适用于空间绳系机器人抓捕过程中目标边缘线条检测方法
【专利摘要】本发明提出一种适用于空间绳系机器人抓捕过程中目标边缘线条检测方法，首先对目标卫星进行图像采集、得到待检测点坐标集Ls；其次选择种子节点，对种子节点进行Hough变换和区域生长拓展，建立种群，并计算种群中变换累积频次最高的坐标(θhmax,ρmax)；重复对种群进行拓展，直至得到若干个不可再拓展的种群；最后对若干个种群对应的(θhmax,ρmax)进行c均值动态聚类，同一聚类中的(θhmax,ρmax)取平均得到(θhmid,ρmid)，利用(θhmid,ρmid)对图像进行边缘直线标识。本发明将生长区域算法的思想与Hough变换相结合，得到区域生长Hough变换方法，该方法计算速度较快，计算精度较高，能解决Hough变换中同一直线多次检测的问题，满足目标直线检测的需要。
【专利说明】适用于空间绳系机器人抓捕过程中目标边缘线条检测方法
【技术领域】
[0001]本发明属于图像处理与计算机视觉领域，具体涉及一种适用于空间绳系机器人的抓捕过程中目标边缘线条检测方法。
【背景技术】
[0002]空间绳系机器人系统由“空间绳系机器人+空间系绳+空间平台”组成，具有安全、灵活、操作距离远等特点，可广泛应用于包括在轨维修、在轨加注、辅助变轨及在轨空间站辅助组装等在轨服务中，已经成为空间操控【技术领域】的研究热点之一。在空间绳系机器人对非合作卫星实施抓捕过程中，可以通过对目标卫星主体、卫星帆板或帆板支架等进行边缘轮廓直线检测，从而寻找到合适的抓捕位置。
[0003]利用Hough变换进行直线检测是一种经典的检测图像轮廓的方法，该方法由于其良好的抗噪性，对于不完整边缘具有鲁棒性，以及对部分遮盖区域不敏感的特性而被广泛应用于机器视觉以及模式识别等领域。除了直线检测之外，基本Hough变换还被应用于圆形，椭圆等规则几何图形的检测上，虽然该方法具有计算方法简单的优点，但是其计算量大、存储量大、多峰值检测以及断点检测效率低等缺点也一直被研究者所诟病，故而针对Hough变换的改进方法至今仍旧层出不穷，W.J.Austin等人将并行算法与自适应的概念相结合提出自适应Hough变换，Han等人结合模糊理论提出模糊Hough变换；Matas等人提出概率Hough变换等，但是这些方法都是将各像素点看作离散点，并分别进行Hough变换，从而导致各点的检测范围相同，造成了大量的冗余计算，不适用于空间绳系机器人抓捕过程中的识别要求。
【发明内容】
[0004]技术方案
[0005]本专利以区域生长算法思想为基础，利用改进的Hough变换算法对待检测的卫星帆板进行识别，为基于视觉的非合作卫星检测即捕获奠定基础。该发明利用区域生长算法对种子节点周围的邻域进行拓展，通过对生长区域内的点进行Hough变换检测，逐步缩小新的拓展点的搜索范围，从而降低计算量。同时，利用角度范围限定和动态聚类的方法解决了 Hough变换中检测直线过多和直线交点检测的问题。
[0006]本发明的技术方案为:
[0007]所述一种适用于空间绳系机器人抓捕过程中目标边缘线条检测方法，其特征在于:包括以下步骤:
[0008]步骤1:对目标卫星进行图像采集，对采集的卫星图像进行预处理，所述预处理依次为二值化处理、去噪和细化处理，得到图像边缘轮廓点的坐标集L，并建立等值于L的待检测点坐标集Ls ；
[0009]步骤2:从待检测坐标集Ls中选择η个点作为种子节点，并将这些种子节点从Ls中删去；[0010]步骤3:对种子节点做初始化Hough变换，再对每个种子节点进行如下区域生长拓展:选取该节点周围的八个像素点，将其中属于坐标集L中的像素点作为待选拓展点；若没有对应的待选拓展点，则该节点不能进行区域生长拓展，则重新从待检测坐标集Ls中选择新的节点作为种子节点进行区域生长拓展；
[0011]对于每个能够进行区域生长拓展的种子节点，将待选拓展点标记并对其进行Hough变换，并将变换的累积频次结果存入以(Θ，P)为坐标的该种子节点对应的二维存储空间，其中(Θ，P )表示点的极坐标；计算该种子节点对应的二维存储空间(Θ，P )中的频次最高的点(etaax，P _)，若频次最高的点不唯一时，则取这些频次最高的点对应存储区间坐标的平均值为(Qhmax, Pfflax)；
[0012]步骤4:每个种子节点的待选拓展点形成种群，对于每个种群进行如下拓展和判断:
[0013]若待选拓展点能够进行区域生长拓展，则对该待选拓展点进行标记并判断该待选拓展点是否定为新的种子节点，判断方法为若该待选拓展点的待检测角度值O11 +刃，则该待选拓展点定为新的种子节点，否则为新拓展节点，其中
[0014]
【权利要求】
1.一种适用于空间绳系机器人抓捕过程中目标边缘线条检测方法，其特征在于:包括以下步骤: 步骤1:对目标卫星进行图像采集，对采集的卫星图像进行预处理，所述预处理依次为二值化处理、去噪和细化处理，得到图像边缘轮廓点的坐标集L，并建立等值于L的待检测点坐标集Ls ； 步骤2:从待检测坐标集Ls中选择η个点作为种子节点，并将这些种子节点从Ls中删去; 步骤3:对种子节点做初始化Hough变换，再对每个种子节点进行如下区域生长拓展:选取该节点周围的八个像素点，将其中属于坐标集L中的像素点作为待选拓展点；若没有对应的待选拓展点，则该节点不能进行区域生长拓展，则重新从待检测坐标集Ls中选择新的节点作为种子节点进行区域生长拓展； 对于每个能够进行区域生长拓展的种子节点，将待选拓展点标记并对其进行Hough变换，并将变换的累积频次结果存入以(θ，P)为坐标的该种子节点对应的二维存储空间，其中(θ，P )表示点的极坐标；计算该种子节点对应的二维存储空间(θ，P )中的频次最闻的点(θ hjM，P _￡)，若频次最闻的点不唯一时，则取这些频次最闻的点对应存储区间坐标的平均值为(θ Hlllax, P _)； 步骤4:每个种子节点的待选拓展点形成种群，对于每个种群进行如下拓展和判断: 若待选拓展点能够进行区域生长拓展，则对该待选拓展点进行标记并判断该待选拓展点是否定为新的种子节点，判断方法为若该待选拓展点的待检测角度值θn?[θhmax-δθhmax+δ]，则该待选拓展点定为新的种子节点，否则为新拓展节点，其中
【文档编号】G06K9/46GK103927541SQ201410162883
【公开日】2014年7月16日 申请日期:2014年4月21日 优先权日:2014年4月21日
【发明者】黄攀峰, 龚思怡, 鹿振宇, 蔡佳 申请人:西北工业大学