本文關(guān)鍵詞：基于馬達代數(shù)的目標航天器位姿視覺測量技術(shù)研究

  更多相關(guān)文章： 目標航天器 相對位姿測量 單目視覺 雙目視覺 馬達代數(shù) Kinect

【摘要】：隨著航天科技的高速發(fā)展,目標航天器相對位姿測量技術(shù)在交會對接、在軌維護、空間捕獲等各類航天任務中占據(jù)著越來越重要的地位。其中基于視覺的位姿測量方法具有體積小、質(zhì)量輕、成本低、功耗低以及穩(wěn)定性好等優(yōu)點,在航天器近距離逼近階段中得到了廣泛的應用。本文對基于單目以及雙目視覺的目標航天器相對位姿測量技術(shù)進行研究,旨在找到更為實用、簡潔度高、實時性好、可靠性強的位姿解算算法。首先,對旋轉(zhuǎn)和位移矩陣、歐拉角、四元數(shù)等傳統(tǒng)的剛體位姿變換描述工具進行說明,然后重點介紹了馬達代數(shù)這一可以統(tǒng)一描述位置和姿態(tài)的新型數(shù)學工具,并推導了馬達代數(shù)框架下點和直線的運動模型。另外對單目以及雙目視覺的測量原理進行了研究,建立了相機成像模型以及畸變矯正模型。其次,針對合作以及非合作目標航天器,分別設(shè)計了不同的位姿視覺測量方案。其中合作目標上設(shè)置有尺寸、空間位置已知的特征光點,測量時通過雙目視覺對其進行識別,然后解算出位姿值;對于非合作目標航天器則提出了一種單目視覺和激光測距相結(jié)合的位姿測量方案,通過單目相機識別目標上的矩形面從而計算出其姿態(tài)值,然后通過激光測距儀獲取其相對位置信息。在此基礎(chǔ)上,本文還重點推導了馬達代數(shù)框架下的合作以及非合作目標位姿解算算法,算法所需計算參數(shù)較少,簡潔度高,實時性好,數(shù)值仿真實驗顯示其精度能滿足實際測量要求,且受噪聲影響較小。最后,搭建了一種基于微軟體感設(shè)備Kinect的位姿測量地面演示驗證平臺,對所提出的非合作目標航天器位姿解算算法進行了充分的驗證。
【關(guān)鍵詞】：目標航天器 相對位姿測量 單目視覺 雙目視覺 馬達代數(shù) Kinect
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：V52;TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-13
• 第一章 緒論13-21
• 1.1 課題研究背景與意義13-14
• 1.2 國內(nèi)外研究現(xiàn)狀分析14-19
• 1.2.1 國外研究現(xiàn)狀14-17
• 1.2.2 國內(nèi)研究現(xiàn)狀17-19
• 1.2.3 研究存在問題19
• 1.3 本文的主要研究內(nèi)容19-21
• 第二章 相對位姿描述及視覺測量模型21-33
• 2.1 引言21
• 2.2 歐式空間中的剛體變換21-24
• 2.2.1 剛體位姿變換過程21-22
• 2.2.2 歐拉角姿態(tài)描述法22-23
• 2.2.3 四元數(shù)姿態(tài)描述法23-24
• 2.3 馬達代數(shù)位姿描述法24-27
• 2.3.1 馬達代數(shù)及其幾何意義24-25
• 2.3.2 馬達代數(shù)中點、線運動模型25-27
• 2.4 位姿視覺測量模型27-32
• 2.4.1 圖像坐標系、相機坐標系與世界坐標系27-28
• 2.4.2 針孔成像模型28-29
• 2.4.3 雙目視覺測量模型29-31
• 2.4.4 鏡頭畸變31-32
• 2.5 本章總結(jié)32-33
• 第三章 合作目標航天器相對位姿測量算法33-44
• 3.1 引言33
• 3.2 位姿視覺測量方案及原理33-34
• 3.3 特征光點中心提取算法34-35
• 3.4 相對位姿解算35-43
• 3.4.1 測量坐標系36
• 3.4.2 正交法36-38
• 3.4.3 馬達代數(shù)法38-40
• 3.4.4 數(shù)值仿真40-43
• 3.5 本章總結(jié)43-44
• 第四章 非合作目標航天器相對位姿測量算法44-54
• 4.1 引言44
• 4.2 多傳感器融合位姿測量方案44-45
• 4.3 相對位姿解算45-53
• 4.3.1 測量坐標系46
• 4.3.2 基于馬達代數(shù)的姿態(tài)解算算法46-49
• 4.3.3 相對位置解算49-50
• 4.3.4 數(shù)值仿真50-53
• 4.4 本章總結(jié)53-54
• 第五章 基于Kinect的目標航天器位姿測量方案驗證平臺54-70
• 5.1 引言54
• 5.2 系統(tǒng)組成及工作原理54-57
• 5.2.1 Kinect設(shè)備55-56
• 5.2.2 Dr Robot X80智能小車56-57
• 5.2.3 系統(tǒng)工作原理57
• 5.3 Kinect標定57-62
• 5.3.1 RGB攝像頭標定57-59
• 5.3.2 紅外攝像頭標定59-61
• 5.3.3 RGB攝像頭和紅外攝像頭聯(lián)合立體標定61-62
• 5.4 Kinect彩色及深度圖像處理62-67
• 5.4.1 中值濾波63-64
• 5.4.2 Canny邊緣檢測64
• 5.4.3 矩形面特征提取64-66
• 5.4.4 深度圖像雙邊濾波66-67
• 5.5 相對位姿測量結(jié)果67-69
• 5.5.1 相對位置測量可行性分析67-68
• 5.5.2 姿態(tài)測量精度分析68-69
• 5.6 本章小結(jié)69-70
• 第六章 全文總結(jié)和展望70-72
• 6.1 本文工作總結(jié)70
• 6.2 后續(xù)工作展望70-72
• 參考文獻72-76
• 致謝76-77
• 在學期間的研究成果及發(fā)表的學術(shù)論文77

，

本文編號：736926