论文部分内容阅读
为了延长航天器的寿命及提高航天器可靠性,在轨服务体系已经启动建设。对于没有搭载特殊识别装置的非合作目标,必须采用传感器对目标位置与姿态进行测量,才能安全有效的进行服务任务。本论文立足在轨服务中的近距离操作任务,利用信息丰富的To F相机作为测量传感器,以非合作目标上的圆特征为入手点,研究一种高效可靠的非合作航天器相对位姿测量方法。主要采用基于点云模型的姿态确定方法,重点开展圆特征区域提取、空间圆拟合和基于圆特征的相对位姿解算与验证方法的研究,主要内容如下:利用圆特征求解目标的相对位姿,首先需要进行圆特征区域的提取。针对具有深度信息的点云数目庞大、单视角下数据不完整导致的求解算法复杂、效率低的问题,提出了一种利用灰度图像辅助的点云分割方法。利用To F相机中灰度图像与深度图像像素位置一一对应的特殊性,在灰度图像中进行椭圆检测后,在深度图像中再进行相应位置的数据提取转换为点云,由此将含有圆特征的区域点云提取出来。最后进行聚类筛选后就可以得到圆特征区域点云。通过实物拍摄数据进行编程实验,并与单独的点云分割效果对比,结果表明利用灰度辅助点云分割的更快速有效。基于圆特征的相对位姿求解主要利用圆特征参数中的空间法向量与圆心。为了能够充分利用To F相机数据,提高结果的可靠性,提出了利用灰度图像与点云联合求解圆特征参数的方法。对于法向量,利用圆特征的端面与侧面特性以及灰度图像的椭圆检测结果分别进行求解,最后进行合理的法向量融合,得到唯一解。对于圆心,基于标准坐标系平面,借助点云的深度信息与椭圆检测的参数结果进行联合求解。通过实验结果发现,各环节的结果会由于点云数据存在的噪声而产生偏差,验证了结果融合的必要性。同时,发现灰度图像与深度图像实际可能不完全同步,导致结果有偏差。针对利用圆特征参数进行非合作目标相对位姿快速求解的问题,本文基于点云模板求解位姿的思想,通过建立特殊的坐标系,在已知模板为空间圆的前提下,就可以通过简单的刚体平移旋转关系得出目标的相对位姿。为了在无精密设备的条件下进行验证实验,本文提出了一系列的公式与结果验证方法,并针对灰度图像与深度图像不同步的情况进行了分析,最终证明了算法的可行性。