一种空间绳系机器人抓捕区域内的障碍物检测方法
【专利摘要】本发明公开了一种空间绳系机器人抓捕区域内的障碍物检测方法，首先在抓捕区域内求取图像梯度的模值和方向；接着根据梯度模值伪排序结果，得到的连通像素区域作为直线段候选区域；然后用外接矩形描述候选区域，满足判定标准的长轴就是所要求的障碍物的直线段轮廓；最后遍历轮廓上的点，得出其三维坐标和最近的距离。本发明的直线段检测部分采用的是基于图像梯度信息的直线段检测方法，能够在多种复杂场景中快速准确地检测出直线段，利用本发明对抓捕点周围的障碍物进行检测，然后对检测到的直线段边缘上点进行三维重建，并计算与抓捕点的三维距离，找出距离最近的点，并得出其三维坐标和最近的距离。
【专利说明】-种空间绳系机器人抓捕区域内的障碍物检测方法
【技术领域】
[0001] 本发明属于图像处理与计算机视觉【技术领域】，具体涉及一种空间绳系机器人抓捕 区域内的障碍物检测方法。
【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。近年来，随着空间技术的不断发展，空间绳系机器人被广泛地应 用于包括在轨维修、在轨加注、辅助变轨、在轨空间站辅助组装、轨道垃圾清理、目标捕获等 在轨服务中，已经成为空间操控【技术领域】的研究热点之一。
[0003] 在空间绳系机器人对目标实施抓捕的过程中，要先对抓捕点附近进行障碍物检 测，得出障碍物到抓捕点的最近距离，把该距离信息返回给控制系统，再由控制系统判断该 抓捕点是否能够安全实施抓捕，并控制机械爪张开的大小和角度，从而避开障碍物，最终实 现安全可靠的抓捕住目标。由于一般抓捕点都选取在卫星翻板支架等具有一般特征的结构 上，而附近的可能出现的障碍物一般是卫星的外部轮廓、伸出的天线、发动机等，这些障碍 物一般纹理结构都比较简单，尺寸比较大，多数情况下是只有一部分出现在我们需要检测 的抓捕区域的范围之内，而且一般都包含丰富的直线段结构。基于这些特点，本发明先对障 碍物进行直线段检测，得出障碍物大概的轮廓结构，然后遍历障碍物轮廓上的点，对其进行 三维重建，找出距离抓捕点的三维空间距离最近的障碍物上的点，并得出三维的最近距离 和最近障碍物点的三维空间坐标。
[0004] 传统的用于直线段检测的方法是，首先用Canny边缘检测，接着用Hough变换，提 取那些包含的边缘点数超过给定阈值的所有直线，然后再使用长度阈值把这些直线切割为 线段。尽管本发明具有良好的抗噪性，对于不完整边缘具有鲁棒性，以及对部分遮盖区域不 敏感等优点，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陷严重限制 了它的应用范围，而且Hough变换更适合于全局的直线段检测而不是局部直线段检测。
【发明内容】
[0005] 本发明主要针对配备有双目相机的空间绳系机器人对抓捕点附近进行障碍物检 测的应用，提供了一种适用于空间绳系机器人的空间绳系机器人抓捕区域内的障碍物检测 方法，该方法用于检测复杂场景中抓捕点附近障碍物直线段的轮廓，并得到距离抓捕点最 近的障碍物点的三维坐标和最近的距离，本发明具有良好的鲁棒性，实时性，计算速度快， 检测结果准确等优点。
[0006] 为实现上述目的，本发明所采用的技术方案包括以下步骤：
[0007] 1)利用空间绳系机器人上的双目相机对目标进行图像采集；
[0008] 采集到目标的左图像込和右图像Ικ;
[0009] 2)在左图像込上，以抓捕点0为中心设置一个矩形抓捕区域R，作为处理的感兴 趣区域R;
[0010] 3)在感兴趣区域R内计算该图像的梯度，并计算梯度模值和直线方向角；
[0011] 4)根据图像的像素梯度模值的大小，利用伪序法对图像的像素进行排序；
[0012] 5)按照伪序排列结果，选取种子像素，按照区域增长方法计算直线段候选区域 Re ；
[0013] 6)划分出直线段候选区域Re后，采用外接矩形法描述和判定直线段候选区域Re， 并且计算外接矩形的短轴和长轴的方向以及端点坐标；
[0014] 7)采用外接矩形长短轴之比与阈值进行比较的方法，确定出所要检测障碍物的直 线段边缘；
[0015] 8)遍历障碍物直线段边缘上的像素点，对其进行三维重建，并计算与抓捕点0之 间的三维距离，得出最近的距离和最近的障碍物点的三维坐标。
[0016] 所述的步骤3)中，计算梯度模值和直线方向角的具体步骤如下：
[0017] 3-1):对于感兴趣区域R中的像素（X，y)，其X，y方向上的梯度gx(x, y)，gy(x, y) 定义为：
【权利要求】
1. 一种空间绳系机器人抓捕区域内的障碍物检测方法，其特征在于，包括以下步骤： 1) 利用空间绳系机器人上的双目相机对目标进行图像采集； 采集到目标的左图像和右图像Ικ ; 2) 在左图像k上，以抓捕点0为中心设置一个矩形抓捕区域R，作为处理的感兴趣区 域R ; 3) 在感兴趣区域R内计算该图像的梯度，并计算梯度模值和直线方向角； 4) 根据图像的像素梯度模值的大小，利用伪序法对图像的像素进行排序； 5) 按照伪序排列结果，选取种子像素，按照区域增长方法计算直线段候选区域Re ; 6) 划分出直线段候选区域Re后，采用外接矩形法描述和判定直线段候选区域Re，并且 计算外接矩形的短轴和长轴的方向以及端点坐标； 7) 采用外接矩形长短轴之比与阈值进行比较的方法，确定出所要检测障碍物的直线段 边缘； 8) 遍历障碍物直线段边缘上的像素点，对其进行三维重建，并计算与抓捕点0之间的 三维距离，得出最近的距离和最近的障碍物点的三维坐标。
2. 根据权利要求1所述的空间绳系机器人抓捕区域内的障碍物检测方法，其特征在 于：所述的步骤3)中，计算梯度模值和直线方向角的具体步骤如下： 3-1):对于感兴趣区域R中的像素（X，y),其X, y方向上的梯度gx(x, y), gy(x, y)定义 为：
(1) 式中，I (x, y)为像素（x, y)的灰度值； 3-2):计算梯度的模值G(x,y),公式如下：
(3) 直线方向角0定义为：
3. 根据权利要求1所述的空间绳系机器人抓捕区域内的障碍物检测方法，其特征在 于：所述的步骤4)中，利用伪序法对像素进行排序的具体方法如下： 首先按照梯度模值的最大值和最小值线性生成一个区间，然后将每一个像素按照梯度 模值大小放入对应区间内。
4. 根据权利要求3所述的空间绳系机器人抓捕区域内的障碍物检测方法，其特征在 于：对于同一区间内的像素，认为其梯度模值相差很小，以同等的概率选为邻域增长的种子 点。
5. 根据权利要求1所述的空间绳系机器人抓捕区域内的障碍物检测方法，其特征在 于：所述的步骤5)中，计算直线段候选区域Re的具体方法如下： 5-1)按照伪序排列结果，根据梯度模值从大到小选取区域增长的种子点，并且要求该 点没有被访问过，区域增长从该种子像素开始； 5-2)定义区域的角度为：
(5) 其中，表示区域的角度，θ?表示区域中第i个像素的直线方向角； 5-3)设种子点为（x，y)，则开始时区域角度为种子点的直线方向角，S卩：0Mgim = θ (x，y)，令 Sx = cos ( Θ regim)，Sy = sin ( Θ regi〇n); 5-4)对于每一个区域中的点P，访问其邻域像素声；首先判断声是否被访问过，如果被 访问过，则访问下一个邻域像素；如果没有被访问过，则标记声被访问过，并且判断像素点 歹的直线方向角6与区域方向Θ Mgim之差，如果方向之差不超过阈值2 π /n，那么就认为其 方向一致，则把该点P加入到区域中，并更新区域方向角度，如下：
(6) 5- 5)重复步骤5-4)，直到当没有新的像素增加到该区域中时，该种子像素区域增长过 程结束；返回到步骤5-1)，重新从伪排序列中选取下一个种子点，开始下一个区域的增长， 直到伪排序列中没有能够满足要求的种子点为止，区域增长算法结束。
6. 根据权利要求5所述的空间绳系机器人抓捕区域内的障碍物检测方法，其特征在 于：在每一个像素被访问之前，先判断其梯度模值大小，如果小于设定的梯度模值阈值，则 该像素不能够被访问；阈值选取的越大，提取到的边缘越清晰，候选区域包含的像素个数越 少；反之，候选区域包含的像素个数越多，计算量也越大。
7. 根据权利要求1所述的空间绳系机器人抓捕区域内的障碍物检测方法，其特征在 于：所述的步骤6)中，采用外接矩形法描述和判定候选区域Re，并且计算外接矩形的短轴 和长轴的方向以及端点坐标的具体方法如下： 6- 1)首先计算候选区域Re的形心（cx, cy)，公式如下：
(7) 式中，（cx，cy)是候选区域Re的形心坐标，G(j)为候选区域Re中第j个像素的梯度模 值，（X (j)，y (j))是第j个像素的坐标； 6-2)计算候选区域的长轴和短轴方向，是由下面矩阵的特征值和特征向量计算得到：
(8) 矩阵中
设矩阵Μ的特征值分别为a，b(b>a)，对应的特征向量分别为（ai，a2)T和（bpby; 矩阵的特征值反映的是长轴和短轴两个方向上像素的分布情况，较大的特征值对应候 选区域的长轴，其特征向量方向就是候选区域的长轴方向；由特征向量能够计算出候选区 域的短轴和长轴方向，分别为： = tan ( Θ ) = ag/ap k2 = tan ( θ 2) = t^/t^ (9) 其中分别为候选区域的短轴和长轴斜率，θπ 02分别为两个特征值对应的特征 向量方向角； 6-3)确定候选区域的外接矩形：以步骤7-2)计算得到的候选区域的短轴和长轴方向 作为矩形的两个垂直边的方向，矩形的长和宽取为最小的可以覆盖整个候选区域的值； 6-4)确定过区域形心（cx, cy)的长轴直线解析式为： y-cy = k2 (x-cx) (10) 整理为点斜式为： y = k2*x+cy-k2*cx (11) 同理，短轴的解析式为： y = k1*x+cy-k1*cx (12) 6-5)计算长轴的两个端点Pi和p2，公式如下： Pi = (cx, b2) (13) p2 = (cx, cy)+d2* (b" b2) (14)
同理，计算出短轴的两个端点； 另外，对于长轴斜率为零的情况，两个端点的纵坐标为\，横坐标为像素横坐标的极大 极小值。
8. 根据权利要求1所述的空间绳系机器人抓捕区域内的障碍物检测方法，其特征在 于：所述的步骤7)中，确定障碍物直线段边缘的具体方法如下： 采用外接矩形的长轴与短轴长度的比值判定候选区域是否对应直线段结构，长短轴之 比值大于设定的阈值，则区域中像素主要分布在长轴方向，认为候选区域对应直线段模型， 长轴就是所要求的直线段；如果长短轴之比小于设定的阈值，则认为此区域对应的不是直 线段。
9. 根据权利要求1所述的空间绳系机器人抓捕区域内的障碍物检测方法，其特征在 于：所述的步骤8)中，得出最近的距离和最近的障碍物点的三维坐标的具体方法如下： 8-1)遍历障碍物直线段边缘上的像素点，设(?为其中的一个点，并且％在左相机图像 中的坐标为[uuvJT，在右相机图像中的坐标为[uK，vK] T，那么％映射到世界坐标系中的三 维坐标IX，Yi，Zj为：
(15) (16)
(17) 其中b代表立体相机的基线，cu, ^和cv, ^是左相机的主点，:f是焦距，d表不视差，d = uL-uK| ; 8-2)设抓捕点0在三维空间中的坐标为[X。，YQ，ZQ]T，则Qi点到0的三维距离为：
(18) 8-3)遍历障碍物直线段边缘上的所有像素点，找出最短距离Li()和与之对应的障碍物 上的最近点Qi。。
【文档编号】G06T17/00GK104156946SQ201410342218
【公开日】2014年11月19日 申请日期:2014年7月17日 优先权日:2014年7月17日
【发明者】黄攀峰, 张彬, 蔡佳, 孟中杰, 刘正雄 申请人:西北工业大学