一种二维三维融合的非合作目标转速转轴测量方法与流程

本发明涉及一种二维三维融合的非合作目标转速转轴测量方法，属于空间旋转非合作目标测量、图像处理和三维点云数据处理领域。

背景技术：

面向空间非合作目标的在轨服务技术可实现对目标航天器的在轨维护、空间碎片清理、抓捕或破坏敌方军事卫星等任务，具有很高的社会效益和军事价值。为执行各种在轨任务中，服务航天器在捕获、跟踪、抵近和抓捕目标时，都需对非合作目标的运动参数进行测量。因此，面向空间非合作目标的测量技术和方法是空间技术领域的热点研究方向。

“非合作”体现在三个方面：无信息交换、无预先设计标识和姿态不可控，因此为数众多的空间失效卫星处于翻滚旋转状态。在空间目标失控翻滚/旋转状态下，对其实施抓捕、维修、加注燃料等操作将会十分困难。因此，需要再抵近翻滚旋转目标的过程中对其进行转速转轴等运动参数的测量。

面向空间旋转非合作目标的转速转轴测量方法包括基于三维成像敏感器获取的序列三维点云的匹配结算、基于二维成像相机序列图像的特征匹配算法，以及基于双目视觉技术的特征点追踪方法。以上几种方式均能从观测数据中结算出目标的转轴和转速信息。但是，对基于序列点云处理获取目标转速转轴信息的方法受点云噪声以及匹配精度的影响，其结果精度一般，波动较大；而基于序列图像的方法需要先提取特征点，然后再利用图像特征匹配的方式进行相邻帧之间的相对姿态和目标转轴的求解，运算量大，效率较低；而基于双目视觉技术的特征点追踪方法，需要进行左、右图同名点特征点匹配，效率不高。本专利将二维图像数据处理结果和三维点云数据处理结果进行融合处理，利用灰度区间划分方式计算目标转速，再以此结果作为依据，对三维点云的处理结果进行滤波，提高了序列点云转轴、转速结算结果的精度，获取了旋转目标的高精度转速、转轴信息，实现了图像处理结果和点云处理结果的融合输出。

技术实现要素：

本发明解决的技术问题是：针对目前现有技术中，单独的图像处理匹配算法容易受到外界干扰、图像波动较大，计算精度一般的问题，提出了一种二维三维融合的非合作目标转速转轴测量方法。

本发明解决上述技术问题是通过如下技术方案予以实现的：

一种二维三维融合的非合作目标转速转轴测量方法，步骤如下：

(1)利用二维成像敏感器对旋转的非合作目标进行观测，得到二维序列图像，对任一图像进行直方图分析，并获取该图像的灰度值分布；

(2)根据步骤(1)所得图像的灰度值分布进行灰度区间划分，得到n个灰度区间；

(3)实时统计步骤(2)所得n个灰度区间内的像素个数并进行记录，统计特定时长的像素个数后，获取n个像素个数关于统计时长的周期性信号；

(4)对步骤(3)所得n个周期性信号进行频谱分析，于每个周期性信号中取幅值最大的频率作为该周期性信号的频率，记为f1,f2…fn；

(5)根据最大幅值对应频率和最大幅值一半所对应的频率之间的差值，设定相对频率阈值，并对步骤(4)所得周期性信号的频率序列f1,f2…fn进行检索分类，对分类后数量较多的一组频率数据取频率平均值作为输出频率，再根据输出频率计算目标转速；

(6)利用三维成像敏感器对旋转的非合作目标进行观测并获取三维点云数据，利用icp算法对相邻帧点云进行匹配并获取相邻帧点云的旋转矩阵，计算该非合作目标的转轴、旋转角度、转速。

所述步骤(2)中，划分灰度区间的方法为：

选取n个图像灰度的局部极大值h1,h2…hn，取每个局部极大值波动±m范围内的区间作为一个灰度区间，得到分别为[h1-m,h1+m],[h2-m,h2+m]…[hn-m,hn+m]的n个灰度区间，其中，n为正整数，m为图像灰度饱和值的1/20。

所述步骤(5)中，选取频率值的具体方法为：

(5a)于频率序列中任选一个周期性信号的频率fb作为a类频率值，计算其他频率值相对于该频率值的相对频率差df，计算公式如下：

式中，fi为除去fb后频率序列中任意一个周期性信号频率；

(5b)根据最大幅值对应频率和最大幅值一半所对应的频率之间的差值设定相对频率阈值δf，同时根据步骤(5a)所得相对频率差df与δf进行比较，若df小于δf，则fi与fb均为a类频率值，否则fi为b类频率值，对频率序列内全部频率值进行判断后得到a类频率值序列及b类频率值序列；

(5c)根据步骤(5b)所得的a类、b类频率值序列内频率值个数进行比较，取数值较多的一组频率值序列求频率平均值。

所述步骤(6)中，计算非合作目标的转轴、旋转角度、转速的公式为：

式中，[q0,q1,q2,q3]为转轴四元数，r为目标旋转矩阵，mij为目标旋转矩阵r中，第i行第j列的元素，θ为相邻帧之间的夹角，t为相邻帧之间的时间间隔，ωpointcloud为角速度，[nx,ny,nz]为转轴向量。

本发明与现有技术相比的优点在于：

(1)本发明提供的一种二维三维融合的非合作目标转速转轴测量方法，基于图像数据灰度区间内像素数统计的方法能够准确第求解出旋转目标的转速，将二维图像数据处理结果和三维点云数据处理结果进行融合处理，利用灰度区间划分方式计算目标转速，再以此结果作为依据，对三维点云的处理结果进行滤波，提高了序列点云转轴、转速结算结果的精度，获取了旋转目标的高精度转速、转轴信息，实现了图像处理结果和点云处理结果的融合输出；

(2)本发明依据基于序列图像测量得到的高精度转速信息为以及，对基于序列点云数据测量得到的转速转轴信息进行滤波，可有效剔除波动较大的转轴测量数据，大大提高转轴的测量精度，同时提高了计算效率。

附图说明

图1为发明提供的计算方法流程图；

图2为发明提供的图像灰度值分布示意图；

图3为发明提供的周期性信号示意图；

图4为发明提供的滤波前转轴计算结果图；

图5为发明提供的滤波后转轴计算结果图

具体实施方式

一种二维三维融合的非合作目标转速转轴测量方法，如图1所示，具体步骤如下：

(1)利用二维成像敏感器对旋转的非合作目标进行观测，得到一系列的二维序列图像，对任一图像进行直方图分析，并获取该图像的灰度值分布；

(2)根据步骤(1)所得图像的灰度值分布进行灰度区间划分，得到n个灰度区间，其中，选取灰度空间的具体方法为：

如图2所示，选取n个图像灰度的局部极大值h1,h2…hn，取每个局部极大值波动±m范围内的区间作为一个灰度区间，得到分别为[h1-m,h1+m],[h2-m,h2+m]…[hn-m,hn+m]的n个灰度区间，其中，n为正整数，m为图像灰度饱和值的1/20；

(3)实时统计步骤(2)所得n个灰度区间内的像素个数并进行记录，统计特定时长的像素个数后，获取n个像素个数关于统计时长的周期性信号，如图3所示；

(4)对步骤(3)所得n个周期性信号进行频谱分析，于每个周期性信号中取幅值最大的频率作为该周期性信号的频率，记为f1,f2…fn；

(5)根据最大幅值对应频率和最大幅值一半所对应的频率之间的差值，设定相对频率阈值，并对步骤(4)所得周期性信号的频率序列f1,f2…fn进行检索分类，对分类后数量较多的一组频率数据取频率平均值作为输出频率，再根据输出频率计算目标转速，其中，选取频率值的具体方法为：

(5a)于频率序列中任选一个周期性信号的频率fb作为a类频率值，计算其他频率值相对于该频率值的相对频率差df，计算公式如下：

式中，fi为除去fb后频率序列中任意一个周期性信号频率；

(5b)根据最大幅值对应频率和最大幅值一半所对应的频率之间的差值设定相对频率阈值δf，同时根据步骤(5a)所得相对频率差df与δf进行比较，若df小于δf，则fi与fb均为a类频率值，否则fi为b类频率值，对频率序列内全部频率值进行判断后得到a类频率值序列及b类频率值序列；

(5c)根据步骤(5b)所得的a类、b类频率值序列内频率值个数进行比较，取数值较多的一组频率值序列求频率平均值；

(6)利用三维成像敏感器对旋转的非合作目标进行观测并获取三维点云数据，利用icp算法对相邻帧点云进行匹配并获取相邻帧点云的旋转矩阵，计算该非合作目标的转轴、旋转角度、转速；

计算非合作目标的转轴、旋转角度、转速的公式为：

式中，[q0,q1,q2,q3]为转轴四元数，r为目标旋转矩阵，mij为目标旋转矩阵r中，第i行第j列的元素，θ为相邻帧之间的夹角，t为相邻帧之间的时间间隔，ωpointcloud为角速度，[nx,ny,nz]为转轴向量。

(7)在试验当中，还需要根据步骤(5)所得平均频率作为转速阈值，并对步骤(6)所得的转速数值进行筛选，选取转速数值大于转速阈值的部分并获取其他转轴信息。

下面结合具体实施例进行进一步说明：

如图4、图5所示，为依照本发明提供的转速转轴测量方法得出的测量结果。

本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。