基于2D-3D圖像數(shù)據(jù)融合的空間目標運動估計方法.pdf

1、為清除空間垃圾，延長衛(wèi)星壽命，實現(xiàn)廢棄衛(wèi)星在軌零部件回收，面向非合作目標的在軌服務(wù)任務(wù)成為各國研究重點。針對非合作目標的接近、捕獲等操作是在軌服務(wù)的基礎(chǔ)，目標運動參數(shù)獲取是實現(xiàn)上述操作的前提條件。由于目標表面結(jié)構(gòu)與運動狀態(tài)未知，為實現(xiàn)目標運動參數(shù)估計，考慮到敏感器體積，精度，采樣頻率等因素，采用多視覺敏感器融合測量方法。因此本文以非合作目標在軌服務(wù)為背景，研究基于2D/3D視覺相機數(shù)據(jù)融合的空間目標運動估計方法。
　　首先，針對目

2、標表面三維重建過程中3D相機外參數(shù)校正問題，充分利用深度測量數(shù)據(jù)，在正交投影模型基礎(chǔ)上，建立關(guān)于外參數(shù)姿態(tài)矩陣的優(yōu)化目標函數(shù)。考慮到3D相機測量誤差較大，為提高算法魯棒性，確保取得全局最優(yōu)解，采用凸優(yōu)化方法將優(yōu)化函數(shù)轉(zhuǎn)化為線性不等式約束下的線性凸優(yōu)化問題，采用內(nèi)點法求解，得到3D相機參數(shù)，并給出全局收斂性證明。仿真表明該方法能較快收斂且具有較高的魯棒性。
　　其次，針對目標表面三維重建過程中2D/3D數(shù)據(jù)融合問題，為提升3D圖像分

3、辨率，結(jié)合同場景高分辨率2D灰度圖像，推導(dǎo)基于置信度的聯(lián)合雙邊濾波方法。為保持原深度圖像中邊緣信息，考慮到同場景灰度圖像與深度圖像常具有相似的不連續(xù)性，可將灰度圖像像元灰度加入濾波函數(shù)中，建立聯(lián)合雙邊濾波函數(shù)。同時為保證分辨率提高后深度圖像精度，考慮到深度圖像中深度突變即邊緣區(qū)域測量誤差較大，基于深度圖像梯度，建立置信圖，推導(dǎo)建立基于置信度的聯(lián)合雙邊濾波函數(shù)。仿真驗證該方法具有優(yōu)秀的邊緣保持能力和較高的精度。利用Kinect隨機拍攝室內(nèi)

4、場景，本方法能有效實現(xiàn)深度圖像分辨率提升，完成場景三維重建。
　　最后，針對空間非合作目標運動參數(shù)估計問題，建立三維場景流計算方法。利用某兩幀三維場景重建信息，考慮不同應(yīng)用場景，在平面光流算法推導(dǎo)的基礎(chǔ)上，在滿足光照條件不變，目標剛體和小運動假設(shè)下，加入深度方向運動方程，推導(dǎo)全局場景流算法和局部場景流算法。建立場景流優(yōu)化函數(shù)，利用Jacobi迭代方法求解，實現(xiàn)從幀間三維場景變化恢復(fù)目標運動狀態(tài)。仿真表明該方法能有效恢復(fù)場景或場景內(nèi)