本发明涉及机器人视觉测量技术领域，尤其涉及一种用于目标抓捕的机械臂相对导航方法，适用于对空间故障卫星、大型碎片等空间非合作目标的抓捕操作。
背景技术：
卫星在轨服务意义在于卫星燃料加注、寿命延长，空间碎片搜集，以及卫星维修等。空间机器人在在轨维护方面起到非常重要作用，而卫星抓捕是在轨服务的关键步骤。在卫星在轨操作过程中，服务航天器接近目标卫星到2米距离。然后通过机械臂自主抓捕目标卫星，并将目标卫星与服务航天器进行对接。
在过去几年中，卫星抓捕技术在多个空间任务中进行了试验验证。2007年美国darpa主导的orbitalexpress项目验证了交会、接近，对接和服务技术，其中包括肼燃料，电池和飞行计算机部件的转移和更换。该演示验证项目包括两颗卫星，即astro和nextsat/csc.astro是作为追踪航天器，而nextsat/csc是作为目标航天器。在该任务中，avgs基于激光的跟踪系统被用于测量目标的姿态、视线和距离信息。avgs系统是一个依赖装载目标星上的角反射器进行工作的自主对接传感器。此外，darpa发起了frend项目去验证自主非合作抓捕航天器的能力。frend项目开发并演示了一个空间机械臂系统，该系统自身具有gnc设备，末端执行器和相关算法。eevs(末端执行器视觉系统)被用于引导机械臂到预定抓捕点，并定位手指去完成抓捕。eevs使用3个可见光相机，这些相机被装在机械臂的末端。在2011年darpa发起了凤凰计划项目，该项目目的是从地球同步轨道中开发回收和重复使用废弃卫星部件，并演示验证构建一个新的低成本空间系统的能力。凤凰计划的关键技术之一是通过抓捕废弃非合作卫星来实现交会和对接操作。目前，凤凰计划已对lidar激光系统和其他光学传感器在在轨回收任务中的性能进行了地面试验。
显而易见的是：目前大多数在轨卫星没有设计为具有在轨被服务的功能，也就是说，没有传感器或可视标志器可用来辅助在轨抓捕。因此，需要采用一种基于视觉的定位系统来跟踪目标卫星表面的几何特征，实现追踪星到目标星之间相对位置的确定。
技术实现要素：
本发明所解决的技术问题是：克服现有技术不足，提供了一种用于目标抓捕的机械臂相对导航方法，实现更快的识别速度和更高的识别成功率。
本发明的技术解决方案是：一种用于目标抓捕的机械臂相对导航方法，包括如下步骤：
(1)、采用双目相机对目标进行测量，获取左、右两个相机拍摄的目标图像，对目标图像进行畸变校正；
(2)、在校正后的左、右两个相机拍摄的目标图像中提取目标边缘，得到左、右边缘二元图像，并根据目标外形特征，从左、右边缘二元图像中，分别提取左、右两个相机图像中的目标轮廓；
(3)、分别对左、右两个相机图像中的目标轮廓，进行曲线拟合，获取目标轮廓曲线，根据目标轮廓曲线计算得到轮廓中心点在左、右两个拍摄的目标图像中的二维坐标；
(4)、根据轮廓中心点在左、右两个拍摄的目标图像中的二维坐标，计算轮廓中心点在双目相机坐标系下的三维坐标；
(5)、将轮廓中心点在双目相机坐标系下的三维坐标作为机械臂导航信息，控制机械臂实时跟踪目标，直到目标与机械臂的距离小于双目相机测量最小作用距离之后，进入步骤(6)；
(6)、根据目标的运动规律，建立目标运动轨迹模型，预估目标运动位置，控制机械臂继续接近目标，直至抓捕目标。
所述步骤(2)采用canny算子来提取目标边缘。
采用canny算子来提取目标边缘的具体实现为：
(2.1)、采用高斯滤波方法对目标图像进行去噪处理；
(2.2)、计算去噪处理之后的目标图像中每个像点的水平方向梯度gx和垂直方向梯度gy的值，并据此计算每个像点的梯度幅值g和方向θ；
(2.3)、对图像像点的梯度幅值g进行非极大值抑制处理，即：找出图像中的邻域极大值点，将其作为局部极大值点，把其他非局部极大值点置零；
(2.4)、对经过非极大值抑制处理后的图像进行双阈值化处理，即采用预设的第一阈值与经过非极大值抑制后的图像的像点灰度值进行比较，将灰度值低于第一阈值的像点记录为准目标边缘点，对所有的准目标边缘点，在8邻域内迭代寻找大于预设的第二阈值的点，并标记为目标边缘点；
(2.5)、连接步骤(2.4)所得到的目标边缘点，即可得到边缘二元图像。
所述当目标外形特征为圆形时，所述步骤(2)采用hough变换算法从边缘二元图像中提取目标轮廓，具体步骤为：
采用hough变换算法来检测图像中的圆形边缘，根据检测出来的圆形边缘半径，以圆形边缘圆心为中心，以圆形边缘3倍半径为边长，从边缘二元图像中提取出一个局部检测正方形区域，使得目标包含在这个区域之中；在这个局部检测区域中，采用轮廓提取的方法，提取出目标轮廓。
所述步骤(3)采用最小二乘法进行曲线拟合，得到目标轮廓曲线。
在步骤(2)之前，采用高斯滤波的方法对校正后的左、右两个相机拍摄的目标图像进行高斯模糊处理，消除图像采集过程中的噪点。
所述双目相机为分辨率达到1024×1024双目黑白相机。
本发明与现有技术相比的优点在于：
(1)本发明可以为机械臂抓捕目标提供高精度的目标位姿信息。
(2)本发明采用“canny算子+hough变换”目标识别方法，具有更快的识别速度和更高的识别成功率；
(3)本发明提出了采用目标运动轨迹预估模型预估目标的位置，能够有效的解决目标被遮挡时的定位问题，为机械臂抓捕控制提供技术支撑。
附图说明
图1为本发明的基于机械臂的推力器抓捕系统实物图；
图2为本发明机械臂相对导航方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明：
以下以用于推力器抓捕的机械臂相对导航系统为例进行说明，该系统采用双目立体视觉相机和表面装有推力器的全尺寸卫星模型来完成卫星定位和抓捕试验。本实施例主要基于以下装置：
(1)追踪机器人抓捕机构：该机构附带有一个末端执行器，在末端执行器上装有双目相机和抓捕工具；
(2)卫星模型：模拟了卫星表面，该表面为1.5m×1.5m尺寸，上装有2个推力器和其他卫星附件，一个单自由度转台带着模型旋转，如图1所示。目标位置被定义为推力器喷嘴中心点。
(3)双目相机：为了获取推力器的完整图像，相机选取为双目黑白相机pantera1m30，并对相机进行了失真修复和标定。该相机的分辨率为1024×1024像素，最大帧率为30fps。相机光轴与抓捕工具纵轴夹角为15°，这样推力器全部图像可以同时被两个相机拍到。
如图2所示，本实施例的具体步骤如下：
(1)、采用双目相机对目标进行测量，获取左、右两个相机拍摄的目标图像，对目标图像进行畸变校正，消除相机畸变和光心偏移对成像造成的影响。
由于推力器a和推力器b是一模一样的，所以本步骤在初始时刻手动选择要抓捕的推力器(例如：推力器a)。在图像获取过程中，推力器b图像会干扰推力器a的识别。因此，从获取图像中提取了推力器a中心点周围的局部区域图像，该局部区域图像为正方形，边长为推力器直径的4倍。
(2)、采用canny算子在校正后的左、右两个相机拍摄的目标图像中提取目标边缘，得到左、右边缘二元图像，并根据目标外形特征，从左、右边缘二元图像中，分别提取左、右两个相机图像中的目标轮廓；
采用canny算子来提取目标边缘的具体实现为：
(2.1)、采用高斯滤波方法对目标图像进行去噪处理；
(2.2)、计算去噪处理之后的目标图像中每个像点的水平方向梯度gx和垂直方向梯度gy的值，并据此计算每个像点的梯度幅值g和方向θ，即：
这里，g是边缘梯度，θ反正切方向角。
求取图像梯度后，对图像进行搜索确定每个像点梯度是否为邻域内所有像点梯度的局部最大值，对图像进行非极大值抑制处理，即：找出图像中的邻域极大值点，将其作为候选局部极大值点，把其他非局部极大值点置零；再沿梯度方向角的方向进行搜索比较，确定该候选局部最大值为最终的局部最大值，并把该局部最大值对应像点标记为候选边缘点。
(2.4)、对经过非极大值抑制处理后的梯度图像进行双阈值化处理，双阈值设为第一阈值和第二阈值，其中，第一阈值大于第二阈值。采用预设的第一阈值与经过非极大值抑制后的图像的像点灰度值进行比较，将灰度值高于第一阈值的候选边缘点作为起始边缘搜索点，在8邻域内迭代寻找大于预设的第二阈值的点，并标记为连接边缘点，通过迭代搜索其余连接边缘点，形成最终的边缘。
由于canny边缘检测对原始图像噪声敏感，作为进一步的优选方案，在本步骤(2)之前采用高斯滤波的方法对校正后的左、右两个相机拍摄的目标图像进行高斯模糊处理，消除图像采集过程中的噪点。去噪后的图像是原始图像的轻度模糊，但该去噪图像不会受到单个噪声像素的影响。
由于推力器喷嘴的外形为圆形，本步骤采用hough变换算法从边缘二元图像中的圆，并确定表示推力器喷嘴的最大直径圆的位置。hough变换是一种对边缘图像组成进行分类的方法，采用hough变换算法从边缘二元图像中提取目标轮廓的具体步骤为：
采用hough变换算法来检测图像中的圆形边缘，根据检测出来的圆形边缘半径，以圆形边缘圆心为中心，以圆形边缘3倍半径为边长，从边缘二元图像中提取出一个局部检测正方形区域，使得目标包含在这个区域之中；在这个局部检测区域中，采用轮廓提取的方法，提取出目标轮廓。
(3)、分别对左、右两个相机图像中的目标轮廓，最小二乘法进行曲线拟合，获取目标轮廓曲线参数，根据目标轮廓曲线计算得到轮廓中心点在左、右两个拍摄的目标图像中的二维坐标；
本实施例中，在(2)中的算法可以分别在左右相机图像中检测一个圆，即圆l和圆r。被检测的圆l和圆r并不是“真正的圆”，而是椭圆。
因此，我们采用椭圆拟合算法去拟合两个相机获取的圆特征，获取椭圆曲线参数，即：椭圆中心、曲率和长短轴等。进一步就可以计算得出两个椭圆中心点在图像坐标系下的二维坐标。
(4)、根据轮廓中心点在左、右两个拍摄的目标图像中的二维坐标，计算轮廓中心点在双目相机坐标系下的三维坐标。
本实施例中，根据获取的椭圆中心点投影像素点二维坐标，采用两个相机的几何关系和三维重建方法去计算椭圆中心点在相机坐标系内的三维坐标。具体为：
(a)、根据获取的椭圆中心点每个相机图像中的二维坐标，通过投影变换将带有内凑角的双目相机变换成平行双目相机形成的图像；
(b)、计算中心点对应的同名点在变换之后的左、右相机图像坐标之间的视差，根据双目两个相机几何关系，求取椭圆中心点在相机坐标系内的三维坐标。
(3)、采用两个相机的几何关系和三维重建方法去计算椭圆中心点在相机坐标系内的三维坐标。
(5)、将轮廓中心点在双目相机坐标系下的三维坐标作为机械臂导航信息，控制机械臂实时跟踪目标，直到目标与机械臂的距离小于双目相机测量最小作用距离之后，进入步骤(6)；
(6)、根据目标的运动规律，建立目标运动轨迹模型，预估目标运动位置，控制机械臂继续接近目标，直至抓捕目标。
当机械臂接近到距推力器0.1米距离时，立体视觉系统不能完整的拍摄推力器图像，因为推力器被抓捕工具给遮挡住了。由于目标卫星运动是一个绕通过卫星平面中点法线方向的单轴旋转运动，设置机械臂在0.1米距离跟踪旋转推力器20秒时间，计算推力器轨迹模型。根据轨迹模型，预估推力器的轨迹，根据预估轨迹，来对推力器进行定位，实现对推力器的抓捕。
本说明书中未进行详细描述的内容属于本领域技术人员的公知常识。