符 俊, 牟金震, 朱文山, 韓 飛, 盛延平

(1. 北京跟蹤與通信技術(shù)研究所,北京 100094;2. 南京航空航天大學(xué)航天學(xué)院,南京 2111062;3. 上海航天控制技術(shù)研究所,上海 201109)

0 引言

獲取非合作慢旋衛(wèi)星的準(zhǔn)確模型信息是實(shí)現(xiàn)失效衛(wèi)星清理、維修和捕獲任務(wù)的前提。因此,非合作慢旋衛(wèi)星的三維稠密重建技術(shù)是非常必要的[1]。對(duì)于非合作衛(wèi)星重建,一種解決思路是在位姿估計(jì)的同時(shí)重建目標(biāo)的模型,因此研究者將SLAM技術(shù)應(yīng)用到非合作目標(biāo)重建中。Augenstein[2]提出一種單目視覺(jué)的SLAM算法,用于未知目標(biāo)的姿態(tài)跟蹤和模型重建。Schnitzer等[3]基于RANSAC的表面重建方法生成未知目標(biāo)的模型,該方法對(duì)于噪聲、稀疏點(diǎn)云以及非均勻分布的點(diǎn)云的情況仍能取得較好的表面重建結(jié)果。Tweddle等[4]基于平滑濾波的SLAM解決翻滾非合作目標(biāo)模型重建問(wèn)題。Dor[5]將ORB-SLAM算法用于空間非合作目標(biāo)的稀疏重建。另一種思路是采用攝影重建方法[6-9],核心思想是利用因式分解法,從2張圖像恢復(fù)出場(chǎng)景的幾何結(jié)構(gòu)和攝像機(jī)運(yùn)動(dòng)信息。此外,Furukaw[10]提出基于面元的三維多視角立體視覺(jué)算法。文獻(xiàn)[11-14]提出一種基于序列圖像的空間目標(biāo)三維重建方法,能夠輸出衛(wèi)星帆板部位的結(jié)構(gòu)信息,但重建結(jié)果缺少表面紋理。以上文獻(xiàn)[2-13]重建的目標(biāo)模型非常稀疏,無(wú)法清晰辨別出衛(wèi)星的關(guān)鍵部件,此外無(wú)法應(yīng)對(duì)旋轉(zhuǎn)帶來(lái)的模型失效問(wèn)題。文獻(xiàn)[14]采用激光雷達(dá)能夠?qū)崿F(xiàn)衛(wèi)星稠密重建,但激光雷達(dá)的成本、功耗較高。王思啟[15]提出一種基于MVSNet的空間目標(biāo)三維稠密重建的方法,但無(wú)法處理旋轉(zhuǎn)衛(wèi)星問(wèn)題。因此,非合作旋轉(zhuǎn)衛(wèi)星的稠密三維重建仍然是一個(gè)難題。

近年來(lái),TOF相機(jī)已在三維重建領(lǐng)域得到了廣泛的應(yīng)用[16]。TOF屬于主被動(dòng)融合相機(jī),能夠同時(shí)獲取目標(biāo)的灰度圖和深度圖。其深度圖的獲取方式為主動(dòng)發(fā)射調(diào)制激光,經(jīng)目標(biāo)表面反射到探測(cè)器后解調(diào)探測(cè)器與目標(biāo)之間光的飛行時(shí)間,解算目標(biāo)的深度。TOF相機(jī)無(wú)需掃描機(jī)構(gòu)就能直接獲得目標(biāo)的深度信息和灰度信息,具有功耗低、實(shí)時(shí)性好等優(yōu)點(diǎn),有可能成為未來(lái)非合作衛(wèi)星三維重建的一種有效手段。因此,基于TOF實(shí)現(xiàn)非合作慢旋衛(wèi)星的稠密重建依然值得研究。

綜上所述,非合作旋轉(zhuǎn)衛(wèi)星三維稠密重建的難點(diǎn)在于[17-18]:1)旋轉(zhuǎn)過(guò)程中的圖像尺度變化,傳統(tǒng)特征缺少對(duì)旋轉(zhuǎn)運(yùn)動(dòng)的適應(yīng)性;2)衛(wèi)星屬于對(duì)稱結(jié)構(gòu),旋轉(zhuǎn)過(guò)程中無(wú)法確定閉環(huán),導(dǎo)致模型失效問(wèn)題;3)星載資源受限,三維稠密重建過(guò)程中需要考慮實(shí)時(shí)性問(wèn)題。針對(duì)以上難題,基于ORB-SLAM框架,提出基于TOF的非合作慢旋衛(wèi)星稠密重建方法。通過(guò)改進(jìn)ORB特征的提取方法、設(shè)計(jì)關(guān)鍵幀篩選機(jī)制及提出子模型拼接重建等措施將ORB-SLAM擴(kuò)展到旋轉(zhuǎn)衛(wèi)星稠密重建領(lǐng)域,并基于仿真環(huán)境和半物理環(huán)境分別驗(yàn)證方法的有效性。本文的創(chuàng)新點(diǎn)在于:1)提出預(yù)先檢測(cè)與自適應(yīng)閾值方法,解決ORB特征缺少適應(yīng)性及聚堆現(xiàn)象;2)提出利用兩個(gè)運(yùn)動(dòng)度量方法來(lái)確定關(guān)鍵幀,解決旋轉(zhuǎn)衛(wèi)星重建出現(xiàn)的模型失效問(wèn)題;3)提出子模型重建方法,解決系統(tǒng)實(shí)時(shí)性低問(wèn)題。

1 非合作慢旋衛(wèi)星稠密重建

ORB-SLAM方法能從視覺(jué)相機(jī)獲取的連續(xù)圖像中估計(jì)關(guān)鍵幀的位姿,同時(shí)由關(guān)鍵幀計(jì)算得到目標(biāo)重建模型。其選擇ORB 特征進(jìn)行位姿跟蹤與稀疏重建[19],使用g2o (general graphic optimization)圖優(yōu)化方法優(yōu)化位姿[20],同時(shí)使用視覺(jué)詞典實(shí)現(xiàn)閉環(huán)檢測(cè)[21-22]。位姿跟蹤對(duì)每幀圖像的相機(jī)位姿進(jìn)行定位,并決定何時(shí)插入新的關(guān)鍵幀。閉環(huán)檢測(cè)判斷新插入的關(guān)鍵幀是否使得所有關(guān)鍵幀形成閉環(huán),如果形成閉環(huán)則應(yīng)用捆集約束進(jìn)行優(yōu)化。為此,本文研究了如何將ORB-SLAM擴(kuò)展到非合作旋轉(zhuǎn)衛(wèi)星稠密重建領(lǐng)域,方法流程見(jiàn)圖1。

圖1 所提方法流程圖Fig.1 Flowchart of the proposed algorithm

1.1 改進(jìn)ORB特征

特征點(diǎn)提取的快速性、描述子的尺度不變性和旋轉(zhuǎn)不變性是實(shí)現(xiàn)非合作旋轉(zhuǎn)衛(wèi)星實(shí)時(shí)重建的基礎(chǔ)。ORB為了保證特征的不變特性,在多個(gè)尺度空間下對(duì)圖像特征點(diǎn)進(jìn)行提取,并且賦予旋轉(zhuǎn)不變特性的描述子。為了保證特征匹配的尺度不變性,使用尺度因子將當(dāng)前幀圖像轉(zhuǎn)換到8個(gè)尺度空間上進(jìn)行FAST (features from accelerated segment test)角點(diǎn)提取[21-23]。因此,ORB算法特征適合于非合作旋轉(zhuǎn)衛(wèi)星的特征提取,但原始ORB算法缺乏對(duì)尺度變化的適應(yīng)性且提取的特征易出現(xiàn)聚堆現(xiàn)象,這會(huì)影響后續(xù)的匹配以及重建。

針對(duì)以上問(wèn)題,本文改進(jìn)了ORB算法步驟。在ORB算法中,檢測(cè) M16 模板每一個(gè)點(diǎn)的灰度值,若M16 模板中有連續(xù)M=9個(gè)點(diǎn)的灰度值均大于Ip+T,則判定p為特征點(diǎn)。本文首先增加一個(gè)預(yù)檢測(cè)步驟,在M16模板中先檢測(cè)1,5,9,13 處的灰度值。特征點(diǎn)判定函數(shù)如式(1)

(1)

若1,5,9,13 處的灰度值均不滿足上式,則放棄此處的特征點(diǎn),其中T=0.2×Ip為閾值;Ip為該點(diǎn)的像素值。若1,5,9,13 處的灰度值滿足上式,則再檢測(cè)剩余的12個(gè)點(diǎn),若同時(shí)滿足式(1),那么就可以確定此處M16模板覆蓋的像素為真正的特征點(diǎn)。式(1)所使用的閾值T是根據(jù)當(dāng)前亮度的百分比手動(dòng)設(shè)定的一個(gè)固定值,當(dāng)空間光照變化劇烈時(shí)可能會(huì)出現(xiàn)特征提取錯(cuò)誤,因此閾值設(shè)計(jì)需要將Ip最大值與最小值情況剔除,進(jìn)而本文提出一種自適閾值方法如式(2)

(2)

其中,Imax是M16所覆蓋的像素最大值;Imin是M16所覆蓋像素的最小值。至此ORB 算法具備了對(duì)旋轉(zhuǎn)目標(biāo)尺度變化的適應(yīng)性,且提取出的特征均勻,聚堆現(xiàn)象減少。

1.2 關(guān)鍵幀選擇

假定衛(wèi)星以5 (°)/s自旋,TOF相機(jī)采用頻率大于10 Hz,因此在一個(gè)自旋周期內(nèi),將獲取大量的序列圖像,一方面存在大量冗余信息,另一方面降低重建速度。ORB-SLAM的關(guān)鍵幀方法可以減少冗余幀數(shù),但其關(guān)鍵幀選擇機(jī)制使得相鄰的兩個(gè)關(guān)鍵幀的間隔太大,從而導(dǎo)致衛(wèi)星重建過(guò)程中頻繁發(fā)生跟蹤丟失問(wèn)題[23]。針對(duì)此問(wèn)題,本文提出基于運(yùn)動(dòng)度量改進(jìn)的關(guān)鍵幀選擇方法。所提的運(yùn)動(dòng)度量定義

(3)

其中,φ1表示平移運(yùn)動(dòng)度量;(Δx,Δy,Δz)是關(guān)鍵幀的平移量;φ2表示旋轉(zhuǎn)運(yùn)動(dòng)度量,(α,β,γ) 是關(guān)鍵幀的旋轉(zhuǎn)角;φ1與φ2由ORB-SLAM初始化后得到?；诖?本文采用運(yùn)動(dòng)度量的方法來(lái)提取關(guān)鍵幀,其思想是只有當(dāng)相機(jī)在相鄰幀產(chǎn)生明顯的運(yùn)動(dòng)才把該幀視為關(guān)鍵幀,其計(jì)算公式如式(4)

minnorm≤φ1+min(2π-φ2,φ2)≤maxnorm

(4)

其中, minnorm表示圖像幀的最小運(yùn)動(dòng),即當(dāng)相鄰幀運(yùn)動(dòng)大于minnorm時(shí)則把該幀提取為關(guān)鍵幀;maxnorm為圖像幀的最大運(yùn)動(dòng),即當(dāng)其運(yùn)動(dòng)大于 maxnorm時(shí),認(rèn)為位姿估計(jì)錯(cuò)誤,剔除該幀;φ1表示為關(guān)鍵幀的平移運(yùn)動(dòng);φ2表示為關(guān)鍵幀旋轉(zhuǎn)角度。根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn),minnorm和maxnorm分別取值為0.3和4。

1.3 位姿跟蹤

利用光流法跟蹤每一幀關(guān)鍵幀的ORB特征[24]實(shí)現(xiàn)位姿跟蹤。光流法利用關(guān)鍵幀序列中ORB特征在時(shí)間域上的變化,求解衛(wèi)星在圖像上的瞬時(shí)速度G=(u,v),(u,v)表示圖像坐標(biāo)系下的坐標(biāo),從而計(jì)算出相鄰關(guān)鍵幀之間的姿態(tài)信息。假設(shè)ORB特征的光流運(yùn)動(dòng)微小,得到I(x,y,t)=I(x+dx,y+dy,t+dt),由一階泰勒展開(kāi),得

I(x+dx,y+dy,t+dt)=

(5)

(6)

對(duì)于ORB特征所占的N個(gè)像素點(diǎn),則光流表示為

(7)

(8)

如果在當(dāng)前圖像幀中跟蹤成功,則通過(guò)之前圖像幀的運(yùn)動(dòng)模型平均值來(lái)估計(jì)當(dāng)前相機(jī)的位姿,然后重映射ORB匹配點(diǎn)估計(jì)其在當(dāng)前幀上的圖像。兩幅圖像中,最小漢明距離的ORB特征被選為匹配點(diǎn)。如果跟蹤失敗,則利用ORB-SLAM的全局重定位估計(jì)相機(jī)位姿。

1.4 閉環(huán)檢測(cè)

衛(wèi)星一個(gè)周期的慢旋過(guò)程中,起點(diǎn)與終點(diǎn)的重合等效于ORB-SLAM的閉環(huán),此時(shí)需要檢測(cè)閉環(huán),在閉環(huán)基礎(chǔ)上位姿圖優(yōu)化,降低累積誤差。本文利用關(guān)鍵幀的相互關(guān)聯(lián)性進(jìn)行閉環(huán)檢測(cè),這樣就可以將累積的誤差分散到位姿圖中。首先計(jì)算關(guān)鍵幀Ki的詞袋和其數(shù)據(jù)關(guān)聯(lián)視圖附近關(guān)鍵幀Kj的相似度S。

(9)

當(dāng)Ki與Kj相似度越高,則S得分越高。當(dāng)兩幅圖像無(wú)差異時(shí)S=1,則閉環(huán)存在。由于衛(wèi)星旋轉(zhuǎn)的尺度變化等因素,S=1難以滿足,定義相似度閾值為T(mén)s=0.1,當(dāng)兩幅圖像的相似度得分滿足式(10),則閉環(huán)存在。

|S-1|

(10)

接著利用g2o優(yōu)化閉環(huán)位姿圖。最后更新重建點(diǎn)云,融合重復(fù)的點(diǎn)云。位姿圖優(yōu)化的目標(biāo)函數(shù)為[25]

(11)

其中,Δi,j表示邊的信息矩陣;ei,j表示關(guān)鍵幀Ki與關(guān)鍵幀Kj之間的位姿誤差函數(shù),由式(12)計(jì)算可得

(12)

其中,Xi,j表示關(guān)鍵幀Ki到關(guān)鍵幀Kj的位姿,Xw,j表示世界坐標(biāo)系下的Kj位姿,Xw,i表示世界坐標(biāo)系下的Ki位姿;logsim(3)將轉(zhuǎn)移矩陣的位姿誤差映射到7維歐氏空間R7,下標(biāo)sim(3)表示李代數(shù)空間。式(11)～(12)的詳細(xì)推理過(guò)程中見(jiàn)文獻(xiàn)[26]。

1.5 輸出稠密模型

在ORB-SLAM 系統(tǒng)中,將匹配的ORB特征通過(guò)三角變換投影形成三維點(diǎn)云,其重建的模型屬于稀疏模型[24-26]。針對(duì)此問(wèn)題,本文利用TOF相機(jī)獲取的點(diǎn)云來(lái)增加三維模型的稠密度。衛(wèi)星模型稠密重建時(shí),點(diǎn)云數(shù)量逐漸稠密后,新加入的點(diǎn)云需要與已重建點(diǎn)云進(jìn)行匹配,占用較大的計(jì)算機(jī)內(nèi)存,從而會(huì)降低重建速度[27-28]。針對(duì)此問(wèn)題,本文提出子模型拼接重建法,將整個(gè)大模型分成多個(gè)包含一定關(guān)鍵幀數(shù)量的子模型。當(dāng)子模型規(guī)模達(dá)到了一定的程度(即一定關(guān)鍵幀數(shù)量時(shí)),將該子模型暫時(shí)保存起來(lái),直到所有的子模型全部完成重建后,將所有的子模型通過(guò)全局坐標(biāo)變換的方式拼接為完整的大模型[29-30],如式(13)～(15)所示。本文的子模型規(guī)模為30個(gè)關(guān)鍵幀。

ε=

(13)

其中,ε表示最終由子模型組成的完整大模型;εi表示子模型;ρ=30表示關(guān)鍵幀數(shù)量,εi表示子模型的三維點(diǎn)云。

TOF相機(jī)將彩色圖和深度圖像轉(zhuǎn)換為三維點(diǎn)云如式(14)

(14)

其中,fx,fy,cx,cy為相機(jī)內(nèi)參,可通過(guò)張正有標(biāo)定法獲得;(u,v)為圖像坐標(biāo)系下的像素坐標(biāo);(x,y,z)為T(mén)OF相機(jī)坐標(biāo)系下的坐標(biāo);d為深度相機(jī)測(cè)得像素點(diǎn)的距離,單位為mm;ζ為實(shí)際距離和理論距離d的比例系數(shù),實(shí)驗(yàn)中設(shè)置為ζ=1 000。從相機(jī)坐標(biāo)系獲取的點(diǎn)云拼接到重建模型全局坐標(biāo)系下的變換公式如式(15)

Cw,j=Xw,ciCci,j

(15)

其中,Xw,ci為第i個(gè)關(guān)鍵幀的位姿;Cci,j為在第i個(gè)關(guān)鍵幀在相機(jī)坐標(biāo)系上的點(diǎn)云;Cw,j是全局坐標(biāo)系的點(diǎn)云。

2 仿真校驗(yàn)

2.1 數(shù)學(xué)仿真

通過(guò)數(shù)學(xué)仿真校驗(yàn)本文所提方法的有效性。衛(wèi)星模型的本體長(zhǎng)40 cm、寬30 cm、高60 cm,太陽(yáng)能帆板長(zhǎng)60 cm、寬為30 cm,衛(wèi)星模型的包覆材料選擇反射系數(shù)較高的材質(zhì),載荷包括對(duì)接環(huán)、錐形螺旋天線及噴管等,如圖2所示。將衛(wèi)星的CAD(computer-aided design,CAD)模型導(dǎo)入到Vrep(virtual reality educational pathfinders,Vrep)仿真環(huán)境,設(shè)置TOF相機(jī)的分辨率為640×480,采集速率為10 frame/s,設(shè)置失效衛(wèi)星的自旋角速度設(shè)置為5 (°)/s,設(shè)置空間光照環(huán)境為高軌正常光照,通過(guò)表面材質(zhì)的反射系數(shù)模擬真實(shí)圖像。數(shù)據(jù)采集過(guò)程中,設(shè)置衛(wèi)星模型中心與相機(jī)光軸中心的距離分別為2.8 m與6.79 m,在每個(gè)距離下連續(xù)采集2 000張TOF圖像,其中深度圖序列與RGB圖序列一一對(duì)應(yīng),如圖3所示。

(a) 模型正面

(b) 模型背面

(c) 帆板

(d) 噴管

(e) 鍋形天線圖2 衛(wèi)星模型Fig.2 The satellite model

(b) 深度圖像序列圖3 基于Vrep的TOF圖像序列Fig.3 The acquired TOF sequences based on Verp

利用原始ORB-SLAM對(duì)序列圖進(jìn)行三維重建,其重建結(jié)果如圖4和圖5所示。由重建結(jié)果可知,衛(wèi)星模型的重建結(jié)果在2.8 m與6.79 m處均為稀疏點(diǎn)云,不能清晰反映出衛(wèi)星的幾何結(jié)構(gòu)、附件及紋理信息。此外,通過(guò)原始ORB-SLAM的時(shí)間記錄,在2.8 m處重建所需時(shí)間是5 min,在6.79 m處重建所需時(shí)間為4 min。

(a) ORB特征提取

(b) 稀疏重建(藍(lán)色為相機(jī)軌跡)圖4 原始ORB-SLAM在2.8 m處的稀疏重建Fig.4 Sparse reconstruction of the original ORB-SLAM at 2.8 m

(a) ORB特征提取

(b) 稀疏重建(藍(lán)色為相機(jī)軌跡)圖5 原始ORB-SLAM在6.79 m處的稀疏重建Fig.5 Sparse reconstruction of the original ORB-SLAM at 6.79 m

利用改進(jìn)后的ORB-SLAM對(duì)序列圖進(jìn)行三維重建,其重建結(jié)果如圖6和圖7所示。由重建結(jié)果可知,衛(wèi)星模型的重建結(jié)果在2.8 m與6.79 m處均為稠密點(diǎn)云,可以清晰反映出衛(wèi)星的幾何結(jié)構(gòu)、附件及紋理信息。此外,通過(guò)改進(jìn)后的ORB-SLAM時(shí)間記錄,在2.8 m處重建所需時(shí)間是4 min,在6.79 m處重建所需時(shí)間為4 min。與原始ORB-SLAM的重建時(shí)間相比,在2.8 m與6.79 m處重建所需時(shí)間縮短到3 min。

(a) 模型正面

(b) 模型反面圖6 所提方法在2.8 m處的稠密重建Fig.6 Dense reconstruction of the proposed method at 2.8 m

(a) 模型正面

(b) 模型反面

(c) 模型側(cè)面圖7 所提方法在6.79 m 處的稠密重建Fig.7 Dense reconstruction of the proposed method at 6.79 m

由圖8(a)可知,衛(wèi)星自旋過(guò)程中,原始ORB特征存在聚堆現(xiàn)象。由圖8(b)可知,本文改進(jìn)的ORB特征分布更加均勻,減少了聚堆現(xiàn)象。

(a) 在序列化圖像中,ORB的聚堆現(xiàn)象

(b) 改進(jìn)后的ORB特征圖8 改進(jìn)后的ORB特征減少聚堆現(xiàn)象Fig.8 The improved ORB features reduce clustering

利用本文所提方法完成TOF圖像序列三維稠密重建后,應(yīng)用MATALB對(duì)此模型進(jìn)行顯示和統(tǒng)計(jì),其中在2.8 m處點(diǎn)云密度為927.7,在6.79 m處的點(diǎn)云密度為4 380.2,如圖9和圖10所示。在2.8 m處的點(diǎn)云密度比6.79 m處點(diǎn)云密度小的原因在于,TOF相機(jī)與衛(wèi)星模型在2.8 m處存在較多的遮擋和視角受限,導(dǎo)致相機(jī)在臨近關(guān)鍵幀中不能將ORB特征全部投影為三維點(diǎn)云。通過(guò)表1中的數(shù)據(jù)對(duì)比,可以發(fā)現(xiàn)改進(jìn)后的ORB-SLAM重建后的點(diǎn)云具有更好的完整性,可為后續(xù)在軌操控任務(wù)提供更加可靠的信息。

表1 重建后的參數(shù)對(duì)比

(a) 模型正面

(b) 模型反面

(c) 模型側(cè)面

(d) 模型下面

(a) 模型正面

(b) 模型反面

(c) 模型側(cè)面

(d) 模型下面

將本文所提方法與ORB-SLAM、文獻(xiàn)[5, 16, 23]進(jìn)行對(duì)比,重建結(jié)果如表2所示。從表2可以看出,本文方法相比于文獻(xiàn)[16]所提的面元重建方法,在距離2.8 m與距離6.79 m兩種情況下,主體尺寸誤差均最小,且點(diǎn)云密度最高。文獻(xiàn)[5]在ORB-SLAM基礎(chǔ)上,改進(jìn)了圖優(yōu)化方法,因此在距離2.8 m與距離6.79 m兩種情況下,主體尺寸誤差、點(diǎn)云密度相比于ORB-SLAM均有所改善。文獻(xiàn)[23]在ORB-SLAM基礎(chǔ)上,增加了點(diǎn)線融合,因此在距離2.8 m與距離6.79 m兩種情況下,可以獲得半稠密的點(diǎn)云,因此主體尺寸誤差、點(diǎn)云密度相比于文獻(xiàn)[5]與ORB-SLAM均有所改善。本文在ORB-SLAM基礎(chǔ)上改進(jìn)了ORB特征、關(guān)鍵幀和子模型,因此在距離2.8 m與距離6.79 m兩種情況下,與文獻(xiàn)[5, 23]相比,主體尺寸誤差、點(diǎn)云密度均有所改善。

表2 重建方法對(duì)比

2.2 半物理驗(yàn)證

在圖1基礎(chǔ)上,該測(cè)試系統(tǒng)布置于光學(xué)暗室,通過(guò)太陽(yáng)光模擬器以斜照45°的方式照射在衛(wèi)星模型上,以模擬真實(shí)的太空環(huán)境。太陽(yáng)光模擬器包含光源、供電及控制電路等組成部分,其亮度、輻射面積、輻射光束尺寸均可人為調(diào)整,以便更為真實(shí)地模擬太陽(yáng)輻射的準(zhǔn)直性、均勻性和光譜特性。真實(shí)測(cè)試場(chǎng)景如圖11所示。本實(shí)驗(yàn)中采用的衛(wèi)星模型仿照嫦娥二號(hào)衛(wèi)星的外觀,其與實(shí)際的嫦娥二號(hào)衛(wèi)星的尺寸比例為1∶5。模型本體長(zhǎng)、寬、高的尺寸為400 mm×400 mm×300 mm的立方體,附帶太陽(yáng)能帆板橫向展開(kāi)尺寸為600 mm×300 mm,觀測(cè)面安裝有直徑為250 mm的圓環(huán)狀特征。衛(wèi)星本體及太陽(yáng)能帆板的基底材料為亞克力板,總質(zhì)量約為5 kg。模型本體外層噴涂高反光材料,以便模仿實(shí)際衛(wèi)星本體在空間所具有的高反光特性;帆板噴涂藍(lán)色材料,以模仿實(shí)際太陽(yáng)能帆板的顏色。所使用的TOF相機(jī)分辨率為320×240,視場(chǎng)角為60°×47°,焦距為5.52 mm,數(shù)據(jù)采集率為20 Hz。TOF相機(jī)距離衛(wèi)星表面的距離約3 m。利用本文所提方法的重建效果如圖12所示,TOF相機(jī)從4個(gè)位置分別低目標(biāo)進(jìn)行重建,重建的目標(biāo)基本覆蓋了衛(wèi)星的所有部組件,重建精度如表3所示。由表3可知,TOF相機(jī)正視衛(wèi)星視角的重建精度相對(duì)其他3個(gè)視角較高。此外,通過(guò)對(duì)比表1可知,半物理驗(yàn)證與數(shù)學(xué)仿真的重建誤差相當(dāng)。

(a) 末端

(b) 遠(yuǎn)端圖11 半物理仿真環(huán)境設(shè)置Fig.11 Semi-physical simulation environment

(a) 正視

(b) 俯視

(c) 斜視

(d) 側(cè)視圖12 半物理場(chǎng)景下的重建效果,粉色框表示相機(jī)的位置Fig.12 Reconstruction in semi-physical scene with the pink box showing camera position

表3 重建精度

3 結(jié)論

本文提出基于ORB-SLAM框架的TOF圖像序列三維重構(gòu)方法,在衛(wèi)星自旋過(guò)程中,TOF相機(jī)利用關(guān)鍵幀跟蹤衛(wèi)星并且重建出衛(wèi)星的稠密模型。所提方法考慮了衛(wèi)星的旋轉(zhuǎn)特性、空間光照特性及星載資源受限問(wèn)題。仿真實(shí)驗(yàn)表明,本文所提方法能夠?qū)崿F(xiàn)長(zhǎng)時(shí)間穩(wěn)定地工作,快速重建出衛(wèi)星模型的稠密點(diǎn)云,保留了目標(biāo)的紋理特性,且點(diǎn)云完整性得到較大的提升。但是受光照條件影響,點(diǎn)云模型存在較多空洞或缺損,點(diǎn)云重構(gòu)誤差較大。因此,如何保證高重建精度將是未來(lái)研究工作的重點(diǎn)。