[發明專利]一種深空球形目標被動測距方法

有效

• 申請號: 201910023226.6
• 申請日: 2019-01-10
• 公開（公告）號: CN109631912B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 傅景能;李強;韓維強;馬毅飛;梁波
• 申請（專利權）人: 中國科學院光電技術研究所
• 主分類號: G01C21/24
• 分類號: G01C21/24;G01C21/20;G01C3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種深空球形目標被動測距方法，對原始的目標圖像進行分割形成二值化的圖像；通過游程對分割得到的目標和其它干擾物編碼，并剔除干擾物；生成二值化目標圖像；計算目標邊緣信息，包括坐標和梯度方向；識別陽照區；根據邊緣和陽照區信息迭代擬合圓方程；通過實驗室已經標定光學觀測相機的內方位元素和目標實際尺寸反演觀測平臺與目標的距離。該方法具備非常強的魯棒性，對目標內部的孔洞紋理不敏感；對因為光照原因造成目標圖像分割碎片化不敏感；對不規則的干擾物不敏感；對因光照導致目標成像背陽面輪廓形變不敏感，且能自動識別陽照面；具備非常高的目標擬合精度，適合快速高精度距離測量。

技術領域

本發明屬于航空航天測量領域，具體涉及一種深空球形目標被動測距方法。

背景技術

在深空探測的捕獲階段，以火星為例(赤道半徑：3396.2km,兩極半徑：3376.2km,可近似認為一球體)，需要通過火星圖像提取有效的導航信息，其中深空探測平臺與火星的距離為一重要的參數，自主導航光學導航中對圖像處理算法的要求快速并準確地從光學圖像中提取出距離信息。由于深空環境復雜，圖像會受到各種干擾，光照條件千變萬化，使得提取的目標圖像非常不規則，除了目標實際輪廓邊緣，還有目標表面的坑洞紋理、背照區的不規則等特征而存在錯誤的邊緣點，這些野值點會嚴重干擾目標輪廓邊緣的擬合，進而很難獲得距離信息。

為了解決以上問題，典型的方法包括隨機抽樣一致性算法(Random SampleConsensue,RANSAC)——隨機選擇擬合參數，并選擇理論數據附近一定范圍內的邊緣點(內點)作為支集，具有最大支集元素數目的擬合認為是魯棒擬合；最小中值平方法(LeastMedian of Squares,LMS)，將所有擬合結果的殘差中值的極小者作為最優擬合；另一個方法是神經網絡算法，通過大規模樣本訓練達到最優擬合。這些方法雖然簡單、能夠應對大比例的野值點，但是隨機選擇抽樣和最小中值平方法的參數搜索過程是沒有意義的，是無所謂的耗時工作；而神經網絡算法需要大規模樣本訓練，對硬件提出很高的要求。

發明內容

本發明的目的是：提供一種強魯棒性、運算速度快、精度高、易于硬件實現的已知尺寸的深空球形目標被動測距方法，為深空探測提供一定的導航信息。

本發明采用的技術方案是：一種深空球形目標被動測距方法，通過光學觀測相機的光學系統參數標定和校準、對目標進行成像、圖像分割、邊緣提取、目標陽照區識別、邊緣點梯度和與擬合中心距離約束、圖形擬合、結合目標先驗的尺寸信息反演距離等方法，步驟如下(參見圖3)：

步驟1、光學觀測相機的光學系統參數標定，包括主點位置和主距；必要時對畸變進行補償；

步驟2、對目標進行成像，并進行圖像分割和邊緣提取；

步驟3、初始化目標輪廓點集合為目標二值化提取的所有邊緣點Ω₀＝Ω_all，陽照區為平面全集設置擬合圓方程的點集Ω＝Ω₀∩Ω_s，迭代次數k＝0。

步驟4、將擬合圓方程的點集Ω帶入擬合的圓方程：

其中，N＝#{(x_i,y_i)∈Ω}為點集Ω的元素數目，(x_i,y_i)分別表示第i個輪廓坐標點的行坐標和列坐標，a,b,c為輪廓擬合圓方程的參數。通過線性擬合算法求解圓參數：

其中，a^*,b^*,c^*為輪廓擬合圓方程的最佳參數。

分別對圓參數變量a,b,c求導數，并令其為零，化簡后有：

其中，Σ表示對屬于點集Ω的元素進行求和。