论文部分内容阅读
随着人类航天技术的不断进步,空间活动日益频繁。追踪航天器和目标航天器之间相对位置和姿态的测量是顺利开展空间活动的关键环节。为了满足测量位姿需求,通常在目标航天器上安装预先设计好的合作靶标,追踪航天器通过识别靶标获取位姿参数,因此航天器合作靶标自动识别是系统稳定工作的重要前提。本文针对机械臂执行空间任务时合作靶标自动识别的关键技术展开研究,主要包括以下几个方面:1、在充分调研国内外航天工程中合作靶标应用情况基础上,设计了一款由点、线段、圆环构成的立体靶标。标志点的位置关系满足P3P算法求解位姿的条件,有利于位姿测量。圆环与线段的相互制约关系提高了复杂场景中靶标识别的准确率和抗干扰、抗遮挡能力。2、航天应用中,高等级器件通常处理能力较差,内存小,运算速度慢,因此Hough变换、模式匹配等复杂的识别算法无法满足应用需求。本文针对靶标的形状特点,设计了一种基于几何特征的快速识别算法。算法利用圆周上两段子弧对应相同圆参数的几何特性识别圆,并根据圆和线段的位置关系识别靶标。实验结果表明,算法鲁棒,能够在噪声污染、强光、弱光、逆光、旋转、遮挡等多种复杂场景中准确识别靶标。算法简洁、速度快,处理时间小于125ms,满足航天实时位姿测量8帧的要求。3、空间机械臂工作过程中,手眼相机与目标之间存在相对运动,导致图像出现运动模糊。为了解决运动模糊影响下靶标识别问题,提出一种正则化盲去卷积算法。复原算法分两步实现,首先建立基于0范数的正则化模型,从模糊图像中估计模糊核,在模糊核估计过程中用分段函数近似代替0范数,避免了0范数求解的NP难问题,简化了算法。在得到较准确的模糊核后,利用基于超拉普拉斯先验的去模糊算法实现图像复原,得到复原图像后再识别靶标。实验结果表明,和其他主流算法相比,本文算法能够在更少的时间内得到更清晰的图像,提高了运动模糊影响下靶标识别的能力。4、空间机械臂手眼相机采用的是定焦系统,因此在工作距离内,手眼相机在不同位置拍摄的图像会存在不同程度的离焦模糊,靶标圆环和线段特征模糊不清晰,造成无法识别靶标。本文根据靶标离焦模糊图像的特点,首先确定感兴趣区域(ROI,Region of Interest),针对ROI进行复原和识别。复原算法中,利用分数傅里叶变换(FRFT,Fractional Fourier Transform)对应光菲涅尔衍射过程的特性建立FRFT模型,通过连续的FRFT和其逆变换实现离焦图像复原。复原过程中,使用一种快速算法实现了FRFT的离散化计算。实验结果表明,算法能够有效地解决离焦模糊对靶标识别的影响,提高了离焦状态下靶标识别的准确率。