時(shí)建奇+許林

摘要：針對(duì)航天器對(duì)接操作過(guò)程中相對(duì)位姿測(cè)量的問(wèn)題，該文利用航天器對(duì)接口為圓環(huán)的結(jié)構(gòu)特征，設(shè)計(jì)了一種基于PMD相機(jī)的位姿測(cè)量方法，該方法利用PMD相機(jī)獲取的三維點(diǎn)云數(shù)據(jù)，通過(guò)點(diǎn)云配準(zhǔn)的方法，實(shí)現(xiàn)了目標(biāo)相對(duì)位姿的準(zhǔn)確測(cè)量。

關(guān)鍵詞： PMD；位姿測(cè)量；三維點(diǎn)云；配準(zhǔn)

中圖分類號(hào)：TP274 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）10-0269-03

Abstract：To deal with the problem of measured relative pose in spacecraft docking operations ， This paper use the circular structure of the spacecraft ， designed a pose measurement method based on the PMD camera ， The method uses the camera to obtain three-dimensional point cloud data ，by this method of point cloud registration to achieve an accurate measurement of the relative pose of the target.

Key words：PMD； pose measurement； 3D point cloud； registration

1 概述

在航天領(lǐng)域，要完成航天器目標(biāo)的對(duì)接任務(wù)，需要獲得目標(biāo)的相對(duì)位姿參數(shù)，對(duì)于非合作目標(biāo)，航天器本身沒(méi)有預(yù)先安裝合作標(biāo)識(shí)器，需要利用航天器本身的結(jié)構(gòu)特征來(lái)實(shí)現(xiàn)目標(biāo)的識(shí)別和定位[1] 。航天器有對(duì)接環(huán)和發(fā)動(dòng)器噴口等圓形結(jié)構(gòu)，本文利用目標(biāo)的圓特征，進(jìn)行位姿測(cè)量。相較于其他特征，利用圓特征進(jìn)行位姿測(cè)量的最大優(yōu)勢(shì)是能夠抗遮擋，通過(guò)部分圓特征就能解算出位姿。然而，對(duì)于非合作目標(biāo)，在沒(méi)有任何約束條件下，基于單個(gè)圓的單目視覺(jué)位姿測(cè)量的解具有二義性[2]，所以在實(shí)際應(yīng)用中需要解決目標(biāo)二義性的問(wèn)題。

本文提出了一種基于PMD相機(jī)的非合作目標(biāo)[3]的空間位姿測(cè)量方法，通過(guò)空間點(diǎn)云配準(zhǔn)的方法能夠直接獲取位姿的唯一解，解決了二義性的問(wèn)題，該方法首先對(duì)PMD相機(jī)采集的深度圖像進(jìn)行濾波去噪、去除不可靠點(diǎn)和異常值。然后把目標(biāo)的深度數(shù)據(jù)轉(zhuǎn)化為空間三維點(diǎn)云數(shù)據(jù)，通過(guò)模版匹配的方法對(duì)兩幅目標(biāo)點(diǎn)云進(jìn)行粗配準(zhǔn)，再利用改進(jìn)型的ICP算法[4]對(duì)點(diǎn)云進(jìn)行精配準(zhǔn)，獲取兩幅點(diǎn)云的平移矩陣和旋轉(zhuǎn)矩陣，最終得到目標(biāo)相對(duì)位姿測(cè)量結(jié)果。最后，通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的有效性。

2 位姿測(cè)量過(guò)程

2.1 相機(jī)簡(jiǎn)介

本文采用3D相機(jī)是德國(guó)PMDTec公司的PMD[vision]?Camcube 2.0相機(jī)。它是一種基于飛行時(shí)間（Time-of-Flight）原理的3D相機(jī)，它是一種新型、小型化的主動(dòng)式立體成像設(shè)備，無(wú)需掃描便可實(shí)時(shí)的獲取目標(biāo)的深度信息、灰度信息和幅度信息[5]。PMD相機(jī)測(cè)距原理是通過(guò)紅外發(fā)射器向目標(biāo)發(fā)射光脈沖，到達(dá)目標(biāo)物體后發(fā)生反射，反射的紅外光被相機(jī)上的探測(cè)器接收，計(jì)算發(fā)射和接收光信號(hào)的相位差來(lái)計(jì)算相機(jī)到目標(biāo)的距離，從而獲取整個(gè)場(chǎng)景的深度信息。

2.2 三維點(diǎn)云的獲取

基于視覺(jué)測(cè)量系統(tǒng)的相機(jī)成像模型基本都是采用針孔成像模型，該模型為一個(gè)理想的投影成像模型。如圖1所示，[OW-XWYWZW]為世界坐標(biāo)系，[OC-XCYCZC]為相機(jī)坐標(biāo)系，原點(diǎn)[OC]為相機(jī)的鏡頭中心，[OI-XIYI]為像平面坐標(biāo)系，[o-uv]為圖 像 像 素坐 標(biāo) 系，這兩個(gè)坐標(biāo)系為二維坐標(biāo)系，描述成像點(diǎn)坐標(biāo)即空間點(diǎn)在相機(jī)像平面的投影坐標(biāo)。P為空間中的任意一點(diǎn)，P′為P點(diǎn)在像 平 面上的成像點(diǎn)， [OCOI]的距離值為焦 距[f]，[ZC]軸為主光軸的方向，[XC]軸和[YC]軸分別與圖像像素坐標(biāo)系的[u]和[v]平行，并與其他兩軸構(gòu)成右手系。

三維點(diǎn)云是利用PMD相機(jī)獲取的每個(gè)像素點(diǎn)的深度信息轉(zhuǎn)化為目標(biāo)在相機(jī)坐標(biāo)系中的三維坐標(biāo)點(diǎn)集，結(jié)合公式（1）～（3）即可求出每個(gè)點(diǎn)的三維坐標(biāo)。

2.3 位姿測(cè)量過(guò)程

本文位姿測(cè)量過(guò)程如圖2所示：

1）深度圖像獲?。豪肞MD相機(jī)采集場(chǎng)景的幅度圖像和深度圖像。

2）濾波去噪：幅度圖像的每個(gè)像素值表示相機(jī)傳感器接收到反射信號(hào)的強(qiáng)度大小，幅度值較低說(shuō)明該像素點(diǎn)接收回反射信號(hào)強(qiáng)度較低，所以該點(diǎn)測(cè)量的深度信息不可靠，通過(guò)設(shè)置幅值門限來(lái)濾除不可靠的像素點(diǎn)。PMD相機(jī)的分辨率不高，圖像中含有噪聲，本文采用自適應(yīng)雙邊濾波[6]算法，該方法不僅可以有效地濾除噪聲，還能較好的保存圖像的細(xì)節(jié)部分。

3）點(diǎn)云預(yù)處理：由深度圖像轉(zhuǎn)化為三維點(diǎn)云，在點(diǎn)云的邊緣處存在跳變點(diǎn)，也稱作孤立點(diǎn)，需要去除這些不必要的孤立點(diǎn)，本文采用Knn最鄰近結(jié)點(diǎn)算法[7]對(duì)點(diǎn)云中每個(gè)點(diǎn)搜索其K個(gè)鄰近點(diǎn)，計(jì)算該點(diǎn)與這K個(gè)鄰近點(diǎn)的距離，如果存在某一距離值大于一定的閾值，則去除該點(diǎn)。

4）點(diǎn)云配準(zhǔn)：點(diǎn)云配準(zhǔn)是通過(guò)對(duì)兩片目標(biāo)點(diǎn)云進(jìn)行匹配來(lái)確定點(diǎn)云的變換關(guān)系，得到兩片點(diǎn)云之間的旋轉(zhuǎn)矩陣和平移矩陣。由于本文采用圓錐目標(biāo)作為測(cè)量對(duì)象，很難提取到目標(biāo)表面的特征點(diǎn)，本文采用模型匹配[8]的方法，在第一幅點(diǎn)云中建立點(diǎn)對(duì)特征向量，由特征點(diǎn)對(duì)構(gòu)建目標(biāo)模型，然后根據(jù)點(diǎn)對(duì)特征向量在另一幅點(diǎn)云中搜索相同特征向量的點(diǎn)對(duì)，利用兩幅點(diǎn)云中的點(diǎn)對(duì)進(jìn)行配準(zhǔn)，完成粗配準(zhǔn)，得到兩幅點(diǎn)云之間的初始旋轉(zhuǎn)和平移矩陣。

然后采用改進(jìn)型的ICP算法對(duì)其進(jìn)行精確配準(zhǔn)，提高了配準(zhǔn)的速度和精度。最后，根據(jù)配準(zhǔn)得到的旋轉(zhuǎn)和平移矩陣計(jì)算出目標(biāo)的相對(duì)位姿。

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證測(cè)量方法的可行性和準(zhǔn)確性，自行搭建位姿測(cè)量系統(tǒng)，如下圖所示，圖3為實(shí)驗(yàn)所用的PMD相機(jī)。圖4為測(cè)量控制平臺(tái)，目標(biāo)模型安裝在平臺(tái)上面，通過(guò)軟件控制電機(jī)使目標(biāo)進(jìn)行6個(gè)自由度的變換。圖5為控制平臺(tái)的軟件控制界面，通過(guò)設(shè)置參數(shù)可以實(shí)現(xiàn)目標(biāo)精確的平移和角度旋轉(zhuǎn)。

首先使目標(biāo)正對(duì)于PMD相機(jī)，相對(duì)于相機(jī)的旋轉(zhuǎn)角度設(shè)置為0°，在距離相機(jī)0.5米處采集數(shù)據(jù)，圖6（a）為目標(biāo)深度圖像，圖6（b）為濾波后的深度圖像。然后把目標(biāo)繞y軸（偏航角）旋轉(zhuǎn)10°采集數(shù)據(jù)，如圖6（c）所示。獲取兩幅深度圖像的三維點(diǎn)云，經(jīng)過(guò)預(yù)處理后進(jìn)行點(diǎn)云配準(zhǔn)，圖6（e）是兩片點(diǎn)云配準(zhǔn)的結(jié)果，白色點(diǎn)是參考模型點(diǎn)，綠色點(diǎn)是數(shù)據(jù)模型點(diǎn)。固定距離，旋轉(zhuǎn)不同角度驗(yàn)證算法，測(cè)量結(jié)果如表1所示，與實(shí)際值相比，測(cè)量最大誤差在1.2°以內(nèi)，表明了本文算法能夠有效的測(cè)量非合作目標(biāo)的位姿，能夠滿足實(shí)際位姿測(cè)量需要。

4 結(jié)論與展望

本文利用PMD相機(jī)，采用空間三維點(diǎn)云配準(zhǔn)的方法對(duì)目標(biāo)進(jìn)行相對(duì)位姿測(cè)量，搭建實(shí)驗(yàn)系統(tǒng)驗(yàn)證了該方法的有效性，實(shí)驗(yàn)結(jié)果表明該方法能夠有效的測(cè)量目標(biāo)的位姿，能夠滿足實(shí)際測(cè)量的需要。

參考文獻(xiàn)：

[1] Khongsab P. Signal processing and performance evaluation of a PMD camera for space docking[J]. Kiruna： Masters thesis， Lulea University of Technology， 2009.

[2] Shiu Y C， Ahmad S. 3D location of circular and spherical features by monocular model-based vision[C]// Proceedings of the IEEE International Conference on Systems， Man and Cybernetics， Massachusetts， USA，1989： 576-581.

[3] INABAN ， ODAM ， ASANOM. Rescuing a stranded satellite in space-experimental robotic capture of non2cooperative satellites[J].Transact ions of the Japan Society for Aeronautical and Space Sciences ， 2006 ，48 （162） ：2132220.

[4] Bergstr?m P， Edlund O. Robust registration of point sets using iteratively reweighted least squares[J]. Computational Optimization and Applications， 2014， 58（3）： 543-561.

[5] Andreas Kolb， Erhardt Barth， Reinhard Koch， et al. Time-of-Flight Cameras in Computer Graphics[C]. In Computer Graphics Forum， 2010，29.

[6] Gao Jun， Jia Bao Zhu， Zhang Xu Dong，et al. PMD camera calibration based on adaptive bilateral filter[C]// Wuhan， China ：2011 International Symposium on Photonics and Optoelectronics （SOPO），， 2011： 1-4.

[7] 張旭東，吳國(guó)松，胡良梅，等.基于TOF三維相機(jī)相鄰散亂點(diǎn)云配準(zhǔn)技術(shù)研究[J].機(jī)械工程學(xué)報(bào)， 2013，49（12）：8-16.

[8] Drost B， Ulrich M， Navab N， et al. Model globally， match locally： Efficient and robust 3D object recognition[C]. 2013 IEEE Conference on Computer Vision and Pattern Recognition，2013.