向?qū)ΨQ度Ti;3和目標(biāo)主軸傾斜角T i;4 ; 所述目標(biāo)主體高寬比是指目標(biāo)最小外接矩形的高寬比；所述目標(biāo)縱向?qū)ΨQ度Tii2是指 在目標(biāo)最小外接矩形所圍成的矩形區(qū)域內(nèi)，目標(biāo)上半部分面積與下半部分面積之比；所述 目標(biāo)橫向?qū)ΨQ度T i;3是指在目標(biāo)最小外接矩形所圍成的矩形區(qū)域內(nèi)，目標(biāo)左半部分面積與 右半部分面積之比；所述目標(biāo)主軸傾斜角1^ 4是指特性視圖的目標(biāo)柱體主軸線與視圖水平 方向的夾角； 所述在線姿態(tài)估計(jì)步驟，具體為： (BI)對(duì)待測(cè)在軌空間目標(biāo)圖像預(yù)處理； (B2)對(duì)預(yù)處理后的待測(cè)圖像提取特征，該特征與步驟（A2)提取的特征相同； (B3)將對(duì)待測(cè)圖像提取的特征在幾何特征庫中進(jìn)行匹配，匹配結(jié)果對(duì)應(yīng)的特性視圖所 表征的空間目標(biāo)姿態(tài)即為待測(cè)圖像中的目標(biāo)姿態(tài)。
2. 根據(jù)權(quán)利要求1所述的在軌三維空間目標(biāo)姿態(tài)估計(jì)方法，其特征在于，所述特征目 標(biāo)主體高寬比Ti;1的提取方式為： (A2. I. 1)對(duì)特性視圖Fi使用最大類間方差閾值準(zhǔn)則得到閾值Ti,將特性視圖Fi中大 于閾值Ti的像素灰度值& (X，y)設(shè)置為255,小于或等于閾值Ti的像素灰度值& (X，y)設(shè) 置為零，由此得到二值圖像Gi, Gi為寬度η、高度m的像素矩陣，gjx，y)為Gi中點(diǎn)（X，y)處 像素灰度值； (A2. 1. 2)對(duì)二值圖像Gi按照從上往下、從左往右的順序進(jìn)行掃描，若當(dāng)前點(diǎn)像素值 gi(x，y)等于255,則記錄當(dāng)前像素橫坐標(biāo)x=Topj、縱坐標(biāo)y=Topi,停止掃描； (A2. 1. 3)對(duì)二值圖像Gi按照從下往上、從左往右的順序進(jìn)行掃描，若當(dāng)前點(diǎn)像素值 gi(x，y)等于255,則記錄當(dāng)前像素橫坐標(biāo)x=Bntj、縱坐標(biāo)y=Bnti,停止掃描； (A2. 1. 4)對(duì)二值圖像Gi按照從左往右，從上往下的順序進(jìn)行掃描，若當(dāng)前點(diǎn)像素值 gi(x，y)等于255,則記錄當(dāng)前像素橫坐標(biāo)x=Leftj、縱坐標(biāo)y=Lefti,停止掃描； (A2. 1. 5)對(duì)二值圖像Gi按照從右往左，從上往下的順序進(jìn)行掃描，若當(dāng)前點(diǎn)像素值 gi(x，y)等于255,則記錄當(dāng)前像素橫坐標(biāo)x=Rightj、縱坐標(biāo)y=Righti,停止掃描； (A2. 1. 6)特性視圖Fi的目標(biāo)主體高寬比
Left j-Right j I，符號(hào)IVI表示變量V的絕對(duì)值。
3. 根據(jù)權(quán)利要求2所述的在軌三維空間目標(biāo)姿態(tài)估計(jì)方法，其特征在于，所述特征目 標(biāo)縱向?qū)ΨQ度Ti;2的提取方式為： (A2. 2. 1)計(jì)算特性視圖Fi的中心點(diǎn)橫坐標(biāo) ，縱坐標(biāo)
，符號(hào)LV」表示對(duì)變量V取整數(shù)部分； (A2. 2. 2)統(tǒng)計(jì)二值圖像Gi中的，1彡橫坐標(biāo)X彡n，1彡縱坐標(biāo)y彡Ciy的區(qū)域內(nèi)，灰度 值為255的像素點(diǎn)個(gè)數(shù)，即為特性視圖Fi的目標(biāo)上半部分面積STi ; (A2. 2. 3)統(tǒng)計(jì)二值圖像Gi中，1彡橫坐標(biāo)X彡n，Ciy+l彡縱坐標(biāo)y彡m的區(qū)域內(nèi)，灰度 值為255的像素點(diǎn)個(gè)數(shù)，即為特性視圖Fi的目標(biāo)下半部分面積SDi ; (A2. 2. 4)計(jì)算特性視圖Fi的目標(biāo)縱向?qū)ΨQ度
4. 根據(jù)權(quán)利要求3所述的在軌三維空間目標(biāo)姿態(tài)估計(jì)方法，其特征在于，所述特征目 標(biāo)橫向?qū)ΨQ度Ti;3的提取方式為 ： (A2. 3. 1)統(tǒng)計(jì)二值圖像Gi中，1彡橫坐標(biāo)X彡Cix，l彡縱坐標(biāo)y Sm的區(qū)域內(nèi)，灰度值 為255的像素點(diǎn)個(gè)數(shù)，即為特性視圖Fi的目標(biāo)左半部分面積SLi ; (A2. 3. 2)統(tǒng)計(jì)二值圖像Gi中，(^+1 <橫坐標(biāo)X < n，1 <縱坐標(biāo)y < m的區(qū)域內(nèi)，灰度 值為255的像素點(diǎn)個(gè)數(shù)，即為特性視圖Fi的目標(biāo)右半部分面積SRi ; (A2. 3. 3)計(jì)算特性視圖Fi的目標(biāo)橫向?qū)ΨQ度
5. 根據(jù)權(quán)利要求4所述的在軌三維空間目標(biāo)姿態(tài)估計(jì)方法，其特征在于，所述特征目 標(biāo)主軸傾斜角Ti;4的提取方式為： (A2. 4. 1)計(jì)算特性視圖Fi對(duì)應(yīng)的二值圖像Gi重心橫坐標(biāo)xiQ、縱坐標(biāo)y iQ :
2； (Α2. 4. 3)構(gòu)建實(shí)對(duì)稱矩陣
計(jì)算矩陣Mat的特征值V1, V2，及 其對(duì)應(yīng)的特征向量！
(A2. 4. 4)計(jì)算特性視圖Fi目標(biāo)主軸傾斜角Ti4 :
式中，符號(hào)π表不圓周率，符號(hào)atan2表不反正切函數(shù)。
6. 根據(jù)權(quán)利要求1~4任意一項(xiàng)所述的在軌三維空間目標(biāo)姿態(tài)估計(jì)方法，其特征在于， 還對(duì)所述步驟（A2)構(gòu)建的幾何特征庫進(jìn)行歸一化處理，對(duì)所述步驟（B2)提取的待測(cè)圖像 特征進(jìn)行歸一化處理。
7. 根據(jù)權(quán)利要求1~4任意一項(xiàng)所述的在軌三維空間目標(biāo)姿態(tài)估計(jì)方法，所述步驟 (Al)根據(jù)空間目標(biāo)三維模型獲取表征目標(biāo)各種姿態(tài)的目標(biāo)多視點(diǎn)特性視圖的具體實(shí)現(xiàn)方 式為； 按俯仰角α每隔角度Y、偏航角β每隔Y將高斯觀測(cè)球劃分為K個(gè)二維平面，α =-180° ~0°，β = -180° ~180°，K = 360*180/ γ 2 ; 將空間目標(biāo)三維模型Ot置于高斯觀測(cè)球球心，從球心將三維模型Ot分別向K個(gè)二維 平面進(jìn)行正投影，共得到K個(gè)三維模板目標(biāo)的多視點(diǎn)特性視圖Fi ;各特性視圖Fi為寬度η、 高度m的像素矩陣，& (X，y)為Fi在點(diǎn)（X，y)處像素灰度值，1彡橫坐標(biāo)X彡n，1彡縱坐標(biāo) y < m, i = 1、2、…、K。
8. 根據(jù)權(quán)利要求1~4任意一項(xiàng)所述的在軌三維空間目標(biāo)姿態(tài)估計(jì)方法，所述步驟 (BI)首先采用非局部均值濾波對(duì)待測(cè)圖像先進(jìn)行噪聲抑制，再選用最大似然估計(jì)算法進(jìn)行 去模糊。
9. 根據(jù)權(quán)利要求1~4任意一項(xiàng)所述的在軌三維空間目標(biāo)姿態(tài)估計(jì)方法，所述（B3)的 具體實(shí)現(xiàn)方式為： (B3. 1)遍歷整個(gè)幾何特征庫SMF，計(jì)算待測(cè)圖像的四種幾何特征（SG1, SG2, SG3, SG4}與 幾何特征庫SMF中各行向量之間的歐式距離記為D1、…、DK，K為目標(biāo)多視點(diǎn)特性視圖的數(shù) 量； (B3. 2)從各歐式距離D1、…、Dk中選取四個(gè)最小值Ds、Dt、D u、Dv，對(duì)其對(duì)應(yīng)的四個(gè)目標(biāo) 姿態(tài)求取算術(shù)平均，即為待測(cè)圖像中的目標(biāo)姿態(tài)。
10. -種在軌三維空間目標(biāo)姿態(tài)估計(jì)系統(tǒng)，包括離線特征庫構(gòu)建模塊和在線姿態(tài)估計(jì) 模塊： 所述離線特征庫構(gòu)建模塊，具體包括： 第一子模塊，用于根據(jù)空間目標(biāo)三維模型獲取表征空間目標(biāo)各種姿態(tài)的目標(biāo)多視點(diǎn)特 性視圖； 第二子模塊，用于從各空間目標(biāo)多視點(diǎn)特性視圖中提取幾何特征構(gòu)成幾何特征庫；所 述幾何特征包含目標(biāo)主體高寬比Ti; i、目標(biāo)縱向?qū)ΨQ度Ti; 2、目標(biāo)橫向?qū)ΨQ度Ti; 3和目標(biāo)主軸 傾斜角Ti;4 ;所述目標(biāo)主體高寬比是指目標(biāo)最小外接矩形的高寬比；所述目標(biāo)縱向?qū)ΨQ 度Ti;2是指在目標(biāo)最小外接矩形所圍成的矩形區(qū)域內(nèi)，目標(biāo)上半部分面積與下半部分面積 之比；所述目標(biāo)橫向?qū)ΨQ度T i;3是指在目標(biāo)最小外接矩形所圍成的矩形區(qū)域內(nèi)，目標(biāo)左半 部分面積與右半部分面積之比；所述目標(biāo)主軸傾斜角T ii4是指特性視圖的目標(biāo)柱體主軸線 與視圖水平方向的夾角； 所述在線姿態(tài)估計(jì)模塊，具體包括： 第三子模塊，用于對(duì)待測(cè)在軌空間目標(biāo)圖像預(yù)處理； 第四子模塊，用于對(duì)預(yù)處理后的待測(cè)圖像提取特征，該特征與第二子模塊提取的特征 相同； 第五子模塊，用于將對(duì)待測(cè)圖像提取的特征在幾何特征庫中進(jìn)行匹配，匹配結(jié)果對(duì)應(yīng) 的特性視圖所表征的空間目標(biāo)姿態(tài)即為待測(cè)圖像中的目標(biāo)姿態(tài)。
【專利摘要】本發(fā)明公開一種在軌三維空間目標(biāo)姿態(tài)估計(jì)方法及系統(tǒng)，包括離線特征庫構(gòu)建和在線姿態(tài)估計(jì)步驟，所述離線特征庫構(gòu)建步驟為：根據(jù)空間目標(biāo)三維模型獲取目標(biāo)多視點(diǎn)特性視圖，從中提取幾何特征構(gòu)成幾何特征庫，包含目標(biāo)主體高寬比、目標(biāo)縱向?qū)ΨQ度、目標(biāo)橫向?qū)ΨQ度和目標(biāo)主軸傾斜角；所述在線姿態(tài)估計(jì)步驟為：對(duì)待測(cè)在軌目標(biāo)圖像預(yù)處理和提取特征，將提取的特征在幾何特征庫中匹配，匹配結(jié)果對(duì)應(yīng)的特性視圖所表征的目標(biāo)姿態(tài)即為姿態(tài)估計(jì)結(jié)果。本發(fā)明匹配用的幾何特征具有尺度不變性，只要在三維建模階段準(zhǔn)確獲取目標(biāo)各部件間的尺寸比例和位置關(guān)系，就可保證后續(xù)較高的匹配精度。整個(gè)方法實(shí)現(xiàn)簡(jiǎn)單、魯棒性好、姿態(tài)估計(jì)精度高，受成像條件影響小，適用性好。
【IPC分類】G01C21-20
【公開號(hào)】CN104748750
【申請(qǐng)?zhí)枴緾N201310740553
【發(fā)明人】張?zhí)煨? 王亮亮, 周鋼, 李明, 楊衛(wèi)東, 劉寬, 鄭亞云
【申請(qǐng)人】華中科技大學(xué)
【公開日】2015年7月1日
【申請(qǐng)日】2013年12月28日
【公告號(hào)】WO2015096508A1