一种模型约束下的在轨三维空间目标姿态估计方法及系统的制作方法
【技术领域】
[0001] 本发明属于航天技术与模式识别交叉领域，具体涉及一种适用于卫星、空间飞行 器等在轨H维空间目标姿态估计方法及系统。
【背景技术】
[0002] 国内外发射的大量通信卫星、资源卫星等空间目标可用于网络通信、航空摄影、大 地测量等应用场所。对该些空间目标进行地基光电观察，分析、调整其姿态是该类系统中不 可或缺的部分。由于地基望远镜系统的空间分辨率限制W及大气环境对长距离光学成像的 随机干扰，使得地基传感器获取的图像容易出现目标边界模糊不清的现象。当成像目标边 界模糊不清时，传统的基于特征点匹配的姿态估计及H维重建算法准确性往往会随着目标 的模糊程度增加而迅速下降。姿态估计意在从二维相机坐标系获取的目标投影图像中计算 出目标在H维目标坐标系下的俯仰角a和偏航角度目，一对（a，目）的角度值对应一个姿 态。姿态估计的准确性对分析空间目标的部件尺寸、部件相对位置关系W及空间目标的功 能属性等具有重要意义。因此，有必要研究地基长距离光学成像条件下稳健的姿态估计算 法。
[0003] 国内外学者对该类成像下的空间目标姿态估计算法进行了详细的研究，并且取得 了相关成果。如，赵汝进、张启衡、徐智勇的"一种基于特征点间线段倾角的姿态测量方法"， 见《光子学报》，2010年2月，第39卷，第2期。研究了一种基于目标特征点间倾角角度信息 的目标3维姿态迭代解算方法，该方法适用于远距离弱透视成像目标和相机内参量未知条 件下目标姿态求解。但算法精度严重依赖于提取到的边缘、直线、角点精度，且在迭代初值 偏离真实姿态误差较大时，算法需要较多的迭代次数，运算量大，且可能出现迭代不收敛情 况。地基长距离光学成像目标边界容易出现模糊不清的现象，影响特征点定位精度，因此， 算法精度差。王銀鹏、张小虎、于起峰的"基于目标特征点比例的单站图像定姿方法"，见《应 用光学》2009年11月，第30卷，第6期，提出了一种针对实况记录图像的单站定姿方法，利 用目标特征点坐标的比例信息及目标成像模型及坐标系间位姿参数关系，采用非线性方程 组的迭代求解获得目标姿态参数。该算法求解精度高、鲁棒性好，但需要事先知道目标上的 标记点，不适合非合作目标和非标记目标的姿态求解，算法适应能力差。FIS化邸M，FIS化 ERMAjBOLLESRC."Randomsampleconsensus:aparadigmformodelfittingwith applicationstoimageanalysisandautomatedcartography'，!!。.Communicationsof theACM, 1981，24化）：381-395.通过提取目标及其投影图像上的大量点对，采用一致交叉 验证的方式选择最少的特征点进行姿态的H维重建。该算法需要提取大量的特征点对，运 算量大，特征点对存在误匹配时，算法误差大。上述研究成果都对该类问题的特殊情况提出 了自己的解决方案，各个方案具有自己的算法特点。但是算法都存在运算量大、精度差、或 适应性差等问题。
【发明内容】
[0004]为解决现有方法运算量大、精度差、或适应性差的问题，本发明提供一种在轨H维 空间目标姿态估计方法及系统，能有效地从空间目标二维图像中估计出目标的H维空间姿 态信息，精度高，计算量小，适应性好。
[0005] -种在轨H维空间目标姿态估计方法，包括离线特征库构建步骤和在线姿态估计 步骤：
[0006] 所述离线特征库构建步骤，具体为：
[0007] (A1)根据空间目标H维模型获取表征空间目标各种姿态的目标多视点特性视 图；
[0008] (A2)从各空间目标多视点特性视图中提取几何特征构成几何特征库；所述几何特 征包含目标主体高宽比Ti，i、目标纵向对称度Ti，2、目标横向对称度Ti，3和目标主轴倾斜角 1^4;所述目标主体高宽比Ty是指目标最小外接矩形的高宽比；所述目标纵向对称度 是指在目标最小外接矩形所围成的矩形区域内，目标上半部分面积与下半部分面积之比； 所述目标横向对称度是指在目标最小外接矩形所围成的矩形区域内，目标左半部分面 积与右半部分面积之比；所述目标主轴倾斜角是指特性视图的目标柱体主轴线与视图 水平方向的夹角；
[0009] 所述在线姿态估计步骤，具体为：
[0010] (B1)对待测在轨空间目标图像预处理；
[0011] (B2)对预处理后的待测图像提取特征，该特征与步骤（2)提取的特征相同；
[0012] (B3)将对待测图像提取的特征在几何特征库中进行匹配，匹配结果对应的特性视 图所表征的空间目标姿态即为待测图像中的目标姿态。
[0013] 进一步地，所述特征目标主体高宽比Ti，i的提取方式为：
[0014] (A2. 1. 1)对特性视图。使用最大类间方差阔值准则得到阔值Ti，将特性视图。 中大于阔值Ti的像素灰度值(X，y)设置为255,小于或等于阔值Ti的像素灰度值(X，y) 设置为零，由此得到二值图像Gi，Gi为宽度n、高度m的像素矩阵，gi(x，y)为Gi中点（x，y) 处像素灰度值；
[0015] (A2. 1. 2)对二值图像Gi按照从上往下、从左往右的顺序进行扫描，若当前点像素 值gi(X，y)等于255,则记录当前像素横坐标x=Topj、纵坐标y=Topi，停止扫描；
[0016] (A2. 1. 3)对二值图像Gi按照从下往上、从左往右的顺序进行扫描，若当前点像素 值gi(X，y)等于255,则记录当前像素横坐标x=Bntj、纵坐标y=Bnti，停止扫描；
[0017] (A2. 1.4)对二值图像Gi按照从左往右，从上往下的顺序进行扫描，若当前点像素 值gi(X，y)等于255,则记录当前像素横坐标x=Leftj、纵坐标y=Lefti，停止扫描；
[0018] (A2. 1. 5)对二值图像Gi按照从右往左，从上往下的顺序进行扫描，若当前点像素 值gi(X，y)等于255,则记录当前像素横坐标x=化曲tj、纵坐标y=化曲ti，停止扫描；
[001引（A2. 1.6)特性视图。的目标主体高宽比T，,i=:^，Hi=|Topi-Bnti|，Wi= Leftj-化曲tjI，符号IVI表示变量V的绝对值。
[0020] 进一步地，所述特征目标纵向对称度的提取方式为：
[00引](A2. 2. 1)计算特性视图。的中也点横坐标Ck=L(Lcilj+Rig叫)/2」，纵坐标 Ci、=L(T〇pi+Biui)/2_|，符号[V」表示对变量V取整数部分；
[00过 （A2. 2. 2)统计二值图像Gi中的，1《横坐标X《n，1《纵坐标y《Ciy的区域内， 灰度值为255的像素点个数，即为特性视图。的目标上半部分面积STi;
[002引（A2. 2. 3)统计二值图像Gi中，1《横坐标X《n，Ciy+l《纵坐标y《m的区域内， 灰度值为255的像素点个数，即为特性视图。的目标下半部分面积SDi;
[0024] (A2. 2. 4)计算特性视图。的目标纵向对称度Ti.; 。
[00巧]进一步地，所述特征目标横向对称度1^3的提取方式为：
[0026] (A2.3. 1)统计二值图像Gi中，1《横坐标x《Ch，l《纵坐标y《m的区域内，灰 度值为255的像素点个数，即为特性视图。的目标左半部分面积化i;
[0027] (A2. 3. 2)统计二值图像Gi中，Ch+1《横坐标X《n，1《纵坐标y《m的区域内， 灰度值为255的像素点个数，即为特性视图。的目标右半部分面积SRi;
[002引（A2. 3. 3)计算特性视图Fi的目标横向对称度Tu= 。
[0029] 进一步地，所述特征目标主轴倾斜角Ti，4的提取方式为：
[0030] (A2. 4. 1)计算特性视图。对应的二值图像Gi重也横坐标Xi。、纵坐标y;。：
[0031]
【主权项】
1. 一种在轨三维空间目标姿态估计方法，包括离线特征库构建步骤和在线姿态估计步 骤： 所述离线特征库构建步骤，具体为： (Al)根据空间目标三维模型获取表征空间目标各种姿态的目标多视点特性视图； (A2)从各空间目标多视点特性视图中提取几何特征构成几何特征库；所述几何特征包 含目标主体高宽比Ti;1、目标纵向对称度Ti;2、目标横