基于單目視覺的目標(biāo)位姿確定方法研究及仿真

1、基于單目視覺的目標(biāo)位姿確定方法研究及仿真任務(wù)處理報(bào)告宇航學(xué)院北京航空航天大學(xué)2011年8月目錄1主子星位姿確定方案12子星拍攝主星的位姿確定23主星拍攝子星的位姿確定44數(shù)字圖像處理54.1、大圓圓心解算54.1.1原始圖像讀入54.1.2圖像的灰度化64.1.3灰度圖均衡化64.1.4雙峰法進(jìn)行圖像閾值分割74.1.5圖像噪聲濾除84.1.6聯(lián)通組元素提取84.1.7圓形檢測(cè)與圓心提取94.2、小圓圓心解算114.2.1區(qū)域生長分割114.2.2小圓圖像處理124.3、圖像處理結(jié)果及誤差分析154.3.3圓心像素坐標(biāo)154.3.2坐標(biāo)誤差155實(shí)驗(yàn)攝像頭的光學(xué)參數(shù)166星載攝像頭的光學(xué)參數(shù)1

2、67位姿確定算法177.1、相似迭代算法177.2、Tsai兩步法208存在的問題及建議218.1、目標(biāo)信息的增強(qiáng)218.2、關(guān)于實(shí)驗(yàn)228.3、坐標(biāo)系的標(biāo)定239參考文獻(xiàn)2310附錄 matlab源程序2310.1、數(shù)字圖像處理主程序2310.2、hough變換子函數(shù)程序2910.3、區(qū)域生長分割子函數(shù)程序3110.4、相似迭代算法函數(shù)及測(cè)試程序321主子星位姿確定方案主星頂面和子星地面各裝有一個(gè)CCD攝像頭，擬采用主星頂面的攝像頭對(duì)子星拍照獲取圖片。通過數(shù)字圖像處理，獲得標(biāo)定子星的特征點(diǎn)的圖像坐標(biāo)，特征點(diǎn)所在的子星坐標(biāo)系在整星裝配完成時(shí)可以十分精確地進(jìn)行標(biāo)定，相應(yīng)特征點(diǎn)的三維坐標(biāo)即為已知量

3、。將特征點(diǎn)的圖像二維坐標(biāo)和子星三維坐標(biāo)結(jié)合相應(yīng)的位姿解算算法即可解算出子星坐標(biāo)系相對(duì)于攝像機(jī)坐標(biāo)系的位移矢量和姿態(tài)變換矩陣。攝像機(jī)坐標(biāo)系及主星本體坐標(biāo)系在整星裝配完成時(shí)進(jìn)行精確標(biāo)定。攝像機(jī)坐標(biāo)系與主星本體坐標(biāo)系間的位移矢量和姿態(tài)變換矩陣已知。選取合適的歐拉旋轉(zhuǎn)順序，可以則可由姿態(tài)變換矩陣反解出姿態(tài)角（歐拉角）。至此，子星相對(duì)于主星的位置和姿態(tài)完全確定。在子星底板上，有三個(gè)圓是較為顯著的結(jié)構(gòu)信息。一個(gè)是底板本身的大圓盤，另外兩個(gè)是底板上的圓孔。通過圖像處理獲得者三個(gè)圓的輪廓（在圖片上應(yīng)為橢圓），進(jìn)而解算圓心，以圓心作為特征點(diǎn)進(jìn)行物體位姿確定。而在子星本體坐標(biāo)系中，三個(gè)圓的圓心坐標(biāo)已知，其誤差可以

4、通過加工精度進(jìn)行控制。故以三個(gè)圓的圓心作為目標(biāo)特征點(diǎn)。目前查閱的文獻(xiàn)均沒有研究過三點(diǎn)定位問題，且由于重力梯度桿上子星具有整周旋轉(zhuǎn)性，可知共面三點(diǎn)不足以進(jìn)行位姿確定。2子星拍攝主星的位姿確定從子星的攝像頭拍主星進(jìn)行位姿確定不可行。1、如下圖，由于梯度桿的柔性，子星攝像頭會(huì)隨子星平臺(tái)而俯仰。重力梯度桿較長，故輕微的俯仰就易使主星平臺(tái)脫離子星攝像頭的視野。2、在圖像處理上，主星平臺(tái)的四邊形提取因重力梯度桿的影響而十分困難。下圖為實(shí)驗(yàn)用圖。因?yàn)閷?shí)際拍攝照片時(shí)，不能到樣星進(jìn)行拍攝。對(duì)此圖進(jìn)行圖像處理以期獲得主星頂面四邊形，但多次試驗(yàn)后效果仍然不好：主星頂面可用的特征點(diǎn)只有四邊形的四個(gè)角點(diǎn)，現(xiàn)在四邊形不能

5、很好地被提取，則角點(diǎn)不能獲得，或者只能以較大誤差地獲得。綜上所述，從子星攝像頭拍攝圖片進(jìn)行位姿確定的方案不可行。鑒于子星拍攝主星時(shí)有可能失去目標(biāo)，所以只能采用主星拍攝子星獲得圖像信息。3主星拍攝子星的位姿確定主星安裝的攝像頭拍攝子星時(shí)，大片的重力梯度桿進(jìn)入攝像視野。重力梯度桿將帶入極大的干擾：其一，重力梯度桿上鉸接頭的圖像特征太明顯，圖像灰度處理后幾乎不能將其分割，這就使得圖像解算特征點(diǎn)時(shí)誤差較大。且這一影響隨重力梯度桿的伸長、子星圖像變小而愈加顯著。如下兩圖 其二，重力梯度桿的鉸接頭擋住子星底板的小孔，使得拍攝的圖像失去待處理的特征點(diǎn)。如下圖4數(shù)字圖像處理數(shù)字圖像處理(DigitalImag

6、eProcessing)是通過計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。4.1、大圓圓心解算噪聲濾除和取聯(lián)通元素圓輪廓及圓心檢測(cè) 閾值分割有效部分灰度變換和均衡化導(dǎo)入原始圖像本實(shí)驗(yàn)圖像處理流程圖: 4.1.1原始圖像讀入clear ;clc;close all;%Step1 獲取圖像 裝入待處理彩色圖像并顯示原始圖像Scolor = imread(sat01.jpg);%imread函數(shù)讀取圖像文件Figure;imshow(Scolor),title(原始圖像);4.1.2圖像的灰度化一幅完整的圖像，是由紅色綠色藍(lán)色三個(gè)通道組成的。紅色、綠色、藍(lán)色三個(gè)通道的縮覽

7、圖都是以灰度顯示的。用不同的灰度色階來表示“ 紅，綠，藍(lán)”在圖像中的比重。通道中的純白，代表了該色光在此處為最高亮度，亮度級(jí)別是255?；叶确秶?255。彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度，因此在對(duì)圖像進(jìn)行識(shí)別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理?；叶忍幚砗?，圖像變得更加清晰、細(xì)膩、容易識(shí)別。%將彩色圖像轉(zhuǎn)換為灰度圖并顯示Sgray = rgb2gray(Scolor);%rgb2gray轉(zhuǎn)換成灰度圖figure,imshow(Sgray);title(原始灰度圖像);4.1.3灰度圖均衡

8、化灰度圖均衡化即把原本分布不均的灰度直方圖在整個(gè)灰度級(jí)別內(nèi)均勻分布。對(duì)大多數(shù)的圖像，均衡化可以增加圖像對(duì)比效果。Sgray=histeq(Sgray);figure,imshow(Sgray);title(均衡化灰度圖像);4.1.4雙峰法進(jìn)行圖像閾值分割圖像的閾值分割關(guān)鍵在于閾值的選取，這一步不能完全自動(dòng)化，必須針對(duì)具體圖像進(jìn)行反復(fù)試驗(yàn)，找出較為合適的閾。th1=25;%獲得最佳閾值，這個(gè)值要在試驗(yàn)中反復(fù)試驗(yàn)TH1=im2bw(J2,th1/255);TH1=TH1;figureimshow(TH1);title(閾值分割圖25);4.1.5圖像噪聲濾除圖像在采集、傳輸?shù)冗^程中，不可避免會(huì)存

9、在一些噪聲。利用形態(tài)學(xué)的開運(yùn)算和閉運(yùn)算組合，可以濾除這些噪聲。開運(yùn)算可以切斷細(xì)長的搭線，消除圖像邊緣的毛刺和孤立點(diǎn)，具有平滑圖像邊界的作用，而閉運(yùn)算同樣具有平滑邊界的作用，且能連接小的間斷和填充小的空洞和裂縫Error! Reference source not found.。濾噪處理也不能完全自動(dòng)化，噪聲濾除算子的設(shè)置也必須根據(jù)具體的圖像進(jìn)行選擇，直到濾噪結(jié)果滿意。B=strel(diamond,5);%試驗(yàn)表明算子設(shè)為5時(shí)濾噪結(jié)果勉強(qiáng)可以J1=imopen(TH1,B);J2=imclose(J1,B);figureimshow(J2);title(閾值分割圖濾噪結(jié)果,同時(shí)為聯(lián)通組提取準(zhǔn)備

10、);4.1.6聯(lián)通組元素提取由于重力梯度桿交接點(diǎn)面積較大，已經(jīng)不能再進(jìn)行圖像濾噪，期望通過聯(lián)通結(jié)構(gòu)元素的方法，將信息進(jìn)一步準(zhǔn)確化。LL=strel(square,3);y,x=getpts;x=uint16(x);y=uint16(y);Iold=zeros(size(J2);Iold(x,y)=1;while(1) Inew=imdilate(Iold,LL)&J2; if(Inew=Iold) break; end; Iold=Inew;end;figureimshow(Inew);title(聯(lián)通組元素提取圖像);4.1.7圓形檢測(cè)與圓心提取hough變換Hough變換是一

11、種基于圖像全局分割結(jié)果的邊緣連接技術(shù)，它抗干擾能力強(qiáng)，能檢測(cè)出任意形狀的曲線，即使線上有許多的斷裂，因此在圖像分析的預(yù)處理中獲得廣泛應(yīng)用。Hough變換的基本原理在于，利用點(diǎn)與線的對(duì)偶性，將圖像空間的線條變?yōu)閰?shù)空間的聚集點(diǎn)，從而檢測(cè)給定圖像是否存在給定性質(zhì)的曲線。Hough變換的基本策略是：由圖像空間中的邊緣數(shù)據(jù)點(diǎn)去計(jì)算參數(shù)空間中的參數(shù)點(diǎn)的可能軌跡，并在一個(gè)累加器中給計(jì)算出的參考點(diǎn)計(jì)數(shù)，最后選出峰值。圓的方程為：，通過Hough變換，將圖像空間對(duì)應(yīng)到參數(shù)空間。圓形檢測(cè)用hough變換檢測(cè)圓及其圓心的像素坐標(biāo)。程序中圓的檢測(cè)半徑范圍需要人為給定：通過上面的處理將圓提取出來后，直接

12、用matlab圖像工具粗略量取圓半徑像素值，然后給出檢測(cè)范圍，以減少壞點(diǎn)的數(shù)目甚至檢測(cè)錯(cuò)誤。BW=bwperim(Inew,4);step_r = 1;step_angle = 0.1;minr = 308;%檢測(cè)圓的最小半徑maxr = 314;%檢測(cè)圓的最大半徑thresh = 0.7;hough_space,hough_circle,para = hough_circle(BW,step_r,step_angle,minr,maxr,thresh);figureimshow(hough_circle),title(HOUGH變換檢測(cè)結(jié)果) 原始檢測(cè)結(jié)果圖 檢測(cè)結(jié)果放大圖圓心

13、解算通過HOUGH變換檢測(cè)到的圓心，會(huì)因邊界檢測(cè)的毛刺引入壞點(diǎn)，通過下面的程序進(jìn)行迭代將壞點(diǎn)剔除，增減圓心坐標(biāo)的可靠度。cir=mean(para);ww,yy=size(para);for cc=1:10 for www=1:2 for yyy=1:yy if abs(para(www,yyy)-cir(1,www)(12-cc) para(www,yyy)=cir(1,www); else end end end cir=mean(para);end%圓心像素坐標(biāo)，默認(rèn)以角點(diǎn)為像素坐標(biāo)的坐標(biāo)原點(diǎn)x1=cir(1,2);y1=cir(1,1);%以圖像中心為坐標(biāo)原點(diǎn)的圖像坐標(biāo),圖片2272

14、X 1704像素y2=1704-y1;%將y反轉(zhuǎn)x=x1-2272/2y=y2-1704/2結(jié)果x = 105.3， Y =-169.04.2、小圓圓心解算4.2.1區(qū)域生長分割重力梯度桿嚴(yán)重遮擋后，小圓信息的獲取方法有別于大圓信息的獲取。重力梯度桿將小圓分割后，不能再對(duì)小圓執(zhí)行閾值分割，這里采用區(qū)域生長分割方法獲取小圓。區(qū)域生長方法是根據(jù)同一物體區(qū)域內(nèi)象素的相似性質(zhì)來聚集象素點(diǎn)的方法，從初始區(qū)域（如小鄰域或甚至于每個(gè)象素）開始，將相鄰的具有同樣性質(zhì)的象素或其它區(qū)域歸并到目前的區(qū)域中從而逐步增長區(qū)域，直至沒有可以歸并的點(diǎn)或其它小區(qū)域?yàn)橹埂^(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域

15、。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長起點(diǎn)，然后將種子像素和周圍鄰域中與種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長或相似準(zhǔn)則來判定）合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子繼續(xù)上面的過程，直到?jīng)]有滿足條件的像素可被包括進(jìn)來。這樣一個(gè)區(qū)域就生長成了。4.2.2小圓圖像處理在區(qū)域生長Sgray=double(Sgray);y1,x1=getpts;x1=round(x1);y1=round(y1);seed=x1,y1;th_mean=8;%實(shí)驗(yàn)中必須對(duì)此值進(jìn)行反復(fù)調(diào)整Yout=regiongrow(Sgray,seed,th_mean);figure;imsh

16、ow(Yout);濾噪處理B=strel(diamond,2);J1=imopen(Yout,B);J2=imclose(J1,B);figureimshow(J2);title(閾值分割圖濾噪結(jié)果,同時(shí)為聯(lián)通組提取準(zhǔn)備);左側(cè)小圓聯(lián)通組元素提取：圓形檢測(cè)：已經(jīng)無法提取到圓形，實(shí)際上檢測(cè)的是一段圓弧。圓形檢測(cè)圖 圓形檢測(cè)圖放大圖通過圓弧檢測(cè)圖可見，獲取的點(diǎn)大多數(shù)都在圓弧上。一些不再圓弧上的點(diǎn)，在經(jīng)過圓心獲取程序迭代處理后，大多數(shù)將被踢除，仍然能保證圓心坐標(biāo)較高的精度。左側(cè)小圓圓心提取結(jié)果：x =39.2y =-383.5右側(cè)小圓處理結(jié)果：從處理圖像可知提取到的點(diǎn)多數(shù)也處于圓弧上。右側(cè)小圓圓心提

17、取結(jié)果：x = 123.2y = -336.64.3、圖像處理結(jié)果及誤差分析4.3.3圓心像素坐標(biāo)坐標(biāo)提取結(jié)果如下表所示：大圓左邊小圓右邊小圓像素坐標(biāo)x105.339.2123.2像素坐標(biāo)y-169.0-383.5-336.6用像素坐標(biāo)乘以像素尺寸，即可獲得特征點(diǎn)在物理空間的圖像坐標(biāo)。圖像坐標(biāo)系：yX4.3.2坐標(biāo)誤差與在圖像上直接用matlab工具測(cè)量的圓心坐標(biāo)像比較，程序提取的圓心坐標(biāo)可能會(huì)有10個(gè)像素誤差。這是一個(gè)可接受的誤差。攝像頭按攝像元件的CCD靶面的大小有如下幾類： (1)1 in靶面尺寸為寬12.7mmX高9.6mm,對(duì)角線16mm(2)2/3in靶面尺寸為寬8.8mmX高6.

18、6mm,對(duì)角線11mm(3)1/2in靶面尺寸為寬6.4mmX高4.8mm,對(duì)角線8mm(4)1/3in靶面尺寸為寬4.8mmX高3.6mm,對(duì)角線6mm(5)1/4in靶面尺寸為寬3.2mmX高2.4mm,對(duì)角線4mm可見10個(gè)像素誤差對(duì)于百萬像素級(jí)得攝像頭，其在攝像圖像坐標(biāo)系上的誤差在0.01mm這個(gè)數(shù)量級(jí)。誤差可以接受。5實(shí)驗(yàn)攝像頭的光學(xué)參數(shù)實(shí)驗(yàn)拍照使用攝像機(jī)為富士S5500攝像機(jī)。實(shí)驗(yàn)用焦距5.7mm；實(shí)驗(yàn)用分辨率22721704；攝像頭面陣CCD光敏面光學(xué)格式為1/2.7inch，像素尺寸未知。6星載攝像頭的光學(xué)參數(shù)星載攝像頭的光學(xué)參數(shù)：此攝像頭面陣CCD光敏面光學(xué)格式為1/3.8i

19、nch，像素尺寸為2.2微米。如上圖所示，像素。視場(chǎng)角：焦距：，極限視距：最大在此距離以上，測(cè)量對(duì)象將進(jìn)入攝像機(jī)視場(chǎng)。即200cm的重力梯度桿將有130cm長的部分進(jìn)入攝像視野出現(xiàn)在拍攝的圖像上。7位姿確定算法7.1、相似迭代算法相似迭代算法Error! Reference source not found.要求選取的特征點(diǎn)不共面，特征點(diǎn)數(shù)不得小于4。這是初期考慮采用的算法，后期圖像處理發(fā)現(xiàn)子星到目前為止不能提供非共面特征點(diǎn)。但若果以后能在子星上找到非共面得特征點(diǎn)，則此算法有一定的優(yōu)點(diǎn)。1、相似迭代算法的優(yōu)點(diǎn)在子星梯度桿位移超過半米以上時(shí)，相似迭代算法精度很高，穩(wěn)定性很好，計(jì)算處理時(shí)間也較快。

20、下圖為一組相似迭代算法的測(cè)試結(jié)果：結(jié)果顯示位移和姿態(tài)誤差均能穩(wěn)定在零左右，精度較高，穩(wěn)定性較好。盡初始段坐標(biāo)值相差不大時(shí)由較大誤差。將圖初始段放大如下：測(cè)試模型為下圖所示的非共面6點(diǎn)布局模型。測(cè)試6個(gè)點(diǎn)在目標(biāo)所處三維坐標(biāo)系中的坐標(biāo)設(shè)置為。測(cè)試位移向量，其中和設(shè)為常值5，的范圍為52000。圖像坐標(biāo)按給定的歐拉姿態(tài)角以及321歐拉旋轉(zhuǎn)順序下相應(yīng)的坐標(biāo)變換矩陣結(jié)合位移向量來產(chǎn)生。測(cè)試焦距。整個(gè)解算耗時(shí)10.438秒，共進(jìn)行1996次解算，即平均每解算一組數(shù)據(jù)耗時(shí)5.2ms，計(jì)算速度不慢。2、相似迭代算法的不足上面的測(cè)試中，將位移值的和設(shè)置為目標(biāo)三維坐標(biāo)的最大值的0.5倍以下時(shí)，程序?qū)⒉荒茌敵鼋Y(jié)果。

21、可能原因是迭代結(jié)果發(fā)散以至于產(chǎn)生死循環(huán)。比三維坐標(biāo)值小時(shí)，也不能輸出結(jié)果。7.2、Tsai兩步法Tsai兩步法標(biāo)定算法可以處理特征點(diǎn)共面的目標(biāo)位姿確定問題，該方法標(biāo)定攝像頭內(nèi)部參數(shù)的同時(shí)也解算位移向量和坐標(biāo)變換矩陣。但此方法要求特征點(diǎn)要在7個(gè)或7個(gè)以上。本實(shí)驗(yàn)?zāi)繕?biāo)物不能滿足此要求。Tsai兩步主要在視覺定位技術(shù)中用于標(biāo)定攝像機(jī)的內(nèi)部參數(shù)，如攝像頭的畸變值、采樣頻率的變化等。由于圖像處理的精度限制，本任務(wù)將可以不對(duì)攝像頭進(jìn)行標(biāo)定，即認(rèn)為攝像頭畸變，焦距為標(biāo)稱焦距等。8存在的問題及建議8.1、目標(biāo)信息的增強(qiáng)一方面重力梯度桿對(duì)圖像質(zhì)量的影響極大，但這不可避免，另一方面三個(gè)特征點(diǎn)不足以進(jìn)行位姿解算。為

22、使得目標(biāo)信息更豐富，需對(duì)子星底板做一定的改變。首先要增加圓孔的數(shù)目，以解決個(gè)別孔被遮擋后目標(biāo)信息缺失的問題。目前只有三個(gè)圓作為目標(biāo)信息，這本身就不夠；一旦有一個(gè)圓被遮擋，那么兩個(gè)圓心更不能進(jìn)行姿態(tài)確定。目前的圓信息示意圖新增加的個(gè)別孔上應(yīng)增設(shè)圓柱狀得突起，以產(chǎn)生非共面的特征點(diǎn)；由于重力梯度桿上子星的整周旋轉(zhuǎn)性，特征點(diǎn)在與圖像二維平面平行的目標(biāo)坐標(biāo)平面上的投影應(yīng)具有非軸對(duì)稱幾何關(guān)系，否則可能因?yàn)樽有堑男D(zhuǎn)而將實(shí)際姿態(tài)信息隱藏，解算出現(xiàn)不可預(yù)知的錯(cuò)誤。增設(shè)的目標(biāo)信息投影示意圖其次要增加目標(biāo)物與背景物之間的對(duì)比度。目前的圖片雖然可以進(jìn)行圓心的提取，但閾值設(shè)置需經(jīng)過多次實(shí)驗(yàn)才能感性地獲取而且結(jié)果有一定

23、誤差。若給圓盤邊沿以及孔的邊沿引入發(fā)光物，如熒光粉，則可以使得圖像處理更嬌容易，精度也更高。但不知熒光粉到了外太空效果如何。8.2、關(guān)于實(shí)驗(yàn)?zāi)壳皼]有條件也沒有必要進(jìn)行較為精確的拍照處理實(shí)驗(yàn)。首先是整星沒有制造完成之前，坐標(biāo)系的標(biāo)定很隨意。攝像機(jī)可以亂動(dòng)，重力梯度桿的伸縮也不能自動(dòng)控制。其次是2米長的重力梯度桿還沒有與樣星裝配起來，而且2米桿還有壞的地方。另外攝像背景很難選取。所以目前沒有條件也沒有必要進(jìn)行坐標(biāo)系標(biāo)定下的精確實(shí)驗(yàn)。目前可以將之分解為兩部分：一為圖像處理，二位位姿解算。圖像處理只需要能較為準(zhǔn)確地捕捉到目標(biāo)特征點(diǎn)即可，而位姿解算算法的精度用編程仿真來測(cè)試。那么等整型制造完成或衛(wèi)星上天

24、后，準(zhǔn)確捕捉到得特征點(diǎn)加可行的位姿解算算法，位姿確定就可以進(jìn)行。8.3、坐標(biāo)系的標(biāo)定由于現(xiàn)在沒有衛(wèi)星實(shí)物，所以坐標(biāo)系的標(biāo)定用文字?jǐn)⑹?。主星有本體坐標(biāo)系。根據(jù)實(shí)物的幾何尺寸，可以有攝像頭鏡面的位置坐標(biāo)，進(jìn)而由攝像頭的焦距等攝像頭參數(shù)可以標(biāo)定攝像坐標(biāo)并知曉攝像頭相對(duì)于主星的位姿關(guān)系。子星坐標(biāo)系建在子星的底板上，此坐標(biāo)系相對(duì)于主星頂面（或主星本體坐標(biāo)系）的初始位姿關(guān)系由衛(wèi)星最終制造裝配關(guān)系決定。至此，坐標(biāo)系標(biāo)定完成。9參考文獻(xiàn)1、 劉剛等. MATLAB數(shù)字圖像處理M.北京:機(jī)械工業(yè)出版社,2010.2662672、 張勁鋒,孫承啟,蔡偉.基于單目視覺的航天器問相對(duì)位姿測(cè)量算法J.光學(xué)技術(shù),2010

25、,Vol.36,No.2:18719210附錄 matlab源程序10.1、數(shù)字圖像處理主程序clear ;clc;close all;%Step1 獲取圖像 裝入待處理彩色圖像并顯示原始圖像Scolor = imread(sat01.jpg);%imread函數(shù)讀取圖像文件figureimshow(Scolor),title(原始圖像);%將彩色圖像轉(zhuǎn)換為灰度圖并顯示Sgray = rgb2gray(Scolor);%rgb2gray轉(zhuǎn)換成灰度圖figure,imshow(Sgray);title(原始灰度圖像);Sgray=histeq(Sgray);%直方圖均衡化figure,imsho

26、w(Sgray);title(均衡化灰度圖像);%*%大圓的數(shù)字圖像處理%首次濾噪處理B=strel(diamond,1);J1=imopen(Sgray,B);J2=imclose(J1,B);%圖像分割th1=25;%獲得最佳閾值TH1=im2bw(J2,th1/255);TH1=TH1;figureimshow(TH1);title(閾值分割圖25);%濾噪處理B=strel(diamond,5);J1=imopen(TH1,B);J2=imclose(J1,B);figureimshow(J2);title(閾值分割圖濾噪結(jié)果,同時(shí)為聯(lián)通組提取準(zhǔn)備);%聯(lián)通組元素提取LL=strel(

27、square,3);y,x=getpts;x=uint16(x);y=uint16(y);Iold=zeros(size(J2);Iold(x,y)=1;while(1) Inew=imdilate(Iold,LL)&J2; if(Inew=Iold) break; end; Iold=Inew;end;figureimshow(Inew);title(聯(lián)通組元素提取圖像);%圓形檢測(cè)BW=bwperim(Inew,4);step_r = 1;step_angle = 0.1;minr = 308;maxr = 314;thresh = 0.7;hough_space,hough_circle

28、,para = hough_circle(BW,step_r,step_angle,minr,maxr,thresh);figureimshow(hough_circle),title(HOUGH變換檢測(cè)結(jié)果)%圓心提取cir=mean(para);ww,yy=size(para);for cc=1:10 for www=1:2 for yyy=1:yy if abs(para(www,yyy)-cir(1,www)(12-cc) para(www,yyy)=cir(1,www); else end end end cir=mean(para);end%圓心像素坐標(biāo)，默認(rèn)以角點(diǎn)為像素坐標(biāo)的坐標(biāo)

29、原點(diǎn)x1=cir(1,2);y1=cir(1,1);%以圖像中心為坐標(biāo)原點(diǎn)的圖像坐標(biāo),圖片2272 X 1704像素y2=1704-y1;%將y反轉(zhuǎn)center_xy=zeros(3,2);center_xy(1,1)=x1-2272/2;centre_xy(1,2)=y2-1704/2;%*%左邊小圓的處理%區(qū)域生長分割figure,imshow(Sgray);title(均衡化灰度圖像);Sgray=double(Sgray);y1,x1=getpts;x1=round(x1);y1=round(y1);seed=x1,y1;th_mean=8;Yout=regiongrow(Sgray,

30、seed,th_mean);figure;imshow(Yout);title(區(qū)域生長分割獲取圖);%濾噪處理B=strel(diamond,2);J1=imopen(Yout,B);J2=imclose(J1,B);figureimshow(J2);title(閾值分割圖濾噪結(jié)果,同時(shí)為聯(lián)通組提取準(zhǔn)備);%聯(lián)通組元素提取LL=strel(square,3);y,x=getpts;x=uint16(x);y=uint16(y);Iold=zeros(size(J2);Iold(x,y)=1;while(1) Inew=imdilate(Iold,LL)&J2; if(Inew=Iold) b

31、reak; end; Iold=Inew;end;%figure%imshow(Inew);title(聯(lián)通組元素提取圖像);%圓形檢測(cè)BW=bwperim(Inew,4);step_r = 2;step_angle = 0.1;minr = 56;maxr = 64;thresh = 0.7;hough_space,hough_circle,para = hough_circle(BW,step_r,step_angle,minr,maxr,thresh);figureimshow(hough_circle),title(HOUGH變換檢測(cè)結(jié)果)%圓心提取cir=mean(para);ww,

32、yy=size(para);for cc=1:10 for www=1:2 for yyy=1:yy if abs(para(www,yyy)-cir(1,www)(12-cc) para(www,yyy)=cir(1,www); else end end end cir=mean(para);end%圓心像素坐標(biāo)，默認(rèn)以角點(diǎn)為像素坐標(biāo)的坐標(biāo)原點(diǎn)x1=cir(1,2);y1=cir(1,1);%以圖像中心為坐標(biāo)原點(diǎn)的圖像坐標(biāo),圖片2272 X 1704像素y2=1704-y1;%將y反轉(zhuǎn)center_xy(2,1)=x1-2272/2;centre_xy(2,2)=y2-1704/2;%*%右

33、邊小圓的處理%區(qū)域生長分割figure,imshow(Sgray);title(均衡化灰度圖像);Sgray=double(Sgray);y1,x1=getpts;x1=round(x1);y1=round(y1);seed=x1,y1;th_mean=8;Yout=regiongrow(Sgray,seed,th_mean);figure;imshow(Yout);title(區(qū)域生長分割獲取圖);%濾噪處理B=strel(diamond,2);J1=imopen(Yout,B);J2=imclose(J1,B);figureimshow(J2);title(閾值分割圖濾噪結(jié)果,同時(shí)為聯(lián)通組

34、提取準(zhǔn)備);%聯(lián)通組元素提取LL=strel(square,3);y,x=getpts;x=uint16(x);y=uint16(y);Iold=zeros(size(J2);Iold(x,y)=1;while(1) Inew=imdilate(Iold,LL)&J2; if(Inew=Iold) break; end; Iold=Inew;end;%figure%imshow(Inew);title(聯(lián)通組元素提取圖像);%圓形檢測(cè)BW=bwperim(Inew,4);step_r = 2;step_angle = 0.1;minr = 56;maxr = 64;thresh = 0.7;h

35、ough_space,hough_circle,para = hough_circle(BW,step_r,step_angle,minr,maxr,thresh);figureimshow(hough_circle),title(HOUGH變換檢測(cè)結(jié)果)%圓心提取cir=mean(para);ww,yy=size(para);for cc=1:10 for www=1:2 for yyy=1:yy if abs(para(www,yyy)-cir(1,www)(12-cc) para(www,yyy)=cir(1,www); else end end end cir=mean(para);e

36、nd%圓心像素坐標(biāo)，默認(rèn)以角點(diǎn)為像素坐標(biāo)的坐標(biāo)原點(diǎn)x1=cir(1,2);y1=cir(1,1);%以圖像中心為坐標(biāo)原點(diǎn)的圖像坐標(biāo),圖片2272 X 1704像素y2=1704-y1;%將y反轉(zhuǎn)center_xy(3,1)=x1-2272/2;centre_xy(3,2)=y2-1704/2;centre_xy10.2、hough變換子函數(shù)程序function hough_space,hough_circle,para = hough_circle(BW,step_r,step_angle,r_min,r_max,p) % % input% BW:二值圖像；% step_r:檢測(cè)的圓半徑步長%

37、 step_angle:角度步長，單位為弧度% r_min:最小圓半徑% r_max:最大圓半徑% p:以p*hough_space的最大值為閾值，p取0，1之間的數(shù)% % output% hough_space:參數(shù)空間，h(a,b,r)表示圓心在(a,b)半徑為r的圓上的點(diǎn)數(shù)% hough_circl:二值圖像，檢測(cè)到的圓% para:檢測(cè)到的圓的圓心、半徑 m,n = size(BW);size_r = round(r_max-r_min)/step_r)+1;size_angle = round(2*pi/step_angle); hough_space = zeros(m,n,size_r); rows,cols = find(BW);ecount = size(rows); % Hough變換% 將圖像空間(x,y)對(duì)應(yīng)到參數(shù)空間(a,b,r)% a = x-r*cos(angle)% b = y-r*sin(angle)for i=1:ecount for r=1:size_r for k=1:size_angle a = round(rows(i)-(r_min+(r-1)*step_r)