留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于凸包的非合作目标视觉导航系统特征点选择方法

宁明峰,  张世杰,  王诗强

downloadPDF
文章导航 > 红外与激光工程  > 2019 >  48(3): 317004-0317004(9)
宁明峰, 张世杰, 王诗强. 基于凸包的非合作目标视觉导航系统特征点选择方法[J]. 红外与激光工程, 2019, 48(3): 317004-0317004(9). doi: 10.3788/IRLA201948.0317004
引用本文: 宁明峰, 张世杰, 王诗强. 基于凸包的非合作目标视觉导航系统特征点选择方法[J]. 红外与激光工程, 2019, 48(3): 317004-0317004(9). doi: 10.3788/IRLA201948.0317004
shu
Ning Mingfeng, Zhang Shijie, Wang Shiqiang. Vision-based navigation system feature point selection method based on convex hull for non-cooperative target[J]. Infrared and Laser Engineering, 2019, 48(3): 317004-0317004(9). doi: 10.3788/IRLA201948.0317004
Citation: Ning Mingfeng, Zhang Shijie, Wang Shiqiang. Vision-based navigation system feature point selection method based on convex hull for non-cooperative target[J]. Infrared and Laser Engineering, 2019, 48(3): 317004-0317004(9). doi: 10.3788/IRLA201948.0317004
shu

基于凸包的非合作目标视觉导航系统特征点选择方法

doi: 10.3788/IRLA201948.0317004
  • 1.

    哈尔滨工业大学 卫星技术研究所,黑龙江 哈尔滨 150080

基金项目: 

上海航天科技创新基金（SAST201444）

详细信息
    作者简介:

    宁明峰(1989-),男,博士生,主要从事航天视觉导航方面的研究。Email:ningmingfeng332@163.com

  • 中图分类号: V556.5

Vision-based navigation system feature point selection method based on convex hull for non-cooperative target

  • 1.

    Research Center of Satellite Technology,Harbin Institute of Technology,Harbin 150080,China

  • 摘要: 非合作目标在接近的过程中，将所提取的特征点直接用于相对导航会因特征点数目过多导致计算量大。为减小相对导航的计算量，需从提取的特征点中选择一个子集用于相对导航。假设所提取的特征点在非合作目标的同平面内，将目标表面特征点选择问题转化为像平面特征点选择。同时，文中研究了视觉系统的精度因子（DOP），并利用精度因子与平面特征点构成的面积呈反比的特性，提出像平面特征点的凸包作为观测量用于相对导航。仿真表明：将同平面特征点的凸包用于相对导航，具有较高的精度，同时能够有效减少特征点数；计算凸包的时间远小于求解最优PDOP的时间，能够应用于实时计算。
    Abstract: In the process of approaching a non-cooperative target, it would result in a large amount of calculation using the extracted feature points directly for relative navigation due to the excessive number of feature points. In order to reduce the amount of computation for relative navigation, a subset should be selected from the extracted feature points. Assuming that the extracted feature points were in the same plane of the non-cooperative target, the selection of feature points for non-cooperative target could be transformed as the selection of feature points on the image plane. At the same time, this paper also studied dilution of precision (DOP) for vision-based system and proposed the method that the convex hull of the feature points on the image could be selected as the subset for relative navigation based on the fact that the DOP was inversely proportional to the area of the subset. The simulation shows that the convex hull of feature points can provide high accuracy for relative navigation and reduce the number of feature points effectively. It also shows that the computation time of calculation convex hull is far less than searching the subset with optimal PDOP.
  • [1] Matthias L, Brockers R, Kuwata Y, et al. Stereo vision-based obstacle avoidance for micro air vehicles using disparity space[C]//Robotics and Automation (ICRA); 2014 IEEE International Conference on, 2014:3242-3249.
    [2] Liang Bin, Du Xiaodong, Li Cheng, et al. Advances in space robot on-orbit servicing for non-cooperative spacecraft[J]. Jiqiren (Robot), 2012, 34(2):242-256. (in Chinese)梁斌, 杜晓东, 李成, 等. 空间机器人非合作航天器在轨服务研究进展[J]. 机器人, 2012, 34(2):242-256.
    [3] Baine N A, Rattan K S. Dilution of precision in vision Navigation systems[C]//AIAA Guidance, Navigation and Control Conference, 2012, 6:4892.
    [4] Park Y B, Jeon H C, Park C G. Analysis of geometric effects on integrated inertial/vision for lunar descent Navigation[J]. Journal of Guidance Control and Dynamics, 2016, 39(4):937-943.
    [5] Won D H, Chun S, Lee S W, et al. Geometrical distortion integrated performance index for vision-based navigation system[J]. International Journal of Control Automation and Systems, 2013, 11(6):1196-1203.
    [6] Milliken R J, Zoller C J. Principle of operation of NAVSTAR and system characteristics[J]. Navigation, 1978, 25(2):95-106.
    [7] Phatak M S. Recursive method for optimum GPS satellite selection[J]. IEEE Transactions on Aerospace and Electronic Systems, 2001, 37(2):751-754.
    [8] Hsu D Y. Relations between dilutions of precision and volume of the tetrahedron formed by four satellites[C]//Position Location and Navigation Symposium, IEEE, 1994:669-676.
    [9] Kihara M, Okada T. A satellite selection method and accuracy for the global positioning system[J]. Navigation, 1984, 31(1):8-20.
    [10] Li J, Ndili A, Ward L, et al. GPS receiver satellite/antenna selection algorithm for the Stanford gravity probe B relativity mission[C]//National Technical Meeting' Vision 2010:Present and Future', 1999:541-550.
    [11] Jwo D J, Lai C C. Neural network-based GPS GDOP approximation and classification[J]. GPS Solutions, 2007, 11(1):51-60.
    [12] Cryan S P, Montez M N. A survey of GPS Satellite selection algorithms for space shuttle auto landing[C]//The 5 th International Technical Meeting of the Satellite Division of the Institute of Navigation, 1992:1165-1171.
    [13] Wei M, Wang J, Li J. A new satellite selection algorithm for real-time application[C]//Systems and Informatics (ICSAI), 2012 International Conference on, IEEE, 2012:2567-2570.
    [14] Roongpibonsopit D, Karimi H A. A multi-constellations satellite selection algorithm for integrated global navigation satellite systems[J]. Journal of Intelligent Transportation Systems, 2009, 13(3):127-141.
    [15] Zhu J. Calculation of geometric dilution of precision[J]. IEEE Transactions on Aerospace and Electronic Systems, 1992, 28(3):893-895.
    [16] Jwo D J. Efficient DOP calculation for GPS with and without altimeter aiding[J]. The Journal of Navigation, 2001, 54(2):269-279.
    [17] Massatt P, Rudnick K. Geometric formulas for dilution of precision calculations[J]. Navigation, 1990, 37(4):379-391.
    [18] Xing C, Xiong Z, Zhang Y, et al. An efficient convex hull algorithm using affine transformation in planar point set[J]. Arabian Journal for Science and Engineering, 2014, 39(11):7785-7793.
    [19] Chan T M. Optimal output-sensitive convex hull algorithms in two and three dimensions[J]. Discrete Computational Geometry, 1996, 16(4):361-368.
    [20] Graham R L. An efficient algorithm for determining the convex hull of a finite planar set[J]. Information Processing Letters, 1972, 1(4):132-133.
  • [1] 刘佳妮, 陈安和, 李智勇, 夏方园, 刘丙才, 李世杰.  小口径深度凸非球面的高精度面形检测 . 红外与激光工程, 2022, 51(9): 20220190-1-20220190-8. doi: 10.3788/IRLA20220190
    [2] 李荣华, 张建禹, 郑宇锋, 邓源.  空间非合作目标半物理仿真地面验证系统 . 红外与激光工程, 2022, 51(10): 20211115-1-20211115-12. doi: 10.3788/IRLA20211115
    [3] 蔡志华, 王孝坤, 胡海翔, 曾雪锋, 王晶.  非零位拼接检测凸非球面金属反射镜 . 红外与激光工程, 2021, 50(11): 20210061-1-20210061-6. doi: 10.3788/IRLA20210061
    [4] 卢祺, 林婷婷, 李程鹏, 李荣华, 葛研军.  空间非合作目标点云聚类配准方法 . 红外与激光工程, 2021, 50(9): 20200431-1-20200431-10. doi: 10.3788/IRLA20200431
    [5] 刘文雅, 田兆硕, 崔子浩, 毕宗杰, 付石友.  平行因子法因子数目选择流程改进设计与验证 . 红外与激光工程, 2021, 50(S2): 20210362-1-20210362-6. doi: 10.3788/IRLA20210362
    [6] 洪汉玉, 吴世康, 时愈, 吴锦梦, 孙春生.  非合作水雷目标图像非均匀强噪声去除方法 . 红外与激光工程, 2021, 50(3): 20200344-1-20200344-10. doi: 10.3788/IRLA20200344
    [7] 田光宝, 王见, 王博文.  单目相机非合作目标提取及位姿检测 . 红外与激光工程, 2021, 50(12): 20210166-1-20210166-9. doi: 10.3788/IRLA20210166
    [8] 徐云飞, 张笃周, 王立, 华宝成.  非合作目标局部特征识别轻量化特征融合网络设计 . 红外与激光工程, 2020, 49(7): 20200170-1-20200170-7. doi: 10.3788/IRLA20200170
    [9] 张子玄, 贾建军, 强佳, 张亮, 李建华.  天基非合作卫星高精度跟踪算法研究 . 红外与激光工程, 2019, 48(1): 126004-0126004(8). doi: 10.3788/IRLA201948.0126004
    [10] 黄达, 黄树彩, 赵炜, 陆屹.  天基光谱探测特征波段的选择 . 红外与激光工程, 2018, 47(S1): 166-171. doi: 10.3788/IRLA201847.S117005
    [11] 胡内彬, 白剑, 墨洪磊, 朱蓓蓓, 兰洁, 梁宜勇.  凸球面网栅激光直写技术 . 红外与激光工程, 2016, 45(1): 120002-0120002(5). doi: 10.3788/IRLA201645.0120002
    [12] 陈凤, 朱洁, 顾冬晴, 王盈, 刘玉.  基于激光成像雷达的空间非合作目标相对导航技术 . 红外与激光工程, 2016, 45(10): 1030005-1030005(8). doi: 10.3788/IRLA201645.1030005
    [13] 李飞, 张鸿翼, 徐卫明, 舒嵘.  天基合成孔径激光雷达非合作目标成像系统设计与实验 . 红外与激光工程, 2016, 45(10): 1030001-1030001(8). doi: 10.3788/IRLA201645.1030001
    [14] 张海峰, 程志恩, 李朴, 王元明, 张忠萍, 吴登喜.  激光雷达合作目标设计及其在空间交会对接中的应用 . 红外与激光工程, 2015, 44(9): 2556-2561.
    [15] 陶会荣, 张福民, 曲兴华.  无合作目标测量中目标表面后向散射特性的实验研究 . 红外与激光工程, 2014, 43(S1): 95-100.
    [16] 陈媛媛, 王志斌, 王召巴.  基于改进蝙蝠算法的红外光谱特征选择 . 红外与激光工程, 2014, 43(8): 2715-2721.
    [17] 朱飞虎, 王立, 郭绍刚, 吴奋陟, 吴云.  面向非合作目标的大动态范围激光测距系统 . 红外与激光工程, 2014, 43(S1): 8-12.
    [18] 秦玉华, 丁香乾, 宫会丽.  高维特征选择方法在近红外光谱分类中的应用 . 红外与激光工程, 2013, 42(5): 1355-1359.
    [19] 李萍, 方喜波, 黄志理.  基于红外成像制导的末端瞄准点选择技术 . 红外与激光工程, 2013, 42(5): 1131-1136.
    [20] 苗锡奎, 朱枫, 郝颖明.  多像机非共视场的非合作飞行器位姿测量方法 . 红外与激光工程, 2013, 42(3): 709-715.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  448
  • HTML全文浏览量:  80
  • PDF下载量:  34
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-11-10
  • 修回日期:  2018-12-20
  • 刊出日期:  2019-03-25

基于凸包的非合作目标视觉导航系统特征点选择方法

doi: 10.3788/IRLA201948.0317004
  • 1. 哈尔滨工业大学 卫星技术研究所,黑龙江 哈尔滨 150080
    • 作者简介:

    宁明峰(1989-),男,博士生,主要从事航天视觉导航方面的研究。Email:ningmingfeng332@163.com

  • 收稿日期: 2018-11-10
  • 修回日期: 2018-12-20
  • 刊出日期: 2019-03-25
基金项目:

上海航天科技创新基金（SAST201444）

  • 中图分类号: V556.5

摘要: 非合作目标在接近的过程中，将所提取的特征点直接用于相对导航会因特征点数目过多导致计算量大。为减小相对导航的计算量，需从提取的特征点中选择一个子集用于相对导航。假设所提取的特征点在非合作目标的同平面内，将目标表面特征点选择问题转化为像平面特征点选择。同时，文中研究了视觉系统的精度因子（DOP），并利用精度因子与平面特征点构成的面积呈反比的特性，提出像平面特征点的凸包作为观测量用于相对导航。仿真表明：将同平面特征点的凸包用于相对导航，具有较高的精度，同时能够有效减少特征点数；计算凸包的时间远小于求解最优PDOP的时间，能够应用于实时计算。

English Abstract

    全文HTML

参考文献 (20)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计