CN109827578B - 基于轮廓相似性的卫星相对姿态估计方法 - Google Patents
基于轮廓相似性的卫星相对姿态估计方法 Download PDFInfo
- Publication number
- CN109827578B CN109827578B CN201910137819.5A CN201910137819A CN109827578B CN 109827578 B CN109827578 B CN 109827578B CN 201910137819 A CN201910137819 A CN 201910137819A CN 109827578 B CN109827578 B CN 109827578B
- Authority
- CN
- China
- Prior art keywords
- contour
- target
- satellite
- relative attitude
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于轮廓相似性的卫星相对姿态估计方法。该方法包括步骤:仿真投影、模型轮廓提取、目标图像检测、目标轮廓提取、Hu矩相似性计算、形状上下文相似性计算和相对姿态估计。本发明的基于轮廓相似性的卫星相对姿态估计方法,仅利用目标卫星的目标图像的轮廓特征,结合已知的参考轮廓,并利用设定的两步相似性度量策略,能够实现目标卫星相对观测卫星的相对姿态估计,无需遥测信息,在目标卫星的遥测设备失效时,也能实现姿态估计;且能够消除对点、线和面等高分辨特征的依赖,既能实现远距离相对姿态估计,还能为近距离基于高分辨特征相对姿态估计提供初始值,简单易实现。
Description
技术领域
本发明涉及航天器姿态测量领域,具体涉及一种基于轮廓相似性的卫星相对姿态估计方法。
背景技术
目前两个卫星之间的相对姿态,可以在基于全球导航卫星系统(GNSS)和惯性导航系统(INS)的遥测信息实现高精度估计;但当卫星出现故障导致星上的遥测设备失效时,此时需要通过观测卫星上的传感器实现姿态估计。随着高分辨率成像技术的不断进步,基于高分辨率观测图像的相对姿态估计方法得到广泛的应用,目前主要通过利用立体相机和单目相机来实现卫星的相对姿态估计。但由于立体相机受观测基线长度的影响,观测范围受限,只能适合于极近距离的估计任务;而单目相机虽然设备简单、使用时不受基线影响,但利用单目相机需要高分辨特征的支持(如点、线、面信息),当观测距离较远或观测相机能力较弱,观测得到的图像仅能提供目标卫星粗略的轮廓信息时,无法实现卫星的相对姿态估计。
发明内容
为解决上述现有技术中存在的技术问题,本发明提供一种基于轮廓相似性的卫星相对姿态估计方法,仅利用目标卫星的轮廓特征,即可实现目标卫星相对观测卫星的相对姿态估计。
为此,本发明公开了一种基于轮廓相似性的卫星相对姿态估计方法。该方法包括:
仿真投影:利用目标卫星的三维模型,进行仿真投影处理,生成空间目标高分辨率下,观测卫星与所述目标卫星间不同相对姿态条件对应的多个模型剪影;
模型轮廓提取:对多个所述模型剪影进行模型轮廓检测提取,获取多个所述模型剪影对应的多个参考轮廓;
目标图像检测:对所述观测卫星的实际观测图像进行检测处理,获取所述目标卫星对应的目标图像;
目标轮廓提取:对所述目标图像进行轮廓检测提取,获取所述目标图像对应的目标轮廓;
Hu矩相似性计算:利用Hu矩相似性计算,依次对多个所述参考轮廓与所述目标轮廓距离进行度量计算,根据距离计算结果从小到大对多个所述参考轮廓依次进行排序,提取位于前序的若干个参考轮廓;
形状上下文相似性计算:利用形状上下文相似性计算,依次对若干个所述参考轮廓与所述目标轮廓距离进行度量计算,根据距离计算结果,提取若干个所述参考轮廓中与所述目标轮廓距离最小的参考轮廓;
相对姿态估计:确定所述距离最小的参考轮廓对应的仿真投影模型,将所述仿真投影模型对应的相对姿态作为所述目标卫星的相对姿态估计。
进一步地,在所述基于轮廓相似性的卫星相对姿态估计方法中,在所述三维模型的仿真投影处理过程中,设定背景区域灰度值为0,模型区域灰度值大于0。
进一步地,在所述基于轮廓相似性的卫星相对姿态估计方法中,所述模型轮廓提取过程中,采用以0为阈值的图像二值化方法,获取模型区域和背景区域;采用拓扑结构分析方法,提取所述模型剪影对应的表征形状的所述参考轮廓,以及采样并归一化参考轮廓点集。
进一步地,在所述基于轮廓相似性的卫星相对姿态估计方法中,利用自适应阈值分割方法,获取包括所述目标图像的目标区域。
进一步地,在所述基于轮廓相似性的卫星相对姿态估计方法中,采用拓扑结构分析方法,提取所述目标图像对应的表征形状的所述目标轮廓,以及采样并归一化目标轮廓点集。
进一步地,在所述基于轮廓相似性的卫星相对姿态估计方法中,在所述Hu矩相似性计算中,设定多个所述参考轮廓中的第i个参考轮廓的第n阶Hu矩为设定所述目标轮廓的第n阶Hu矩为hn(PT),利用下述公式1对所述第i个参考轮廓与所述目标轮廓距离进行度量计算;
其中,为第i个参考轮廓点集,PT为目标轮廓点集。
进一步地,在所述基于轮廓相似性的卫星相对姿态估计方法中,在所述形状上下文相似性计算中,设定若干个所述参考轮廓中的第j个参考轮廓采样点p的形状上下文描述为设定所述目标轮廓采样点q的形状上下文描述为scq(PT),通过形状迭代匹配,确定所述参考轮廓点集与所述目标轮廓点集对应变换关系T,利用下述公式2对所述第j个参考轮廓与所述目标轮廓距离进行度量计算;
其中,n为第j个参考轮廓采样点数量,C(p,T(q))为和之间的卡方距离。
本发明技术方案的主要优点如下:
本发明的基于轮廓相似性的卫星相对姿态估计方法,仅利用目标卫星的目标图像的轮廓特征,结合已知的参考轮廓,并利用设定的两步相似性度量策略,能够实现目标卫星相对观测卫星的相对姿态估计,无需遥测信息,在目标卫星的遥测设备失效时,也能实现姿态估计;且能够消除对点、线和面等高分辨特征的依赖,既能实现远距离相对姿态估计,还能为近距离基于高分辨特征相对姿态估计提供初始值,简单易实现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例的基于轮廓相似性的卫星相对姿态估计方法的流程图;
图2为本发明一个实施例的空间目标观测相机坐标系的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下结合附图,详细说明本发明实施例提供的技术方案。
本文所述的轮廓间的距离指的是轮廓的不相似度,距离越大,轮廓的不相似度程度越高。
如附图1所示,本发明实施例提供了一种基于轮廓相似性的卫星相对姿态估计方法,该方法包括:仿真投影:利用目标卫星的三维模型,进行仿真投影处理,生成空间目标高分辨率下,观测卫星与目标卫星间不同相对姿态条件对应的多个模型剪影;模型轮廓提取:对多个模型剪影进行模型轮廓检测提取,获取多个模型剪影对应的多个参考轮廓;目标图像检测:对观测卫星的实际观测图像进行检测处理,获取目标卫星对应的目标图像;目标轮廓提取:对目标图像进行轮廓检测提取,获取目标图像对应的目标轮廓;Hu矩相似性计算:利用Hu矩相似性计算,依次对多个参考轮廓与目标轮廓距离进行度量计算,根据距离计算结果从小到大对多个参考轮廓依次进行排序,提取位于前序的若干个参考轮廓;形状上下文相似性计算:利用形状上下文相似性计算,依次对若干个参考轮廓与目标轮廓距离进行度量计算,根据距离计算结果,提取若干个参考轮廓中与目标轮廓距离最小的参考轮廓;相对姿态估计:确定距离最小的参考轮廓对应的仿真投影模型,将仿真投影模型对应的相对姿态作为目标卫星的相对姿态估计。
具体地,为了便于根据目标卫星的三维模型进行仿真投影处理,以生成空间目标高分辨下,观测卫星与目标卫星间不同相对姿态条件下对应的多个模型剪影;如附图2所示,本发明实施例提供了一种空间目标观测相机坐标系,并对观测条件进行了设定。
其中,在本发明实施例提供的空间目标观测相机坐标系中,相机光心固定在相机坐标系c-xcyczc原点c,目标卫星质心固定在本体坐标系o-xoyozo原点o,观测视线为相机光心指向目标卫星质心;相机相对目标卫星的方位角α∈[0°,360°]、俯仰角β∈[-90°,90°],滚转角γ∈[0°,360°],三个转角的采样间隔均设定为20°。在上述设定条件下,进行仿真投影处理,生成模型剪影。
同时,在本发明实施例中,在三维模型的仿真投影处理过程中,设定背景区域灰度值为0,模型区域灰度值大于0。
基于上述的背景区域灰度值和模型区域灰度值的设定,本发明实施例中,在模型轮廓提取过程中,采用以0为阈值的图像二值化方法,获取模型区域和背景区域;采用拓扑结构分析方法,提取模型剪影对应的表征形状的参考轮廓,以及采样并归一化参考轮廓点集。
以第i个模型剪影为例,对应的模型区域表示为Mi,背景区域表示为Bi,第i个模型剪影对应的表征形状的参考轮廓表示为参考轮廓点集表示为则参考轮廓的数据结构如表1所示。
表1(参考轮廓数据结构)
属性 | 值 |
相对姿态 | (α,β,γ) |
轮廓点集 | P<sub>M</sub>={p<sub>1</sub>,p<sub>2</sub>,…,p<sub>k</sub>} |
进一步地,由于太空背景较为简单,且目标卫星为仅有的反光物体,目标卫星的目标图像面积占比较小;本发明实施例中,在目标图像检测过程中,利用自适应阈值分割方法,获取包括目标图像的目标区域。
在完成目标区域的获取后,再采用拓扑结构分析方法,提取目标图像对应的表征形状的目标轮廓,以及采样并归一化目标轮廓点集。
其中,目标区域表示为T,目标图像对应的表征形状的目标轮廓表示为CT,目标轮廓点集表示为PT,则目标轮廓的数据结构如表2所示。
表2(目标轮廓数据结构)
属性 | 值 |
轮廓点集 | P<sub>T</sub>={p<sub>1</sub>,p<sub>2</sub>,…,p<sub>k</sub>} |
在完成参考轮廓和目标轮廓的提取确定后,利用两步相似性度量策略对目标卫星的相对姿态估计值进行求解计算。具体地,在本发明实施例中,两步相似性度量策略包括Hu矩相似性计算和形状上下文相似性计算。
具体地,在Hu矩相似性计算中,设定多个参考轮廓中的第i个参考轮廓的第n阶Hu矩为设定目标轮廓的第n阶Hu矩为hn(PT),利用下述公式1对第i个参考轮廓与目标轮廓距离进行度量计算;
其中,为第i个参考轮廓点集,PT为目标轮廓点集。
而后根据距离计算结果从小到大对多个参考轮廓依次进行排序,提取位于前序的若干个参考轮廓;在本发明实施例中,作为一种示例,可以提取前15个距离最小的参考轮廓,记15个参考轮廓为
进一步地,在形状上下文相似性计算中,设定上述选定的15个参考轮廓中的第j个参考轮廓采样点p的形状上下文描述为设定目标轮廓采样点q的形状上下文描述为scq(PT),通过形状迭代匹配,确定参考轮廓点集与目标轮廓点集对应变换关系T,利用下述公式2对第j个参考轮廓与目标轮廓距离进行度量计算;
其中,n为第j个参考轮廓采样点数量,C(p,T(q))为和之间的卡方距离。
而后再根据距离计算结果从小到大对15个参考轮廓依次进行排序,提取前3个距离最小的参考轮廓,记3个参考轮廓为选取3个参考轮廓中距离最小的参考轮廓,确定该距离最小的参考轮廓对应的仿真投影模型,将该仿真投影模型对应的相对姿态作为目标卫星的相对姿态估计。
可见,本发明实施例提供的基于轮廓相似性的卫星相对姿态估计方法,仅利用目标卫星的目标图像的轮廓特征,结合已知的参考轮廓,并利用设定的两步相似性度量策略,能够实现目标卫星相对观测卫星的相对姿态估计,无需遥测信息,在目标卫星的遥测设备失效时,也能实现姿态估计;且能够消除对点、线和面等高分辨特征的依赖,既能实现远距离相对姿态估计,还能为近距离基于高分辨特征相对姿态估计提供初始值,简单易实现。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外,本文中“前”、“后”、“左”、“右”、“上”、“下”均以附图中表示的放置状态为参照。
最后应说明的是:以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种基于轮廓相似性的卫星相对姿态估计方法,其特征在于,所述方法包括:
仿真投影:利用目标卫星的三维模型,进行仿真投影处理,生成空间目标高分辨率下,观测卫星与所述目标卫星间不同相对姿态条件对应的多个模型剪影;
模型轮廓提取:对多个所述模型剪影进行模型轮廓检测提取,获取多个所述模型剪影对应的多个参考轮廓;
目标图像检测:对所述观测卫星的实际观测图像进行检测处理,获取所述目标卫星对应的目标图像;
目标轮廓提取:对所述目标图像进行轮廓检测提取,获取所述目标图像对应的目标轮廓;
Hu矩相似性计算:利用Hu矩相似性计算,依次对多个所述参考轮廓与所述目标轮廓距离进行度量计算,根据距离计算结果从小到大对多个所述参考轮廓依次进行排序,提取位于前序的若干个参考轮廓;
形状上下文相似性计算:利用形状上下文相似性计算,依次对若干个所述参考轮廓与所述目标轮廓距离进行度量计算,根据距离计算结果,提取若干个所述参考轮廓中与所述目标轮廓距离最小的参考轮廓;
相对姿态估计:确定所述距离最小的参考轮廓对应的仿真投影模型,将所述仿真投影模型对应的相对姿态作为所述目标卫星的相对姿态估计,
在所述Hu矩相似性计算中,设定多个所述参考轮廓中的第i个参考轮廓的第n阶Hu矩为设定所述目标轮廓的第n阶Hu矩为hn(PT),利用下述公式1对所述第i个参考轮廓与所述目标轮廓距离进行度量计算:
其中,为第i个参考轮廓点集,PT为目标轮廓点集,
在所述形状上下文相似性计算中,设定若干个所述参考轮廓中的第j个参考轮廓采样点p的形状上下文描述为设定所述目标轮廓采样点q的形状上下文描述为scq(PT),通过形状迭代匹配,确定所述参考轮廓点集与所述目标轮廓点集对应变换关系T,利用下述公式2对所述第j个参考轮廓与所述目标轮廓距离进行度量计算:
其中,n为第j个参考轮廓采样点数量,C(p,T(q))为和之间的卡方距离。
2.根据权利要求1所述的基于轮廓相似性的卫星相对姿态估计方法,其特征在于,在所述三维模型的仿真投影处理过程中,设定背景区域灰度值为0,模型区域灰度值大于0。
3.根据权利要求2所述的基于轮廓相似性的卫星相对姿态估计方法,其特征在于,所述模型轮廓提取过程中,采用以0为阈值的图像二值化方法,获取模型区域和背景区域;采用拓扑结构分析方法,提取所述模型剪影对应的表征形状的所述参考轮廓,以及采样并归一化参考轮廓点集。
4.根据权利要求3所述的基于轮廓相似性的卫星相对姿态估计方法,其特征在于,利用自适应阈值分割方法,获取包括所述目标图像的目标区域。
5.根据权利要求4所述的基于轮廓相似性的卫星相对姿态估计方法,其特征在于,采用拓扑结构分析方法,提取所述目标图像对应的表征形状的所述目标轮廓,以及采样并归一化目标轮廓点集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910137819.5A CN109827578B (zh) | 2019-02-25 | 2019-02-25 | 基于轮廓相似性的卫星相对姿态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910137819.5A CN109827578B (zh) | 2019-02-25 | 2019-02-25 | 基于轮廓相似性的卫星相对姿态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109827578A CN109827578A (zh) | 2019-05-31 |
CN109827578B true CN109827578B (zh) | 2019-11-22 |
Family
ID=66864343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910137819.5A Active CN109827578B (zh) | 2019-02-25 | 2019-02-25 | 基于轮廓相似性的卫星相对姿态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109827578B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673457B (zh) * | 2021-08-26 | 2023-06-30 | 北京环境特性研究所 | 模拟测量图像处理方法、装置、计算设备及存储介质 |
CN118397185A (zh) * | 2024-05-07 | 2024-07-26 | 深圳亿维锐创科技股份有限公司 | 一种应用于快速三维重建的掩膜图像批量生成方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907459A (zh) * | 2010-07-12 | 2010-12-08 | 清华大学 | 基于单目视频的实时三维刚体目标姿态估计与测距方法 |
CN103814401A (zh) * | 2011-09-20 | 2014-05-21 | 丰田自动车株式会社 | 对象物变化检测装置及对象物变化检测方法 |
CN106447725A (zh) * | 2016-06-29 | 2017-02-22 | 北京航空航天大学 | 基于轮廓点混合特征匹配的空间目标姿态估计方法 |
CN108470354A (zh) * | 2018-03-23 | 2018-08-31 | 云南大学 | 视频目标跟踪方法、装置和实现装置 |
CN108562274A (zh) * | 2018-04-20 | 2018-09-21 | 南京邮电大学 | 一种基于标志器的非合作目标位姿测量方法 |
CN108921895A (zh) * | 2018-06-12 | 2018-11-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种传感器相对位姿估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4687579B2 (ja) * | 2006-06-21 | 2011-05-25 | トヨタ自動車株式会社 | 画像処理装置及び画像処理プログラム |
CN108573276B (zh) * | 2018-03-12 | 2020-06-30 | 浙江大学 | 一种基于高分辨率遥感影像的变化检测方法 |
CN109035277B (zh) * | 2018-07-13 | 2022-05-27 | 沈阳理工大学 | 基于显著性轮廓特征片段的目标识别方法 |
-
2019
- 2019-02-25 CN CN201910137819.5A patent/CN109827578B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101907459A (zh) * | 2010-07-12 | 2010-12-08 | 清华大学 | 基于单目视频的实时三维刚体目标姿态估计与测距方法 |
CN103814401A (zh) * | 2011-09-20 | 2014-05-21 | 丰田自动车株式会社 | 对象物变化检测装置及对象物变化检测方法 |
CN106447725A (zh) * | 2016-06-29 | 2017-02-22 | 北京航空航天大学 | 基于轮廓点混合特征匹配的空间目标姿态估计方法 |
CN108470354A (zh) * | 2018-03-23 | 2018-08-31 | 云南大学 | 视频目标跟踪方法、装置和实现装置 |
CN108562274A (zh) * | 2018-04-20 | 2018-09-21 | 南京邮电大学 | 一种基于标志器的非合作目标位姿测量方法 |
CN108921895A (zh) * | 2018-06-12 | 2018-11-30 | 中国人民解放军军事科学院国防科技创新研究院 | 一种传感器相对位姿估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109827578A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109682382B (zh) | 基于自适应蒙特卡洛和特征匹配的全局融合定位方法 | |
RU2609434C2 (ru) | Выявление расположения и местоположения объектов | |
CN113436260A (zh) | 基于多传感器紧耦合的移动机器人位姿估计方法和系统 | |
CN107101648B (zh) | 基于区域网内恒星影像的星相机定标定姿方法及系统 | |
CN105371870B (zh) | 一种基于星图数据的星敏感器在轨精度测量方法 | |
CN112634333B (zh) | 一种基于eco算法和卡尔曼滤波的跟踪装置方法及装置 | |
CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
CN105866777B (zh) | 多角度多时段导航卫星双基地PS-InSAR三维形变反演方法 | |
Shen et al. | A hierarchical horizon detection algorithm | |
CN111145227A (zh) | 一种地下隧道空间多视点云的可迭代整体配准方法 | |
CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
CN117289298B (zh) | 基于激光雷达的多机协同在线建图方法、系统及终端设备 | |
CN109827578B (zh) | 基于轮廓相似性的卫星相对姿态估计方法 | |
CN117419719A (zh) | 一种融合imu的三维激光雷达定位与建图方法 | |
CN114723811A (zh) | 一种非结构化环境四足机器人立体视觉定位建图方法 | |
CN116468786B (zh) | 一种面向动态环境的基于点线联合的语义slam方法 | |
CN116894876A (zh) | 基于实时图像的6-dof的定位方法 | |
CN117197241A (zh) | 一种基于多目视觉的机器人末端绝对位姿高精度跟踪方法 | |
CN116736330A (zh) | 一种基于动态目标跟踪的获取机器人激光里程计的方法 | |
CN112652020A (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
CN108320310A (zh) | 基于图像序列的空间目标三维姿态估计方法 | |
CN107992677B (zh) | 基于惯导信息和亮度修正的红外弱小移动目标跟踪方法 | |
CN104484647B (zh) | 一种高分辨率遥感图像云高度检测方法 | |
CN112258391B (zh) | 一种基于道路交通标线的碎片化地图拼接方法 | |
CN111523392B (zh) | 一种基于卫星正射影像全姿态的深度学习样本制备方法及识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |