法律状态公告日
法律状态信息
法律状态
2017-11-03
未缴年费专利权终止 IPC(主分类):G06K9/00 授权公告日:20160406 终止日期:20160920 申请日:20120920
专利权的终止
2016-04-06
授权
授权
2013-03-20
实质审查的生效 IPC(主分类):G06K9/00 申请日:20120920
实质审查的生效
2013-02-13
公开
公开
技术领域
本发明属于深空探测邻域,涉及到图像处理的相关技术。
背景技术
自然路标检测和着陆区域确定是深空探测领域中的重要问题。在深空探测过程中,由于着陆器距离地球非常遥远,信号传递具有较大的延时,因此需要着陆器能够自主的确定自身的姿态和位置以及自主的找到可着陆区域。
自然路标是指环境中已有的,并非人工设置的,能够用以标识不同环境的参考对象或模式。自然路标检测对于着陆器确定自身的姿态和位置,进行自主导航有着重要的作用。现有的自然路标检测方法多是针对行星表面的各种地形(如陨石坑,岩石等,如图1所示)的图像表观特征进行自然路标检测。但是这类方法受到光照以及具体地形的影响,无法取得很好的结果。
而自动的着陆区域确定对于探测器来说也是非常重要。在着陆器着陆阶段,由于距离地球非常遥远,依靠地面通讯不能满足实时安全着陆的需求,因此需要探测器具有较强的自主确定着陆区域的能力。现有的自主着陆区域确定方法主要是通过检测行星表面的陨石坑,岩石等障碍物,通过避开障碍物来确定着陆区域。也有根据行星表面的纹理特征进行着陆区域的确定方法。通过检测障碍物进行着陆区域确定的方法的问题是障碍物的检测很难做到精确和鲁棒,同时受光照条件影响较大。现有的纹理分析方法是通过统计区域内的对比度等特征来进行,也易受光照等条件的影响。
我们通过观察发现,行星表面的障碍物,不管是陨石坑(图1(a)),岩石(图1(b)),或者裂纹(图1(c)),都具有以下特点:在这些障碍物边界上的点(如图1中的1,2,3,4),与其邻域内的其他点的可区分程度很高,既很容易将这些点与周围其他的点区分开来。而平坦区域内的点(如图1中的5,6,7),与其周围的点比较相似,基本无法与周围点区分开来。我们基于这一观察,将自然路标检测与着陆区域确定统一在像素点的可区分度框架下进行。
发明内容
本发明的目的是针对上述自然路标检测与着陆区域确定方法存在的不足而 提出一种基于像素点可区分度的自然路标检测及着陆区域确定方法。
本发明的主要内容为:采用摄像机在着陆器下降过程中获取着陆器下方的图像信息,在每一帧获取到的图像中,计算每个像素点的可区分度,既该像素点与其邻域内的像素点的可区分程度。设定阈值,可区分度高于给定阈值的像素点作为自然路标候选点,将一定半径内的自然路标候选点的集合作为自然路标;可区分度低于给定阈值的像素点作为可安全着陆区域的候选点,通过对自然路标候选点及图像边界上的像素点进行形态学膨胀操作,以最后被膨胀操作覆盖的着陆区域候选点作为圆心,以该圆心到距离其最近的自然路标候选点的距离为半径,得到最大可着陆圆。
本发明的目的是通过下述技术方案实现的。
一种基于像素点可区分度的自然路标检测及着陆区域确定方法,具体实现步骤如下:
步骤一:图像获取
摄像机安装在着陆器的下方,在着陆器下降过程中可以连续的获得地面的图像。
步骤二:计算像素点的可区分度
设s(p,p′)为像素p与像素p′的相似程度,设p(s(p,p′))表示像素p与像素p′相似的概率,定义像素的可区分度为该像素与其邻域内像素相似概率分布的熵,既
其中Np为像素p的邻域。熵越大,则可区分度越低。
步骤三:基于像素点的可区分度确定可着陆区域
将可区分度高和可区分度中等的像素所覆盖的区域都看作是障碍物区域,可区分度低的像素所覆盖的区域看作是可着陆区域。将图像边界上的点也看作是可区分度高的像素点,既也看作障碍区域。每次对障碍物区域的像素进行形态学膨胀,将障碍物周围的像素也设置为障碍物区域,随着膨胀的进行,可着陆区域越来越小,最后被膨胀操作覆盖的可着陆区域就是最大可着陆区域的圆心。最大可着陆圆的半径可通过计算与该点距离最近的膨胀之前的高可区分度或中等区分 度的像素点的距离得到
步骤四:基于高区分度像素的自然路标检测
具有高可区分度的像素能够与其周围的像素区分开来,可以作为自然路标。我们将一定半径内的具有高可区分度的像素的集合作为自然路标。
本发明的优点
本发明与其它自然路标及着陆区域确定方法相比,具有以下几个方面的优势:
(1)将陨石坑,岩石等各种自然路标的检测以及可着陆区域的检测统一在可区分度的框架下进行处理,可同时得到自然路标和着陆区域。
(2)通过对非自然路标候选点进行形态学的膨胀操作来得到最大可着陆圆的圆心及半径,可以快速可靠的确定可着陆区域。
附图说明
图1行星表面各种地形;
图2基于像素点可区分度的自然路标及着陆区域确定方法流程图;
图3像素点与其邻域内像素的相似概率分布图;
图4最大可着陆圆确定方法示意图。
具体实施方式
下面结合附图和实施例对本发明做详细说明。
本发明提出的基于像素点可区分度的自然路标检测与着陆区域确定方法的流程图如图2所示,具体实施步骤如下:
步骤一:图像获取
摄像机安装在着陆器的下方,在着陆器下降过程中可以连续的获得地面的图像。
步骤二:计算像素点的可区分度
设p表示图像中的一个像素,其坐标为(px,py),其像素值为I(px,py),则像素点p的可区分度为p与其邻域中的其他像素的可区分程度。设像素p的邻域为Np,Np为以像素p为中心的一个矩形,其长宽可根据实际情况进行设 定,如果其长宽设定为图像的宽度和高度,则是在整副图像中进行该像素的可区分度,设置邻域Np的长度和宽度分别为图像宽度和高度的三分之一。定义s(p,p′)为像素p与像素p′的相似程度,此处,我们采用SSD来计算两个像素的相似程度,SSD值越小,表明两个像素越相似,设计算SSD时采用的邻域大小为(2n+1)×(2m+1),则
其中(px,py)为像素p在图像中的坐标,(p′x,p′y)为像素p′在图像中的坐标。设p(s(p,p′))表示像素p与像素p′相似的概率,则
定义像素的可区分度为该像素与其邻域内像素相似概率分布的熵,既
对于图1中标记的像素点计算与其邻域内像素的相似概率分布,如图3所示,可以看出,分布有三种情况:
1.点状分布,如图3(1-2)所示,这些像素一般是图像中的角点,其相似概率分布的熵较小,可区分度高。
2.线状分布,如图3(3-4)所示,这些像素一般是图像中的边缘,其相似概率分布的熵居中,可区分度中等。
3.面状分布,如图3(5-7)所示,这些像素一般属于平坦区域,其相似概率分布的熵较大,可区分度低。
步骤三:基于像素点的可区分度确定可着陆区域
我们将可区分度高和可区分度中等的像素所覆盖的区域都看作是障碍物区域,可区分度低的像素所覆盖的区域看作是可着陆区域。可着陆区域应满足以下两个要求,一是面积足够大,以便着陆器着陆;二是距离障碍物足够远,以确保着陆过程的安全。由于图像边界外面的区域是未知区域,因此理想的着陆区域应该距离图像边界也足够远。因此我们将图像边界上的点的可区分度也设置为高, 既边界上的点也看作是可区分度高的像素点。如图4所示,图中红色的点障碍物区域,边界上的点也认为是障碍物区域。绿色部分为可区分度低的像素,可作为着陆区域,我们的目标是找到一个最大的圆,使得该圆仅包含绿色区域作为可着陆区域。具体做法是每次对障碍物区域的像素进行形态学膨胀,将障碍物周围的像素也设置为障碍物区域,如图4(b),(c),(d)所示,可以看到,随着膨胀的进行,绿色区域越来越小,最后变红的绿色区域就是最大可着陆区域的圆心。具体流程为:
1)依次对障碍物区域中的像素(高可区分度和中等区分度的像素)点进行形态学膨胀,每次膨胀一个像素;既将障碍物区域周围一个像素的区域也设置为障碍物区域。
2)判断可区分度低的像素的个数,如果数目大于1,则转第一步;如果数目等于1,则转第三步,如果数目为0,则转第四步。
3)如果可区分度低的像素点的数目等于1,则该像素点是最大可着陆圆的圆心,最大可着陆圆的半径可通过计算与该点距离最近的膨胀之前的高可区分度或中等区分度的像素点的距离得到,如图4(d)所示。
4)如果可区分度低的像素点的数目等于0,则选取此次膨胀之前,未被覆盖的可区分度低的像素点作为可着陆区域的圆心,如有多个这样的像素点,则取最接近图像中心的一个作为可着陆区域的圆心,半径可通过计算与该点距离最近的膨胀之前的高可区分度或中等区分度的像素点的距离得到。
步骤四:基于高区分度像素的自然路标检测
自然路标是指环境中已有的,并非人工设置的,能够用以标识不同环境的参考对象或模式。由自然路标的定义可以发现,具有高可区分度的像素符合自然路标的定义,既具有高可区分度的像素能够与其周围的像素区分开来,可以作为自然路标。我们将一定半径内的具有高可区分度的像素的集合作为自然路标。由于这些点的可区分度很高,因此在后续的图像中可以比较有保证的跟踪到这些像素点。
机译: 一种用于发送基于面积的360度视频的方法,一种用于接收基于面积的360度视频的方法,一种用于发送基于区域的360度视频的设备,一种用于基于区域接收360度视频的设备
机译: 基于仪器着陆系统的成像设备兴趣区域确定方法及系统
机译: 基于仪器着陆系统的成像设备兴趣区域确定方法及系统