[发明专利]一种逼近状态下旋转目标位姿测量的方法

说明书

本发明公开了一种逼近状态下旋转目标位姿测量的方法，根据目标已知的模型数据和对其拍摄的目标图像序列，构造目标的三维特征库；对输入起始帧图像去噪、增强，通过图像腐蚀膨胀运算进行目标定位和轮廓提取；从输入图像序列的第2帧开始，提取目标的圆环特征与角点特征，并实现二维图像角点特征与目标模型的三维特征匹配；利用交比不变性插值获得更多的特征点位置；利用圆环特征与角点特征解算目标的位姿参数，并进行参数优化。本发明通过目标的定位，减少图像中待处理区域面积，提高计算效率。通过圆环特征、轮廓与角点特征的结合使用，以及利用交比不变性插值获得更多的特征点这一方案，保证位姿参数的解算精度。

技术领域

本发明涉及一种逼近状态下旋转目标位姿测量的方法，解决安装有圆环结构，且表面纹理特征贫乏的旋转目标，在逼近过程中，解算其位姿量的问题，属于应用计算机视觉技术领域。

背景技术

对旋转目标在逼近过程中进行位姿量测量，可为后续对该目标的操控任务的顺利实施提供位姿信息支持。在某些特定环境下，例如空间环境，受测量设备能耗等因素的限制，对于旋转目标的测量多采用视觉方法。视觉测量方法根据是否使用被测物体的模型可以分为非基于模型的测量方法和基于模型的测量方法。

非基于模型的测量法方不使用任何被测目标的先验信息，位姿估计误差较大，算法具有挑战性。M.Priggemeyer等通过提取图像中目标的SURF特征后进行目标的运动估计，之后通过滤波器组提高估计的准确性得到结果，该方法无需使用任何目标的几何结构先验信息，但对于表面分布重复性纹理的目标，特征匹配鲁棒性不高，直接导致目标位姿解算的错误。而对于表面纹理欠丰富的目标，匹配的特征点数目不足，导致结算参数误差过大。哈尔滨工业大学王志超等人提出了一种基于特征融合的目标位姿解算算法，利用双目立体视觉原理，通过识别目标模型上的矩形特征和椭圆特征，提取特征点并进行三维重建，利用特征点的三维坐标进行位姿求解，同时结合卡尔曼滤波和PLK (Pyramidal implementationof the Lucas Kanade)光流法进行目标的动态追踪，将位姿量测量与目标追踪结合，获得较好的实时性。该方法中，目标特征的三维信息求解是其中的关键，而三维信息的准确度依赖于图像间特征的匹配正确度。鉴于图像间特征点的高准确度匹配始终是计算机视觉的难点问题，因此该方法的鲁棒性不足，适应环境能力有限。

基于模型的测量方法一般需要被测物体的模型或先验知识。A.Cropp等人使用单个已知内部参数的摄像机，提取图像中的直线，与模型匹配，通过图像上的直线的法向量与相机坐标系下直线和摄像机光心所构成平面的正交关系，将求解相对位置关系的问题转化为一个非线性最小二乘问题，进而使用优化算法求解三轴稳定目标的相对位姿量。然而，以图像的边缘检测结果为基础所拟合的直线，在法线方向的计算误差往往较大。同时，图像中直线特征的可区分性较差，增加三维模型特征与二维图像特征之间的正确匹配难度。因此，从上述研究工作来看，若已知目标的模型信息，利用二维图像与目标模型间的匹配关系，求解目标位姿参数的方法较为准确，但其中对于二维图像特征与目标模型的匹配关系的确定，以及针对表面纹理特征匮乏的目标的有效特征点获取，都是该技术需要解决的问题。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种逼近状态下旋转目标位姿测量的方法，针对在逼近的状态下的表面具有圆环结构的旋转目标，利用计算机视觉方法，计算目标相对的位置和姿态参数，保证了位姿参数的解算精度。

本发明提供的逼近状态下旋转目标位姿测量的方法，由拍摄得到的旋转目标在逼近状态下的序列图像出发，通过圆环特征、轮廓特征与点特征的提取，利用二维图像特征与三维模型数据的特征的匹配关系，求解并优化旋转目标的相对位姿参数，具体方法步骤如下：

步骤一：根据目标已知的模型数据，例如CAD图纸，和拍摄的高清目标图像序列，构造目标的三维特征库。

步骤二：输入起始帧图像，对图像滤波去除噪声，通过图像腐蚀膨胀运算，进行目标定位和目标轮廓提取。