0 引言

    空間交會(huì)對(duì)接近距離段通常采用視覺圖像處理的方法實(shí)現(xiàn)追蹤航天器與目標(biāo)航天器之間的位姿測(cè)量。一般情況下，追蹤航天器上安裝有視覺傳感器（攝像機(jī)）和位姿測(cè)量系統(tǒng)，目標(biāo)航天器上安裝有特征靶標(biāo)。交會(huì)對(duì)接過程中，需實(shí)時(shí)獲取視覺傳感器與特征靶標(biāo)之間的位姿關(guān)系，進(jìn)而轉(zhuǎn)換為目標(biāo)航天器與追蹤航天器之間的位姿關(guān)系，并以此作為追蹤航天器中伺服系統(tǒng)的輸入端，及時(shí)調(diào)整其運(yùn)動(dòng)軌跡^[1-3]。因此，位姿測(cè)量系統(tǒng)的測(cè)量精度和測(cè)量效率直接影響著整個(gè)對(duì)接系統(tǒng)的控制精度和效率，其重要性顯而易見；而目標(biāo)航天器上特征靶標(biāo)的準(zhǔn)確、快速識(shí)別又是實(shí)時(shí)位姿測(cè)量的前提條件。

    目前，美國、日本和中國均已實(shí)現(xiàn)航天器之間交會(huì)對(duì)接過程。美國航天局使用兩種不同波長的激光照射特征靶標(biāo)，根據(jù)靶標(biāo)對(duì)不同波長激光束反射情況的區(qū)別確定前景和背景圖像，從而識(shí)別標(biāo)識(shí)點(diǎn)，該方案的靶標(biāo)制作較復(fù)雜，實(shí)現(xiàn)難度較大。日本通常采集不同顏色的標(biāo)識(shí)燈圖像，識(shí)別特征點(diǎn)，實(shí)現(xiàn)了視覺測(cè)量，但該方法受光照等影響較大。中國天宮與神舟飛船對(duì)接時(shí)采用十字靶標(biāo)，靠人眼觀測(cè)為主的方式完成了對(duì)接過程，對(duì)接過程自動(dòng)化程度不高，效率較低。

    視覺測(cè)量或跟蹤系統(tǒng)中用于檢測(cè)目標(biāo)的圖像處理算法是計(jì)算成本最高的算法之一。其對(duì)精度和效率的要求均較高，是影響后續(xù)位姿測(cè)量精度和效率的關(guān)鍵因素之一。本文提出一種簡單特征靶標(biāo)的快速識(shí)別方法，本方案在不影響特征靶標(biāo)識(shí)別精度的前提下，簡化了圖像處理過程，極大程度提升了算法的運(yùn)行效率。

1 特征靶標(biāo)確定

    為實(shí)現(xiàn)特征靶標(biāo)的快速、準(zhǔn)確地識(shí)別，要求安裝于目標(biāo)航天器上的靶標(biāo)的設(shè)計(jì)應(yīng)盡可能簡單，便于快速識(shí)別。文獻(xiàn)[4]中CATRELL L B等人在1991年提出采用顏色鮮明的同心圓環(huán)作為檢測(cè)目標(biāo)物，提取同心圓環(huán)的圓心信息作為特征點(diǎn)。因同心圓環(huán)具有如下重要特性：圓環(huán)的圓心不會(huì)隨著圖像旋轉(zhuǎn)和變換而改變；圓環(huán)的面積和其內(nèi)部的面積比例不會(huì)隨著圖像的旋轉(zhuǎn)而變換；通過檢測(cè)同心圓環(huán)輪廓和面積，可以確定相應(yīng)的圓心。借鑒該文的方法，本文將目標(biāo)圓環(huán)作為特征靶標(biāo)，圓環(huán)圓心作為特征點(diǎn)。

    在位姿測(cè)量系統(tǒng)中，若已知目標(biāo)靶標(biāo)圖像坐標(biāo)，依據(jù)相機(jī)成像模型求解目標(biāo)與相機(jī)之間的位姿關(guān)系，是典型的PNP(Perspective N Points)問題。文獻(xiàn)[5]研究發(fā)現(xiàn)，PNP問題中，若已知4個(gè)共面的點(diǎn)，且任意3點(diǎn)不在一條直線上，能確定視覺傳感器相對(duì)特征靶標(biāo)之間唯一的位姿關(guān)系，從而得到兩航天器之間的位姿關(guān)系。

    綜上，特征靶標(biāo)確定為4個(gè)共面同心圓環(huán)。為了區(qū)分各個(gè)特征點(diǎn)之間的位置關(guān)系，同心圓環(huán)的內(nèi)環(huán)直徑大小不一，中心對(duì)稱，如圖1所示。特征靶標(biāo)的尺寸可配合視覺傳感器的參數(shù)按比例放縮。

2 特征靶標(biāo)識(shí)別

    特征靶標(biāo)識(shí)別過程主要包括三部分：圖像分割、輪廓提取、識(shí)別圓環(huán)提取圓心坐標(biāo)。

2.1 圖像分割

    圖像分割就是結(jié)合圖像的特征通過某種方法確定一個(gè)合理的閾值，對(duì)圖像的像素點(diǎn)進(jìn)行分類，實(shí)現(xiàn)目標(biāo)與背景之間的分離，該過程可簡化后續(xù)圖像分割和特征提取的數(shù)據(jù)計(jì)算量^[6]。

    通常圖像中目標(biāo)信息眾多，如何合理地確定一個(gè)閾值，將關(guān)鍵目標(biāo)信息從背景中分離尤為重要。閾值的確定通常有兩種方法：自適應(yīng)閾值法和全局閾值法。自適應(yīng)閾值法將整個(gè)圖像細(xì)分為一定大小的區(qū)域，單獨(dú)計(jì)算每個(gè)區(qū)域的閾值。該方法對(duì)光照不均勻、背景灰度變換很大或者突然的噪聲都能取得很好的效果，但是算法復(fù)雜，處理所需的時(shí)間較多，一般不適合位姿測(cè)量這類實(shí)時(shí)系統(tǒng)。

    全局閾值法是指用固定閾值對(duì)圖像中所有像素點(diǎn)進(jìn)行分類。固定閾值法實(shí)現(xiàn)過程簡單，但其對(duì)不同的圖片往往會(huì)取得不同的效果，在視覺測(cè)量過程中，當(dāng)光照或拍攝角度以及距離變化時(shí)，即使是拍攝同一個(gè)物體，其灰度變化也會(huì)很大。

    綜合考慮圖像分割的效果和算法花費(fèi)時(shí)間，采用最大類間方差法(Otsu)進(jìn)行閾值分割，該方法將圖像像素分為兩類，計(jì)算兩類之間的方差，選取方差最大時(shí)相應(yīng)的灰度值作為閾值，在目標(biāo)物和背景灰度差較大的情況下效果較好^[7]。該方法的計(jì)算原理如下：

    假設(shè)圖像大小為M×N，圖像上像素點(diǎn)的坐標(biāo)為(i，j)，相應(yīng)地其灰度值可用f(i，j)表示。p(k)表示整幅圖像中灰度值為k的點(diǎn)出現(xiàn)的頻率，則p(k)可用式(1)表示。

    假設(shè)理想的閾值為t，整個(gè)閾值范圍為0～m-1，目標(biāo)部分可表示為{f(i，j)≤t}，背景部分可表示為{f(i，j)>t}。w₀(t)為目標(biāo)部分占整幅圖像的比例，N₀(t)為目標(biāo)部分的點(diǎn)數(shù)，則有：

    用該方法進(jìn)行圖像分割時(shí)，需要先計(jì)算閾值，再根據(jù)計(jì)算的閾值對(duì)圖像進(jìn)行分割，這兩步分別要遍歷一次圖像，頻繁地遍歷圖像，會(huì)降低算法運(yùn)行效率。本應(yīng)用環(huán)境中系統(tǒng)圖像采集過程中相鄰兩幀間的時(shí)間間隔較短，前后幀圖像差別很小，閾值相差也會(huì)很小。結(jié)合算法的應(yīng)用環(huán)境，本文對(duì)該過程進(jìn)行如下改進(jìn)：圖像分割過程中，采用上一幀計(jì)算好的閾值進(jìn)行分割，同時(shí)對(duì)這幀圖像計(jì)算閾值，這樣僅需遍歷一次圖像同時(shí)進(jìn)行計(jì)算閾值和二值化，即計(jì)算閾值與二值化邏輯并行。對(duì)于第一幀數(shù)據(jù)，圖像二值化時(shí)沒有已經(jīng)計(jì)算好的閾值，此時(shí)可將第一幀的閾值設(shè)置為一個(gè)常數(shù)。這可能造成接入相機(jī)后，第一幀的處理結(jié)果不理想，但對(duì)后續(xù)的采集和計(jì)算沒有影響。

    為測(cè)試處理效果，選用圖2進(jìn)行實(shí)驗(yàn)，采用改進(jìn)后的最大類間方差法進(jìn)行閾值分割，得到的效果對(duì)比如圖3所示。

2.2 輪廓提取

    為識(shí)別同心圓環(huán)中心坐標(biāo)，需檢測(cè)圖像邊緣輪廓。計(jì)算機(jī)中根據(jù)前后兩像素灰度是否發(fā)生跳變判斷該處是否為圖像邊緣。Canny算子為邊緣檢測(cè)中最常用方法，實(shí)現(xiàn)效果也相對(duì)較好^[8]。本文先選用Canny算子對(duì)圖像進(jìn)行邊界檢測(cè)，其效果如圖4所示。從圖可以看出，檢測(cè)出來的除了邊界線外，還包含很多小邊界，這些小邊界對(duì)圖像中圓邊界的識(shí)別幾乎不會(huì)有影響，但是在運(yùn)行中大量時(shí)間會(huì)浪費(fèi)在處理這些小邊界上。

    邊緣檢測(cè)的目的是為輪廓提取做準(zhǔn)備的。由圖4可以看出，提取的輪廓通常是非閉合的，而且檢測(cè)時(shí)間較長。由于特征靶標(biāo)是圓環(huán)形狀連通域，為了簡化算法，本文提出對(duì)分割后的圖像直接提取閉合輪廓。

    首先，確定第一個(gè)邊界點(diǎn)。從圖像像素坐標(biāo)系的坐標(biāo)原點(diǎn)開始，先沿Y軸方向，再沿X軸方向，依次掃描像素點(diǎn)，找到第一個(gè)目標(biāo)點(diǎn)E₀，E₀是離原點(diǎn)最近的邊界點(diǎn)。定義一個(gè)方向變量dir，用于記錄上一個(gè)邊界點(diǎn)移動(dòng)到這一個(gè)邊界點(diǎn)過程中的方向。4連通區(qū)域dir可取0、1、2、3這4個(gè)值，8連通區(qū)域dir可取0、1、…、7這8個(gè)值。其方向變化如圖5所示，dir=0為水平向右的方向，沿逆時(shí)針方向dir的值依次增加。

    然后，計(jì)算搜索方向。確定目標(biāo)點(diǎn)后，以逆時(shí)針方向掃描目標(biāo)像素點(diǎn)的3×3鄰域。搜索過程中，與目標(biāo)像素點(diǎn)灰度值相同的第一個(gè)像素點(diǎn)更新為新邊界E₀，dir的方向隨之更新，其更新的原則是將其逆時(shí)針旋轉(zhuǎn)90°。

    最后，確定所有邊界點(diǎn)。按照上述方法依次搜索所有邊界點(diǎn)，直到當(dāng)前點(diǎn)等于第二個(gè)邊界點(diǎn)，且當(dāng)前點(diǎn)的前一個(gè)邊界點(diǎn)等于第一個(gè)邊界點(diǎn)，停止搜索。根據(jù)該搜索準(zhǔn)則，從圖像的左上角到圖像的右下角遍歷一遍圖像，將搜素到所有輪廓數(shù)據(jù)存儲(chǔ)到相應(yīng)的數(shù)據(jù)結(jié)構(gòu)中，搜索完成后，可獲得圖像全部輪廓數(shù)據(jù)。

    該方法獲取的是目標(biāo)圖像的內(nèi)邊界，對(duì)于圖像中的孔洞結(jié)構(gòu)，還需要采用駐點(diǎn)掏空的方法剔除內(nèi)部點(diǎn)，得到邊緣輪廓。如得到的目標(biāo)圖像中有一點(diǎn)像素值為0，且它的8連通域的像素值都為0，則說明該點(diǎn)為內(nèi)部黑點(diǎn)，可將其濾除。對(duì)所有目標(biāo)圖像像素點(diǎn)執(zhí)行上述操作，便可得到如圖6所示的閉合輪廓效果圖。由圖6可以看出，直接搜到輪廓可以有效剔除非連續(xù)的細(xì)小邊緣，得到目標(biāo)圖像的關(guān)鍵輪廓。

2.3 識(shí)別圓提取圓心

    從圖6可以看到，提取的閉合輪廓總數(shù)還是很多的，因此，須先剔除非圓輪廓。

由圓的性質(zhì)可知：半徑為r圓的面積S和周長C存在著如式(10)所示的比例關(guān)系，通過該公式可確定某一輪廓是否為圓。但提取的輪廓存在噪聲點(diǎn)，不會(huì)嚴(yán)格滿足該式，因此，需將該比例關(guān)系設(shè)置為一個(gè)范圍。通過大量實(shí)驗(yàn)測(cè)試發(fā)現(xiàn)，式(10)中比例關(guān)系在0.8～1.2范圍內(nèi)能較準(zhǔn)確識(shí)別到目標(biāo)圓。

    準(zhǔn)確識(shí)別出圓輪廓后，需要對(duì)圓輪廓進(jìn)行擬合，進(jìn)一步計(jì)算圓心。圓擬合在視覺圖像處理和識(shí)別中有著廣泛應(yīng)用價(jià)值。圓擬合最小二乘法圓曲線擬合是最常用的圓擬合方法，該方法求解速度快、易實(shí)現(xiàn)。最小二乘法的求解過程可理解為，按某種規(guī)律尋找一組數(shù)據(jù)的最佳匹配，求得的匹配數(shù)據(jù)與該組數(shù)據(jù)間誤差的平方和盡可能小。對(duì)于圓輪廓擬合過程即為尋找與圓輪廓上像素點(diǎn)最匹配的圓方程表達(dá)式。圓擬合后的效果如圖7所示。

    圖7表明，該方法能準(zhǔn)確提取特征圓心，擬合效果較好。上述特征點(diǎn)提取算法流程如圖8所示。

3 特征靶標(biāo)提取算法評(píng)價(jià)試驗(yàn)

    本系統(tǒng)中圖像采集模塊采用Pixoel公司型號(hào)為UI-1540SE的COMS相機(jī)，采集到的圖像為1 280像素×1 024像素的灰度圖片，像元尺寸為5.2 μm。在Visual studio 2010軟件平臺(tái)中，從0.5~2 m距離采集特征靶標(biāo)圖案的圖像信息進(jìn)行運(yùn)算，均成功實(shí)現(xiàn)對(duì)靶標(biāo)圖案的提取。

3.1 重復(fù)性

    為驗(yàn)證算法的穩(wěn)定性，本測(cè)量中對(duì)同一測(cè)量點(diǎn)重復(fù)測(cè)量10次，獲得4個(gè)同心圓環(huán)圓心數(shù)據(jù)，對(duì)其求平均和計(jì)算標(biāo)準(zhǔn)差后的結(jié)果如表1所示。

    整個(gè)測(cè)量過程中特征點(diǎn)提取重復(fù)性誤差不超過0.2像素，標(biāo)準(zhǔn)差不大于0.1像素。

3.2 準(zhǔn)確性

    采用CAD繪圖軟件繪制上述靶標(biāo)圖案，并標(biāo)出同心圓環(huán)圓形，以此作為標(biāo)準(zhǔn)中心坐標(biāo)。在處理后的圖像中標(biāo)注圖像識(shí)別提取的中心，用畫圖軟件將處理后的圖像放至最大，對(duì)比提取中心與標(biāo)準(zhǔn)中心的差。在0.5~2 m范圍內(nèi)，每間隔0.5 m采集靶標(biāo)圖案信息進(jìn)行處理，并與標(biāo)準(zhǔn)中心進(jìn)行對(duì)比之后，X方向和Y方向上的坐標(biāo)誤差均小于1像素。

3.3 算法效率分析

    本文在圖像處理過程中重點(diǎn)關(guān)注了各種方法對(duì)特征靶標(biāo)識(shí)別效率的影響，并對(duì)相關(guān)算法進(jìn)行了改進(jìn)和優(yōu)化。采用圖1比較優(yōu)化前后的效率。算法各部分運(yùn)行平均時(shí)間如表2所示。

    本算法在如圖1所示這類簡單背景下平均每秒可以處理20幀圖像，在如圖2所示這類復(fù)雜背景下平均每秒也至少可以處理10幀圖像，完全滿足空間對(duì)接系統(tǒng)應(yīng)用中對(duì)算法實(shí)時(shí)性的要求。

4 結(jié)論

    本文作為空間對(duì)接中位姿測(cè)量系統(tǒng)研究中的一部分，基于一種簡單的特征靶標(biāo)，優(yōu)化了特征靶標(biāo)提取算法，在保證算法精度和穩(wěn)定性的前提下，極大程度上提升了算法的效率，為后期空間對(duì)接過程中位姿測(cè)量打下了良好的基礎(chǔ)。

參考文獻(xiàn)

[1] 朱仁璋，王鴻芳，徐宇杰，等.從ETS-Ⅶ到HTV——日本交會(huì)對(duì)接/停靠技術(shù)研究[J].航天器工程，2011(4)：6-31.

[2] 鄭永煌.空間交會(huì)對(duì)接技術(shù)[J].自然雜志，2011，33(6)：311-314.

[3] 王向軍，曹雨，周凱.二維合作目標(biāo)的單相機(jī)空間位姿測(cè)量方法[J].光學(xué)精密工程，2017(1)：274-280.

[4] GATRELL L B，HOFF W A，SKLAIR C W.Robust image features: concentric contrasting circles and their image extraction[C].Proceedings of SPIE 1612，Cooperative Intelligent Robotics in Space II，1992.

[5] 胡占義，雷成，吳福朝.關(guān)于P4P問題的一點(diǎn)討論[J].自動(dòng)化學(xué)報(bào)，2001，27(6)：770-776.

[6] 趙健，高軍，羅超，等.基于數(shù)字圖像處理的玻璃缺陷在線檢測(cè)系統(tǒng)[J].電子技術(shù)應(yīng)用，2013，39(12)：90-92.

[7] 殷蘇民，朱錦萍，王祖聲，等.基于頂帽變換和最大類間方差法的圖像分割方法研究[J].科學(xué)技術(shù)與工程，2014，14(7)：60-64.

[8] 馬艷，張治輝.幾種邊緣檢測(cè)算子的比較[J].工礦自動(dòng)化，2004(1)：54-56.

作者信息:

羅小依1，張莉君2，賀曉斌1，張  琴1，施英瑩1，徐燕銘1

(1.上海航天設(shè)備制造總廠有限公司，上海200245；2.中國地質(zhì)大學(xué)(武漢)，湖北 武漢430070)