對(duì)近鄰點(diǎn)所有組合進(jìn)行計(jì)算，可能會(huì)導(dǎo)致重要點(diǎn)對(duì)的丟失，但在進(jìn)行權(quán)重和鄰近點(diǎn)的重新計(jì)算過程中，降低了信息復(fù)雜度，增加了適用性，有效提升運(yùn)算速率.

FPFH在計(jì)算Pq和其k鄰域點(diǎn)Pk1～Pk5，構(gòu)建每一個(gè)領(lǐng)域點(diǎn)的局部坐標(biāo)系，分別計(jì)算出每個(gè)k領(lǐng)域點(diǎn)的四元組，獲得特征直方圖，不計(jì)算領(lǐng)域點(diǎn)與領(lǐng)域點(diǎn)之間的關(guān)系，得到簡(jiǎn)化的點(diǎn)特征直方圖(Simple Point Feature Histograms, SPFH).如圖3所示，分別以Pk1～Pk5作為目標(biāo)點(diǎn)尋找其k鄰域點(diǎn)并計(jì)算法向量、構(gòu)建局部坐標(biāo)系、獲得Pq和其鄰域點(diǎn)為目標(biāo)點(diǎn)的SPFH.點(diǎn)Pq的FPFH特征計(jì)算公式為：

(6)

式中：Pq和Pk為相鄰點(diǎn)；ωk是Pq和Pk的距離權(quán)重.

在式(6)中，以Pq和其鄰域點(diǎn)Pk之間的距離作為權(quán)重.首先獲取衛(wèi)星點(diǎn)云全部點(diǎn)的簡(jiǎn)化特征直方圖，接著通過點(diǎn)云的簡(jiǎn)化特征直方圖與鄰域點(diǎn)的SPFH值重新加權(quán)計(jì)算，最后得到衛(wèi)星點(diǎn)云的快速點(diǎn)特征直方圖,如圖3所示.

圖3 FPFH計(jì)算原理圖

計(jì)算完衛(wèi)星主體部分特征描述子之后，通過采樣一致性初始配準(zhǔn)算法(Sample Consensus Initial Aligment)來尋找兩幅衛(wèi)星點(diǎn)云的對(duì)應(yīng)點(diǎn)，從而得出旋轉(zhuǎn)平移矩陣.具體步驟如下：

(1)從待配準(zhǔn)點(diǎn)云A′中選取m(m>3)個(gè)采樣點(diǎn)，規(guī)定采樣點(diǎn)之間的最小距離，能保證采樣點(diǎn)具有不同的快速點(diǎn)特征直方圖特征.

(2)查找待配準(zhǔn)衛(wèi)星點(diǎn)云A′的點(diǎn)與目標(biāo)衛(wèi)星點(diǎn)云B′中的點(diǎn)具有相似的快速點(diǎn)特征直方圖特征，選取相似特征的點(diǎn)云作為待配準(zhǔn)點(diǎn)云與目標(biāo)點(diǎn)云的對(duì)應(yīng)點(diǎn).

(7)

式中，ei為第i組對(duì)應(yīng)點(diǎn)變換之后的距離差，L為預(yù)先給定值.

3 坐標(biāo)變換

配準(zhǔn)的結(jié)果不僅要從圖像得出，也要從最后得出的平移 、旋轉(zhuǎn)數(shù)據(jù)上體現(xiàn)，二者需要相輔相成，而坐標(biāo)變換也是點(diǎn)云配準(zhǔn)得到平移、旋轉(zhuǎn)誤差的重要途徑.本文在求初始點(diǎn)云跟目標(biāo)點(diǎn)云之間的變換經(jīng)過了兩次變換，首先是兩幅點(diǎn)云的主成分方向變換，然后是經(jīng)過變換后的點(diǎn)云配準(zhǔn)變換，所以求取初始點(diǎn)云與目標(biāo)點(diǎn)云之間的位姿變換需要對(duì)兩次變換矩陣整體求逆變換，得到的矩陣是要求取的誤差矩陣.具體流程如圖4所示.

圖4 矩陣變換流程圖

其中點(diǎn)云A是初始點(diǎn)云，點(diǎn)云B是目標(biāo)點(diǎn)云.最后配準(zhǔn)過程輸出結(jié)果是矩陣P.在矩陣變換過程中，符合下列計(jì)算規(guī)則，其中C,D,E為可逆的4×4階矩陣：

(8)

(9)

(10)

如果CD=E，那么

(11)

在矩陣進(jìn)行變換時(shí)，

CD=E?C=ED-

(12)

所以根據(jù)式(12)可以得出：

P=M×N×O-

(13)

4 結(jié)果與分析

本文實(shí)驗(yàn)平臺(tái)配置如表1所示.

表1 系統(tǒng)環(huán)境配置

如圖5所示，采用了一組仿真數(shù)據(jù)自旋4.979章動(dòng)5.103 7章動(dòng)角56.68的第0幀和第5幀兩組可視點(diǎn)云進(jìn)行實(shí)驗(yàn)，兩組數(shù)據(jù)由于掃描數(shù)據(jù)時(shí)相機(jī)的站位不同，自身遮擋重疊部位點(diǎn)云數(shù)據(jù)無法顯示，不能得到全部點(diǎn)云.圖5中的原始點(diǎn)云數(shù)據(jù)有16 782個(gè)點(diǎn)，目標(biāo)點(diǎn)云數(shù)據(jù)有19 054個(gè)點(diǎn).

圖5 輸入點(diǎn)云模型

由于點(diǎn)云數(shù)據(jù)遮擋部分不同，形成的可視點(diǎn)云數(shù)據(jù)對(duì)應(yīng)部分減少，增加配準(zhǔn)難度，對(duì)效率和精度影響大.首先對(duì)點(diǎn)云進(jìn)行主成分分析，接著對(duì)點(diǎn)云進(jìn)行變換，最后對(duì)點(diǎn)云進(jìn)行直通濾波，圖6(a)為處理后的原始點(diǎn)數(shù)據(jù)，圖6(b)為處理后的目標(biāo)點(diǎn)云數(shù)據(jù).

(a) 處理后的原始點(diǎn)云

(b) 處理后的目標(biāo)點(diǎn)云圖6 直通濾波處理后的結(jié)果

為了驗(yàn)證本文算法的有效性，跟傳統(tǒng)的3DCS、4PSC、FPFH、NDT粗配準(zhǔn)算法進(jìn)行比較.通過對(duì)比配準(zhǔn)前后點(diǎn)云模型在X、Y、Z軸的旋轉(zhuǎn)誤差和平移誤差來判定配準(zhǔn)精度，從而得出配準(zhǔn)結(jié)果.為驗(yàn)證算法的有效性，控制其他閾值對(duì)配準(zhǔn)結(jié)果的影響，對(duì)仿真數(shù)據(jù)進(jìn)行相同的濾波，去除離群點(diǎn)，進(jìn)行配準(zhǔn)，并記錄了不同點(diǎn)云配準(zhǔn)方法完成衛(wèi)星點(diǎn)云粗配準(zhǔn)所需的時(shí)間和平移旋轉(zhuǎn)誤差，配準(zhǔn)實(shí)驗(yàn)效果如圖7所示.

(a) 3DSC配準(zhǔn)

在配準(zhǔn)效率方面，通過點(diǎn)云配準(zhǔn)所需要的時(shí)間來反應(yīng).實(shí)驗(yàn)數(shù)據(jù)如表2所示.

表2 配準(zhǔn)時(shí)間表

在配準(zhǔn)精度方面，通過不同坐標(biāo)軸的旋轉(zhuǎn)誤差來反應(yīng)，如表3和圖8所示.

表3 誤差記錄表

(a) 粗配準(zhǔn)旋轉(zhuǎn)誤差

在基于局部特征的描述算法中3DSC的點(diǎn)云配準(zhǔn)時(shí)間要明顯小于FPFH，由于快速點(diǎn)特征直方圖需要計(jì)算查詢點(diǎn)與鄰域點(diǎn)之間的關(guān)系，消耗時(shí)間長(zhǎng).3DSC需要計(jì)算出點(diǎn)云的曲面形狀特征，增加了計(jì)算量，由于點(diǎn)云的數(shù)量多，計(jì)算查詢點(diǎn)與領(lǐng)域點(diǎn)之間的關(guān)系消耗的時(shí)間要遠(yuǎn)大于計(jì)算出點(diǎn)云的曲面形狀特征.衛(wèi)星點(diǎn)云由于曲面特征少，平面特征較多導(dǎo)致3DSC計(jì)算形狀特征配準(zhǔn)失??；在基于全局特征的描述方法中4PCS需要計(jì)算兩幅點(diǎn)云共面的四點(diǎn)基，然后依據(jù)放射性不變的原理，進(jìn)行剛體變化，衛(wèi)星模型由于其特征大多數(shù)是直面特征，導(dǎo)致計(jì)算時(shí)間短，配準(zhǔn)失?。籒DT計(jì)算正態(tài)分布是一個(gè)一次性的工作(初始化)，不需要消耗大量代價(jià)計(jì)算最近鄰搜索匹配點(diǎn)概率密度函數(shù)，在兩幅圖像采集之間的時(shí)間可以離線計(jì)算出來，配準(zhǔn)效率高，但是精度低，受點(diǎn)云的模型影響大；本文提出的算法雖然在前期進(jìn)行點(diǎn)云主成分分析和坐標(biāo)變換時(shí)占用了時(shí)間，但是在后面配準(zhǔn)過程中采用直通濾波后的點(diǎn)云數(shù)據(jù)，在保證足夠配準(zhǔn)所需的特征前提下，大大減少了點(diǎn)云的數(shù)量，去除部分相似特征部分，如圖8所示，在不同算法的配準(zhǔn)結(jié)果中，本文所提算法的配準(zhǔn)效果最好，能提高效率和配準(zhǔn)精度.由此可見，本文算法能夠?qū)πl(wèi)星點(diǎn)云，可以實(shí)現(xiàn)高精度、高效率的點(diǎn)云粗配準(zhǔn).

5 結(jié)論

針對(duì)衛(wèi)星目標(biāo)的幾何形狀特殊、平面特征多以及配準(zhǔn)方法適合度低等問題，本文通過對(duì)SAC-IA粗配準(zhǔn)算法的直通濾波改進(jìn)，并跟傳統(tǒng)的粗配準(zhǔn)算法進(jìn)行比較，本文的算法能夠有效完成衛(wèi)星點(diǎn)云粗配準(zhǔn)工作；3DSC和4PCS由于衛(wèi)星點(diǎn)云模型的特殊結(jié)構(gòu)無法完成配準(zhǔn)工作；FPFH和NDT雖然在配準(zhǔn)效率方面較高，但是其精確性較低.首先對(duì)衛(wèi)星點(diǎn)云的主成分分析，確定主成分方向，將點(diǎn)云主成分方向與Z軸重合進(jìn)行坐標(biāo)變換，再對(duì)其直通濾波保留衛(wèi)星主體部分，接著對(duì)其進(jìn)行粗配準(zhǔn)，最后進(jìn)行點(diǎn)云坐標(biāo)變換.這樣不僅保證點(diǎn)云有足夠的特征進(jìn)行配準(zhǔn)，而且也能夠有效防止配準(zhǔn)失敗和提高配準(zhǔn)效率.