基于计算机视觉的多目标位姿测量方法研究

论文摘要

“微小卫星编队飞行模拟仿真系统”通过气浮平台与气足模拟卫星微干扰在轨运动,并利用3套以上微小卫星模拟器进行编队飞行关键技术的地面仿真验证,是进行卫星编队系统技术研究的重要基础环境,地面测量系统为上述系统提供微小卫星模拟器位置和姿态的外部测量手段。由于计算机视觉在非接触式目标状态测量方面具有明显优势,因此本文结合“微小卫星编队飞行模拟仿真系统”对地面测量系统的要求,研究基于计算机视觉的大范围、多目标、位置和姿态高精度测量方法,取得了如下创新研究成果。针对大范围、多目标、位置和姿态高精度等地面测量系统的测量要求,提出了在待测目标表面设置辅助测量靶标的单目视觉测量系统总体方案,设计了4视觉相机分区成像再拼接的成像方案,以降低对单视觉相机分辨率和视场的要求;并对视觉测量系统中的关键参数,包括镜头视场、视场角,视觉相机焦距以及图像采集卡的数据传输速率等进行了计算分析。提出了具有多目标位姿测量功能的测量靶标设计方法,设计了一种由中心圆点和分布在外围圆周上的若干编码圆点组成的测量靶标几何结构,给出了编码圆点的二进制编码方法,给出了测量靶标正方向的标示方法以使测量靶标具备对微小卫星模拟器姿态测量的功能。针对所设计的测量靶标,提出了基于单幅图像的编码靶标识别及位姿确定方法,并对编码靶标的设计、识别和位姿参数确定方法进行了仿真验证,结果表明所提出方法的可行性和有效性。针对视觉测量系统大范围高精度的测量需求,以及4视觉相机分区成像再拼接的成像方案,给出了一种多相机全局标定及多相机图像拼接方法。该方法首先对单视觉相机图像的非线性畸变进行校正并计算相机的内部参数,然后确定各相机坐标系与基准相机坐标系之间的变换矩阵,通过控制点确定基准相机坐标系与总体世界坐标系之间的变换矩阵,最后采用分割线法处理多相机重叠视场的冗余数据。最后,提出了基于连续图像序列的多目标位姿Kalman滤波方法,有效地提高了运动目标位姿测量的精度。分析了视觉测量系统的测量误差,并对视觉测量系统的性能进行了仿真实验,结果表明所提总体方案可行、方法有效。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.1.1 课题来源
• 1.1.2 课题研究的目的和意义
• 1.2 国内外研究现状及分析
• 1.2.1 目标识别与测量靶标的分类
• 1.2.2 平面靶标的设计与识别方法研究
• 1.2.3 大范围视觉测量方法研究
• 1.2.4 多相机图像拼接方法研究
• 1.3 本文主要的研究内容
• 第2章 相机成像模型及数字图像处理
• 2.1 引言
• 2.2 坐标系
• 2.2.1 世界坐标系与相机坐标系
• 2.2.2 像素坐标系与图像坐标系
• 2.3 针孔成像模型及相机内外参数矩阵
• 2.3.1 针孔成像模型
• 2.3.2 相机内外参数矩阵
• 2.4 数字图像处理
• 2.4.1 图像平滑
• 2.4.2 边缘检测
• 2.4.3 角点提取
• 2.5 本章小结
• 第3章 视觉测量系统的体系结构设计
• 3.1 引言
• 3.2 微小卫星编队飞行模拟仿真系统
• 3.3 系统的性能指标要求及特点分析
• 3.3.1 视觉测量系统的性能指标要求
• 3.3.2 视觉测量系统的特点分析
• 3.4 视觉测量系统的体系结构设计
• 3.4.1 多相机分区测量
• 3.4.2 视觉测量系统的逻辑结构
• 3.4.3 辅助测量靶标
• 3.5 视觉测量系统的关键参数分析
• 3.5.1 镜头的视场和视场角
• 3.5.2 镜头焦距
• 3.5.3 图像采集卡的传输速率
• 3.6 本章小结
• 第4章 二进制编码靶标的设计及测量方法
• 4.1 引言
• 4.2 基于二进制编码的测量靶标设计
• 4.2.1 编码靶标的几何结构
• 4.2.2 靶标的二进制编码方法
• 4.2.3 编码靶标的正方向及有效编码值
• 4.3 多个编码靶标的识别
• 4.3.1 编码靶标图像的二值化处理
• 4.3.2 圆点中心坐标提取
• 4.3.3 编码靶标的识别
• 4.4 编码靶标位姿参数的确定
• 4.5 仿真实验
• 4.6 本章小结
• 第5章 多相机视觉测量中的图像拼接方法
• 5.1 引言
• 5.2 多相机全局标定
• 5.2.1 全局标定的总体方案
• 5.2.2 图像非线性畸变校正
• 5.2.3 相机内部参数的计算
• 5.2.4 相机坐标系之间的变换
• 5.2.5 相机与总体世界坐标系之间的变换
• 5.3 多相机测量数据坐标变换
• 5.3.1 图像坐标系与相机坐标系
• 5.3.2 测量数据的统一
• 5.3.3 相机坐标系与总体世界坐标系
• 5.4 重叠视场数据处理
• 5.5 仿真实验
• 5.6 本章小结
• 第6章 实验及测量结果修正
• 6.1 实际系统测量过程
• 6.2 视觉测量系统的测量误差分析
• 6.3 测量结果修正
• 6.3.1 目标运动的状态空间模型
• 6.3.2 Kalman 滤波器的初始化
• 6.3.3 测量结果修正
• 6.4 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢