为了实现多圆特征识别和姿态估计,将航天器常见的几何特征如旋转体(SOR)应用于姿态估计,提出了一种基于椭圆归类的单目视觉姿态估计方法。在图像中采用基于弧段的椭圆检测方法检测目标上的椭圆特征;提出一种基于SOR空间圆平行性和垂直性约束的椭圆归类方法,得到合理的椭圆特征;利用这些特征估计航天器和摄像机之间的姿态。实验结果表明:该方法具有较好的椭圆归类效果和姿态估计精度,对于含有0~16%的椒盐噪声的仿真图,归类精确率不低于97%;实物实验中,角度误差不超过1°,深度方向(小于10 m)的测量误差不超过80 mm,其他方向的测量误差不超过15 mm。

在高速运动目标的视觉测量中，高分辨率、高帧频的图像序列带来了大量待处理数据，如何快速地从这些数据中识别合作目标并提取其特征信息，成为高速视觉测量中的难题。对此，针对高速相机每个时钟周期多像素并行传输的数据特点，提出一种基于多维金字塔的硬件加速处理结构，实现连通域的全局搜索与标记，并根据标记结果完成对应特征的实时提取。在现场可编程逻辑门阵列中，通过金字塔结构的二维处理节点阵列与多标签特征统计的一维处理阵列，将数据流的高密度运算均衡分布于各运算节点，结合流水线并行，将视觉系统中占据较高耗时的全局搜索与标记过程在图像传输中同步实现。通过功能验证与实时性分析，该特征提取的分布式运算结构可在CameraLink接口85 MHz的时钟频率下，实现680 Mpixel/s的数据流实时处理，可作为预处理部分应用于高速视觉测量系统。

对基于嵌入式平台的视觉测量系统进行了改进,将数字信号处理(DSP)中基于双阈值的搜索算法移植至现场可编程门阵列(FPGA),解决了传统的全局搜索与邻域搜索中目标提取准确性与数据更新率之间的矛盾。在嵌入式平台的FPGA中实现了合作目标标记点的像素级算法。在相机图像的传输过程中完成了基于双阈值全局搜索的标记点像素检测、像素区域识别、10级流水运算的质心提取、多标记点并行运算等功能,避免了邻域搜索带来的邻域尺寸设定、系统更新率、合作目标速度之间的矛盾。实验结果表明,应用文中方法后,视觉测量系统在2048×2048分辨率、5标记点的情况下的数据更新率达到186.33 frame/s;与改进前的全局搜索和邻域搜索相比,分别提高了33.5倍和2.7倍,使视觉测量系统的应用范围扩展到了高速运动目标测量领域。

针对直线特征，提出了基于两条垂直直线特征双目视觉位姿测量解析算法。该算法根据直线特征和其在摄像机图像上投影直线共面性质建立模型，利用单位四元素法简化了投影模型变量，进而在仅知被测物体上两条直线相互垂直的信息，利用两条垂线投影在两个摄像机图像上四条直线图像，求解出被测物体的位姿参数。同时分析了退化情况下位姿求解方法，即当直线向量平行于两个摄像机基线向量时，直线向量在左右摄像机投影到同一条直线上时的位姿求解方法。基于Matlab仿真实验表明该算法对于噪声具有一定的稳健性，即使两条直线不垂直而有一个角度误差时，仍能保证一定的精度。实物实验表明该算法可以满足一般测量精度要求。

传统的灰度重心法是一种用于对称目标的亚像素定位技术,但其抗噪声性能较差.针对这一问题,本文提出一种改进算法,通过将目标区域划分成内部像素区域和边缘像素区域两部分,并对内部像素灰度进行均值化,从而有效抑制内部像素噪声.同时,利用误差理论对改进算法的不确定性进行分析.最后,通过仿真实验验证了改进算法的正确性,并表明改进算法有更好的噪声抑制性能.