隨著人類探索太空活動的開展,越來越多的航天器被發(fā)射到外天空。早期載人航天器的補給、故障航天器的維護等空間在軌服務通常由航天員完成,隨著航天技術的發(fā)展與進步,利用全自主系統(tǒng)實現(xiàn)空間在軌服務成為當前研究的熱點,對航天器運動姿態(tài)的精準識別是開展空間在軌服務的重要技術保障。在后摩爾定律時代,異構計算是提高硬件平臺計算能力的重要手段,因此本論文將就基于ZYNQ多核異構So C的空間非合作目標特征提取技術進行研究。本論文首先搭建了典型空間非合作目標地面模擬裝置,分析了典型空間非合作目標外形特征,決定使用雙目立體視覺方案對其太陽帆板4個頂點進行識別。隨后對相機畸變模型、雙目相機成像模型及圖像處理算法理論基礎進行了分析與研究。分別使用基于聚類與多邊形擬合的圖像識別方案完成了對空間非合作目標特征的提取,并對識別效果進行了分析。接著利用雙目相機成像模型求取了非合作目標4個頂點在世界坐標系中的運動軌跡。其次,采取基于視頻流的圖像處理技術,借助Vivado HLS高級綜合工具使用C++語言完成了基于FPGA的圖像處理算法開發(fā)。同時對算法進行了PIPELINE、DATAFLOW與UNROLL等并行化處理,并從算... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【部分圖文】：

ZYNQ多核異構SoC架構

哈爾濱工業(yè)大學工程碩士學位論文182.5.3圖像高斯濾波CCD或CMOS圖像傳感器在進行數(shù)字圖像采集過程中往往會因為所處環(huán)境光照、溫度、傳感器本身器件屬性及傳輸過程中磁場干擾等原因引入干擾原始圖像的隨機噪聲。為了有效地去除噪聲對原始圖像的干擾，需要對圖像噪聲產生原因進行分析，概率分布函數(shù)及概率密度函數(shù)能夠很好地對噪聲進行描述[37]，利用相機傳感器拍攝空間非合作目標，由于深空中光線較弱、相機長時間工作發(fā)熱及電路元件本身屬性等問題，往往會在圖像采集過程引入高斯噪聲。高斯濾波是一種基于加權平均法的圖像濾波方法，對于高斯噪聲有著很好的抑制作用，二維連續(xù)高斯函數(shù)見公式（2-27）：2222221(,)2xyxyxyGxye(2-27)其中x與y分別表示x與y方向高斯分布的標準差，代表著數(shù)據的離散程度，越小高斯濾波模板中心系數(shù)越大，圖像平滑程度越不明顯高斯分布如圖2-16所示。圖2-16高斯分布使用高斯濾波器對加入高斯噪聲的圖像進行高斯濾波處理，結果如圖2-17(c)所示，高斯噪聲得到了有效地去除，于此同時圖像一定程度變得模糊。(a)原始圖像(b)加入高斯噪聲的圖像(c)高斯濾波處理后的圖像圖2-17高斯濾波

哈爾濱工業(yè)大學工程碩士學位論文234、雙閾值連接，非最大值抑制有效地去除了絕大多數(shù)雜散響應，為了更加準確獲取圖像邊緣信息，這里使用雙閾值的方法進一步屏蔽散雜響應。設置高閾值HT與低閾值LT（通常HT:LT=3:1或2:1），對于大于高閾值的梯度幅值確定為強邊緣進行保留，小于低閾值的梯度幅值置0，介于二者之間的梯度幅值確定為弱邊緣。對于弱邊緣，搜索該像素點8鄰域區(qū)間內是否存在強邊緣像素，若存在則將該點保留為真實邊緣，否則置0。分別使用Sobel與Canny邊緣檢測算法對灰度圖像進行邊緣檢測，結果如圖2-22所示，對比發(fā)現(xiàn)Canny邊緣檢測算法相比于Sobel邊緣檢測算法能更加準確、清晰地反映物體邊緣信息。(a)灰度圖像(b)Sobel邊緣檢測圖像(c)Canny邊緣檢測圖像圖2-22邊緣檢測2.5.7圖像角點檢測角點通常指兩條邊的交點，是圖像的重要特征之一，角點檢測常用于運動檢測、視頻追蹤與目標識別領域。FAST（加速段測試的特征）角點檢測[41]算法是一種高效的角點檢測算法，擁有比其他角點檢測算法更快的計算速度，它的主要操作為：判斷圖像中一點P是否為角點，首先確定一個以P點為圓心周長為16個像素的圓（如圖2-23所示），選擇合適的閾值t，如果圓上出現(xiàn)連續(xù)n個像素的灰度值與P點灰度值之差大于或小于閾值t，則認為P點為角點見公式（2-47），根據實驗測得，通常n取9最佳。圖2-23FAST角點檢測原理

【參考文獻】：
期刊論文
[1]高速單光源定位跟蹤系統(tǒng)[J]. 尹藝玲,李明璐.  裝備制造技術. 2019(06)
[2]基于背景建模的船舶參數(shù)估計方法[J]. 錢江,張桂榮,何平,姚江,顧宋華,季建中.  艦船電子工程. 2019(05)
[3]“鳳凰”計劃關鍵技術及其啟示[J]. 陳羅婧,郝金華,袁春柱,傅丹膺.  航天器工程. 2013(05)
[4]從ETS-Ⅶ到HTV——日本交會對接/�？考夹g研究[J]. 朱仁璋,王鴻芳,徐宇杰,魏羽良.  航天器工程. 2011(04)
[5]技術試驗衛(wèi)星（ETS-Ⅶ）星上部件的研制[J]. 坂田隆司,久保田伸幸,王存恩.  控制工程. 1999(06)

博士論文
[1]基于多目視覺與慣導融合的SLAM方法研究[D]. 張超凡.中國科學技術大學 2019
[2]基于雙目視覺的空間非合作目標姿態(tài)測量技術研究[D]. 顏坤.中國科學院大學(中國科學院光電技術研究所) 2018
[3]空間非合作漂旋目標的逼近與跟蹤控制[D]. 韓飛.哈爾濱工業(yè)大學 2018
[4]空間機器人自主接管非合作目標的軌跡規(guī)劃與控制研究[D]. 張博.哈爾濱工業(yè)大學 2017
[5]光場三維成像技術研究[D]. 劉永春.南京航空航天大學 2016
[6]大視距非合作目標視覺位姿測量系統(tǒng)關鍵技術研究[D]. 趙振慶.哈爾濱工業(yè)大學 2016

碩士論文
[1]基于FPGA的雙目立體視覺圖像采集及預處理系統(tǒng)的設計[D]. 汪樂意.西安科技大學 2019
[2]CMOS圖像預處理方法研究與FPGA實現(xiàn)[D]. 武昊男.中北大學 2019
[3]高分辨SAR圖像飛機目標檢測的FPGA設計[D]. 金曉飛.西安電子科技大學 2019
[4]基于攝影測量的輸電線路三維建模優(yōu)化技術研究[D]. 饒成成.華北電力大學 2019
[5]基于雙目視覺相機的深度圖像恢復技術研究與應用[D]. 茹一偉.哈爾濱理工大學 2017
[6]空間翻滾非合作目標位姿及運動參數(shù)視覺識別技術研究[D]. 劉崇超.哈爾濱工業(yè)大學 2017
[7]廣角圖像畸變校正算法的研究及FPGA實現(xiàn)[D]. 林艷星.西安電子科技大學 2017
[8]基于Google地圖的安全射界圖繪制[D]. 李笑冬.天津大學 2016
[9]面向空間非合作目標捕獲的位姿測量方法研究[D]. 任宇琪.哈爾濱工業(yè)大學 2015
[10]基于FPGA的航空CCD相機圖像畸變校正技術研究[D]. 徐芳.中國科學院研究生院(長春光學精密機械與物理研究所) 2013



本文編號：3501680