A progressive ellipse key feature detection framework for Chang’e-6 sampling task

嫦娥六号是国际首次实施的月球背面采样任务. 在月球背面采样过程中, 由于机械臂采用细长构型且具有柔性, 其末端操作位姿存在较大的不确定性, 需借助视觉引导以实现各类精细操作. 为此, 本文考虑月面复杂光照影响, 提出了面向人工靶标和自然特征联合定位的渐进式椭圆关键特征检测框架. 该框架采用从粗略到精细的逐步检测策略, 精确识别椭圆特征, 其中包括位姿驱动的全自动椭圆检测算法和关键点驱动的半自动椭圆检测算法. 当相机初始位姿偏差较小时, 通过微调相机初始位姿将圆形目标映射到图像中, 并对图像中的椭圆进行目标搜索, 实现全自动椭圆检测; 在相机初始位不可用或圆形目标三维信息缺失等极端条件下, 通过操作员粗略标记椭圆关键点, 并微调拟合的椭圆参数进行目标搜索, 实现半自动椭圆检测, 并据此实现精确定位. 通过仿真试验, 验证了该方法能够精确检测椭圆关键特征, 满足机械臂视觉定位的精度需求; 该方法已成功应用于嫦娥六号月背采样任务, 与手动标记相比, 速度显著提升, 并有效减少了人为噪声, 为月背采样任务提供了可靠支撑.