一種空間繩系機器人抓捕區域內的障礙物檢測方法
【專利摘要】本發明公開了一種空間繩系機器人抓捕區域內的障礙物檢測方法，首先在抓捕區域內求取圖像梯度的模值和方向；接著根據梯度模值偽排序結果，得到的連通像素區域作為直線段候選區域；然后用外接矩形描述候選區域，滿足判定標準的長軸就是所要求的障礙物的直線段輪廓；最后遍歷輪廓上的點，得出其三維坐標和最近的距離。本發明的直線段檢測部分采用的是基于圖像梯度信息的直線段檢測方法，能夠在多種復雜場景中快速準確地檢測出直線段，利用本發明對抓捕點周圍的障礙物進行檢測，然后對檢測到的直線段邊緣上點進行三維重建，并計算與抓捕點的三維距離，找出距離最近的點，并得出其三維坐標和最近的距離。
【專利說明】-種空間繩系機器人抓捕區域內的障礙物檢測方法

【技術領域】
[0001] 本發明屬于圖像處理與計算機視覺【技術領域】，具體涉及一種空間繩系機器人抓捕 區域內的障礙物檢測方法。

【背景技術】
[0002] 空間繩系機器人系統由"空間繩系機器人+空間系繩+空間平臺"組成，具有安全、 靈活、操作距離遠等特點。近年來，隨著空間技術的不斷發展，空間繩系機器人被廣泛地應 用于包括在軌維修、在軌加注、輔助變軌、在軌空間站輔助組裝、軌道垃圾清理、目標捕獲等 在軌服務中，已經成為空間操控【技術領域】的研究熱點之一。
[0003] 在空間繩系機器人對目標實施抓捕的過程中，要先對抓捕點附近進行障礙物檢 測，得出障礙物到抓捕點的最近距離，把該距離信息返回給控制系統，再由控制系統判斷該 抓捕點是否能夠安全實施抓捕，并控制機械爪張開的大小和角度，從而避開障礙物，最終實 現安全可靠的抓捕住目標。由于一般抓捕點都選取在衛星翻板支架等具有一般特征的結構 上，而附近的可能出現的障礙物一般是衛星的外部輪廓、伸出的天線、發動機等，這些障礙 物一般紋理結構都比較簡單，尺寸比較大，多數情況下是只有一部分出現在我們需要檢測 的抓捕區域的范圍之內，而且一般都包含豐富的直線段結構。基于這些特點，本發明先對障 礙物進行直線段檢測，得出障礙物大概的輪廓結構，然后遍歷障礙物輪廓上的點，對其進行 三維重建，找出距離抓捕點的三維空間距離最近的障礙物上的點，并得出三維的最近距離 和最近障礙物點的三維空間坐標。
[0004] 傳統的用于直線段檢測的方法是，首先用Canny邊緣檢測，接著用Hough變換，提 取那些包含的邊緣點數超過給定閾值的所有直線，然后再使用長度閾值把這些直線切割為 線段。盡管本發明具有良好的抗噪性，對于不完整邊緣具有魯棒性，以及對部分遮蓋區域不 敏感等優點，但是其計算量大、存儲量大、多峰值檢測以及斷點檢測效率低等缺陷嚴重限制 了它的應用范圍，而且Hough變換更適合于全局的直線段檢測而不是局部直線段檢測。


【發明內容】

[0005] 本發明主要針對配備有雙目相機的空間繩系機器人對抓捕點附近進行障礙物檢 測的應用，提供了一種適用于空間繩系機器人的空間繩系機器人抓捕區域內的障礙物檢測 方法，該方法用于檢測復雜場景中抓捕點附近障礙物直線段的輪廓，并得到距離抓捕點最 近的障礙物點的三維坐標和最近的距離，本發明具有良好的魯棒性，實時性，計算速度快， 檢測結果準確等優點。
[0006] 為實現上述目的，本發明所采用的技術方案包括以下步驟：
[0007] 1)利用空間繩系機器人上的雙目相機對目標進行圖像采集；
[0008] 采集到目標的左圖像込和右圖像Ικ;
[0009] 2)在左圖像込上，以抓捕點0為中心設置一個矩形抓捕區域R，作為處理的感興 趣區域R;
[0010] 3)在感興趣區域R內計算該圖像的梯度，并計算梯度模值和直線方向角；
[0011] 4)根據圖像的像素梯度模值的大小，利用偽序法對圖像的像素進行排序；
[0012] 5)按照偽序排列結果，選取種子像素，按照區域增長方法計算直線段候選區域 Re ；
[0013] 6)劃分出直線段候選區域Re后，采用外接矩形法描述和判定直線段候選區域Re， 并且計算外接矩形的短軸和長軸的方向以及端點坐標；
[0014] 7)采用外接矩形長短軸之比與閾值進行比較的方法，確定出所要檢測障礙物的直 線段邊緣；
[0015] 8)遍歷障礙物直線段邊緣上的像素點，對其進行三維重建，并計算與抓捕點0之 間的三維距離，得出最近的距離和最近的障礙物點的三維坐標。
[0016] 所述的步驟3)中，計算梯度模值和直線方向角的具體步驟如下：
[0017] 3-1):對于感興趣區域R中的像素（X，y)，其X，y方向上的梯度gx(x, y)，gy(x, y) 定義為：

【權利要求】
1. 一種空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在于，包括以下步驟： 1) 利用空間繩系機器人上的雙目相機對目標進行圖像采集； 采集到目標的左圖像和右圖像Ικ ; 2) 在左圖像k上，以抓捕點0為中心設置一個矩形抓捕區域R，作為處理的感興趣區 域R ; 3) 在感興趣區域R內計算該圖像的梯度，并計算梯度模值和直線方向角； 4) 根據圖像的像素梯度模值的大小，利用偽序法對圖像的像素進行排序； 5) 按照偽序排列結果，選取種子像素，按照區域增長方法計算直線段候選區域Re ; 6) 劃分出直線段候選區域Re后，采用外接矩形法描述和判定直線段候選區域Re，并且 計算外接矩形的短軸和長軸的方向以及端點坐標； 7) 采用外接矩形長短軸之比與閾值進行比較的方法，確定出所要檢測障礙物的直線段 邊緣； 8) 遍歷障礙物直線段邊緣上的像素點，對其進行三維重建，并計算與抓捕點0之間的 三維距離，得出最近的距離和最近的障礙物點的三維坐標。
2. 根據權利要求1所述的空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在 于：所述的步驟3)中，計算梯度模值和直線方向角的具體步驟如下： 3-1):對于感興趣區域R中的像素（X，y),其X, y方向上的梯度gx(x, y), gy(x, y)定義 為：
(1) 式中，I (x, y)為像素（x, y)的灰度值； 3-2):計算梯度的模值G(x,y),公式如下：
(3) 直線方向角0定義為：
3. 根據權利要求1所述的空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在 于：所述的步驟4)中，利用偽序法對像素進行排序的具體方法如下： 首先按照梯度模值的最大值和最小值線性生成一個區間，然后將每一個像素按照梯度 模值大小放入對應區間內。
4. 根據權利要求3所述的空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在 于：對于同一區間內的像素，認為其梯度模值相差很小，以同等的概率選為鄰域增長的種子 點。
5. 根據權利要求1所述的空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在 于：所述的步驟5)中，計算直線段候選區域Re的具體方法如下： 5-1)按照偽序排列結果，根據梯度模值從大到小選取區域增長的種子點，并且要求該 點沒有被訪問過，區域增長從該種子像素開始； 5-2)定義區域的角度為：
(5) 其中，表示區域的角度，θ?表示區域中第i個像素的直線方向角； 5-3)設種子點為（x，y)，則開始時區域角度為種子點的直線方向角，S卩：0Mgim = θ (x，y)，令 Sx = cos ( Θ regim)，Sy = sin ( Θ regi〇n); 5-4)對于每一個區域中的點P，訪問其鄰域像素聲；首先判斷聲是否被訪問過，如果被 訪問過，則訪問下一個鄰域像素；如果沒有被訪問過，則標記聲被訪問過，并且判斷像素點 歹的直線方向角6與區域方向Θ Mgim之差，如果方向之差不超過閾值2 π /n，那么就認為其 方向一致，則把該點P加入到區域中，并更新區域方向角度，如下：
(6) 5- 5)重復步驟5-4)，直到當沒有新的像素增加到該區域中時，該種子像素區域增長過 程結束；返回到步驟5-1)，重新從偽排序列中選取下一個種子點，開始下一個區域的增長， 直到偽排序列中沒有能夠滿足要求的種子點為止，區域增長算法結束。
6. 根據權利要求5所述的空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在 于：在每一個像素被訪問之前，先判斷其梯度模值大小，如果小于設定的梯度模值閾值，則 該像素不能夠被訪問；閾值選取的越大，提取到的邊緣越清晰，候選區域包含的像素個數越 少；反之，候選區域包含的像素個數越多，計算量也越大。
7. 根據權利要求1所述的空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在 于：所述的步驟6)中，采用外接矩形法描述和判定候選區域Re，并且計算外接矩形的短軸 和長軸的方向以及端點坐標的具體方法如下： 6- 1)首先計算候選區域Re的形心（cx, cy)，公式如下：
(7) 式中，（cx，cy)是候選區域Re的形心坐標，G(j)為候選區域Re中第j個像素的梯度模 值，（X (j)，y (j))是第j個像素的坐標； 6-2)計算候選區域的長軸和短軸方向，是由下面矩陣的特征值和特征向量計算得到：
(8) 矩陣中

設矩陣Μ的特征值分別為a，b(b>a)，對應的特征向量分別為（ai，a2)T和（bpby; 矩陣的特征值反映的是長軸和短軸兩個方向上像素的分布情況，較大的特征值對應候 選區域的長軸，其特征向量方向就是候選區域的長軸方向；由特征向量能夠計算出候選區 域的短軸和長軸方向，分別為： = tan ( Θ ) = ag/ap k2 = tan ( θ 2) = t^/t^ (9) 其中分別為候選區域的短軸和長軸斜率，θπ 02分別為兩個特征值對應的特征 向量方向角； 6-3)確定候選區域的外接矩形：以步驟7-2)計算得到的候選區域的短軸和長軸方向 作為矩形的兩個垂直邊的方向，矩形的長和寬取為最小的可以覆蓋整個候選區域的值； 6-4)確定過區域形心（cx, cy)的長軸直線解析式為： y-cy = k2 (x-cx) (10) 整理為點斜式為： y = k2*x+cy-k2*cx (11) 同理，短軸的解析式為： y = k1*x+cy-k1*cx (12) 6-5)計算長軸的兩個端點Pi和p2，公式如下： Pi = (cx, b2) (13) p2 = (cx, cy)+d2* (b" b2) (14)
同理，計算出短軸的兩個端點； 另外，對于長軸斜率為零的情況，兩個端點的縱坐標為\，橫坐標為像素橫坐標的極大 極小值。
8. 根據權利要求1所述的空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在 于：所述的步驟7)中，確定障礙物直線段邊緣的具體方法如下： 采用外接矩形的長軸與短軸長度的比值判定候選區域是否對應直線段結構，長短軸之 比值大于設定的閾值，則區域中像素主要分布在長軸方向，認為候選區域對應直線段模型， 長軸就是所要求的直線段；如果長短軸之比小于設定的閾值，則認為此區域對應的不是直 線段。
9. 根據權利要求1所述的空間繩系機器人抓捕區域內的障礙物檢測方法，其特征在 于：所述的步驟8)中，得出最近的距離和最近的障礙物點的三維坐標的具體方法如下： 8-1)遍歷障礙物直線段邊緣上的像素點，設(?為其中的一個點，并且％在左相機圖像 中的坐標為[uuvJT，在右相機圖像中的坐標為[uK，vK] T，那么％映射到世界坐標系中的三 維坐標IX，Yi，Zj為：
(15) (16)
(17) 其中b代表立體相機的基線，cu, ^和cv, ^是左相機的主點，:f是焦距，d表不視差，d = uL-uK| ; 8-2)設抓捕點0在三維空間中的坐標為[X。，YQ，ZQ]T，則Qi點到0的三維距離為：
(18) 8-3)遍歷障礙物直線段邊緣上的所有像素點，找出最短距離Li()和與之對應的障礙物 上的最近點Qi。。
【文檔編號】G06T17/00GK104156946SQ201410342218
【公開日】2014年11月19日 申請日期:2014年7月17日 優先權日:2014年7月17日
【發明者】黃攀峰, 張彬, 蔡佳, 孟中杰, 劉正雄 申請人:西北工業大學