基于异步事件流的空间点目标跟踪方法

在当前的空间态势感知领域,针对快速移动的空间点目标的检测与跟踪,传统的基于帧的视觉传感器表现出了一定的局限性,难以满足日益增长的任务需求.因此,基于神经形态学的事件相机,凭借其高时间分辨率和高动态范围,已成为目前的研究焦点.提出一种基于异步事件流的空间点目标跟踪方法.通过单层脉冲神经元滤除其中的噪声,并得到候选目标;采用最近邻运动轨迹关联对候选目标进行持续跟踪,从而得到每个候选目标的运动轨迹;通过特征权重虚警滤除去除候选目标中的虚警目标,保留实际的空间点目标的运动轨迹.在实验阶段,分别使用CeleX-V事件相机测量事件数据和公共空间目标事件数据集(EBSSA数据集)验证了所提出算法的有效性.实验结果显示,在灵敏度和信息量两项指标上,相较于文中提到的基于事件的空间目标跟踪方法具有一定的优势,证明了基于异步事件流的空间点目标跟踪方法能够准确地从原始事件流数据中检测出一个或多个空间点目标,并获取其运动轨迹.     

结合空间注意力机制的实时鲁棒视觉跟踪

为提高全卷积孪生网络(SiamFC)跟踪器在复杂场景下的跟踪能力,缓解跟踪器在跟踪过程中出现的目标漂移问题,提出一种结合空间注意力机制的实时目标跟踪算法。在SiamFC框架基础上,将改进的视觉几何组(VGG)网络作为主干网络,增强跟踪器对于目标深度特征的建模能力。对自注意力机制进行优化,提出一种即插即用的轻量级单卷积注意力模块(SCAM),将空间注意力分解为2个并行的一维特征编码过程,减少空间注意力的计算复杂度。保留跟踪过程中的初始目标模板作为第1模板,通过分析连通域在跟踪结果响应图的变化动态选择第2模板,融合2个模板后对目标进行定位。实验结果表明：在OTB100、LaSOT和UAV123数据集上,所提算法相比于SiamFC跟踪成功率分别提高了0.082、0.045和0.045,跟踪精度分别提高了0.118、0.051和0.062;在VOT2018数据集上,所提算法相比于SiamFC在跟踪准确率、鲁棒性和期望平均重叠率上分别提高了0.029、0.276和0.134;跟踪速度达到了70帧/s,能够满足实时跟踪的需求。     

基于IoU约束的孪生网络目标跟踪方法

基于孪生网络的跟踪方法通过离线训练跟踪模型，不需要对跟踪模型进行在线更新，兼顾了跟踪精度和速度。现有孪生网络目标跟踪方法使用固定阈值选择正负训练样本易造成训练样本漏选问题，且训练时分类分支和回归分支之间存在低相关性问题，不利于训练出高精度的跟踪模型。为此，提出了一种基于交并比(IoU)约束的孪生网络目标跟踪方法。通过使用动态阈值策略根据预定义锚框与目标真实框的相关统计特征，动态调整正负训练样本的界定阈值，提升跟踪精度。所提方法使用IoU质量评估分支代替分类分支，通过锚框与目标真实框之间的IoU反映目标位置，提升跟踪精度，降低模型的参数量。在数据集VOT2016、OTB-100、VOT2019、UAV123上进行了对比实验，所提方法均有较好的表现。在VOT2016数据集上，所提方法的跟踪精度比SiamRPN方法高0.017，期望平均重叠率为0.463，与SiamRPN++相比仅差0.001，实时运行速度可达220帧/s。      

空间移动小目标的检测算法

空间序列图像中移动小目标检测与轨迹提取是空间目标监视、跟踪及编目的关键技术之一.为了及时有效地处理星载可见光相机输出的多维海量数据,提出了一种基于四邻域二值量化方法和改进概率Hough变换的目标检测及轨迹提取算法.相较于美国空间目标在轨检测(MTI,moving target indicator)算法,改进算法虚警噪声点及候选路径数目明显减少,计算复杂度降低,运行效率提高.实验结果表明,算法可有效检测序列图像中快速移动的弱小目标并提取其直线运动轨迹.     

基于视频帧间运动估计的无人机图像车辆检测

基于人工智能(AI)芯片搭建轻量化深度神经网络，可以在无人机(UAV)机载端实现视频中车辆目标的自动检测，具有重要的应用前景。为此，提出了一种针对无人机图像车辆目标的检测方法，并在AI芯片上进行部署与测试。方法具体包括:结合无人机图像中车辆目标的尺寸范围，对MobileNet-SSD网络进行裁剪，构建轻量化单帧图像检测器；为解决小目标特性在轻量网络框架下引发的检测性能下降问题，引入帧间运动矢量估计，根据相邻帧信息辅助预测当前帧丢失目标的位置范围，并利用检测结果进行修正，实现丢失目标的再召回。通过对多个数据集进行融合与自动补充标注，搭建了一个高质量的无人机图像车辆目标数据集；同时将方法在基于RK3399芯片计算的嵌入式开发平台上进行实验验证，结果表明:搭建的网络能够显著减少存储资源占用，具有轻量化的特点；同时相比于单帧检测法，引入视频帧间运动估计方法可以有效提高检测精度，并在AI芯片上实现125.3 ms/帧的检测速度。      

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。     

空间机械臂抓捕动态目标快速稳定跟踪方法

面向空间机械臂对在轨飞行器、对接舱段等目标进行抓捕的应用需求,对近距离交会对接中的动态目标跟踪问题展开研究,提出了一种基于反向投影模板自适应更新的快速跟踪方法。该方法在分析发光目标灰度特性的基础上,计了一种能够充分表征目标差异的特征选取算法,有效消除了随变性较小的信息对跟踪过程的影响。利用该特征,设计了目标在不同帧之间的相似性比较方法,并制定了目标特征模版更新策略,解决了由于目标姿态和光线的变化而导致的跟踪错误问题。对跟踪过程中可能出现的目标移入移出相机视场问题提出了一种临界目标抛弃、找回策略,避免了目标的局部跟丢问题。最后通过跟踪试验,有效验证了该算法的实时性和鲁棒性,实现了10帧/s以上的稳定跟踪。     

基于双注意力混洗的无人机航拍目标跟踪算法

针对无人机（UAV）跟踪过程中目标经常出现尺寸小、尺度变化大和相似物干扰等问题,提出了一种基于双注意力混洗的多尺度无人机实时跟踪算法。考虑到无人机视角下目标像素点少,构建了双采样融合的深层网络,既提供了语义信息丰富的深度特征,又保留了目标的细节信息;设计了双注意力混洗模块,通道注意力和空间注意力同时分组筛选提取到的特征信息,混洗不同通道间的信息,加强信息交流,提高了算法辨别能力;为利用不同层的特征信息,加入多个区域建议网络完成目标的分类和回归,并针对无人机的目标特点,将结果进行加权融合。实验结果表明：所提算法在数据集上的成功率和准确率分别为60.3%和79.3%,速度为37.5帧/s。所提算法的辨别能力和多尺度适应能力明显增强,能有效应对无人机跟踪中常见的挑战。     

面向海洋机动目标跟踪监视的卫星重构组网优化与仿真

摘要： 针对海洋机动目标跟踪监视问题，提出通过卫星相位重构调整进行机动目标搜索跟踪的监视策略，构建地理坐标系下机动目标航位预测模型及基于霍曼转移的卫星调相组网方式，并采用NSGA II算法进行优化求解，对比分析卫星重构组网前后的机动目标发现概率.仿真结果表明：在卫星能量消耗允许范围内进行重构组网，能够有效提升对机动目标的发现概率，为海洋机动目标的搜索跟踪问题提供了一定的方法支持.     

基于运动模型的低空非合作无人机目标识别

为保障低空安全,在利用雷达数据探测无人机目标的同时剔除飞鸟等虚警信息,提出了一种基于运动模型的低空非合作无人机目标识别方法,作为已有目标跟踪方法应用的拓展。首先,建立多种运动模型模拟无人机和飞鸟目标运动;然后,基于多种运动模型进行目标跟踪,并估计各种运动模型的出现概率;最后,以各种运动模型在连续时间内出现概率的方差均值来度量目标运动模型的转换频率。通过对仿真数据和机场低空监视雷达实测数据的处理,所提方法能够在杂波环境中跟踪无人机目标并剔除飞鸟目标,进一步验证了其有效性和实用性。      

MCMC-Particle-based group tracking of space objects within Bayesian framework

With the intense increase in space objects, especially space debris, it is necessary to efficiently track and catalog the extensive dense clusters of space objects. As the main instrument for low earth orbit (LEO) space surveillance, ground-based radar system is usually limited by its resolution while tracking small space debris with high density. Thus, the obtained measurement information could have been seriously missed, which makes the traditional tracking method inefficient. To address this issue, we conceived the concept of group tracking. For group tracking, the overall tendency of the group objects is expected to be revealed, and the trajectories of individual objects are simultaneously reconstructed explicitly. According to model the interaction between the group center and individual trajectories using the Markov random field (MRF) within Bayesian framework, the objects’ number and individual trajectory can be estimated more accurately in the condition of high miss alarm probability. The Markov chain Monte Carlo (MCMC)-Particle algorithm was utilized for solving the Bayesian integral problem. Furthermore, we introduced the mechanism for describing the behaviors of groups merging and splitting, which can expand the single group tracking algorithm to track variable multiple groups. Finally, simulation of the group tracking of space objects was carried out to validate the efficiency of the proposed method.     

Performance estimation for GEO space surveillance

For space surveillance Europe is currently strongly depending on external sources. Although some European radar and optical facilities for space object tracking exist, there is no operational European space surveillance system. An ESA-funded feasibility study for a future independent European space surveillance capability was performed recently. Some of the main conclusions are presented here. We discuss the surveillance of the geostationary ring (GEO) by evaluating existing and newly designed optical ground-based sensors in terms of their performance. The main performance-related issues – the coverage of the GEO ring and the minimum detectable objects size – are discussed. In order to perform detailed simulations, an observation strategy was defined and algorithms for the correlation of objects with a catalogue and for the maintenance of that catalogue were developed. We used the ESA PROOF software to estimate the sensor performance and AIUB tools to simulate the catalogue correlation. The performance was validated using data from campaigns performed with the ESA Space Debris Telescope at Tenerife, Spain.     

一种空间目标高精度指向控制方法

针对空间动目标指向任务对卫星提出的高精度控制需求，研究了卫星星体/快反镜二级复合系统的指向控制问题，给出了一种空间运动目标高精度指向控制方法。首先，基于近圆轨道Clohessy Wiltshire方程获得追踪卫星与目标卫星的位置信息；然后，基于扩展Kalman滤波算法进行多信息融合确定追踪卫星姿态参数，并实时解算出追踪卫星载荷光轴与目标卫星的相对姿态，获得跟踪指向所需的方位角和俯仰角；最后，通过星体一级姿态控制和基于快反镜的载荷光轴二级指向控制，实现对目标卫星的快速、高精度指向。仿真结果表明，该方法可以在保证快速性的同时实现动态指向控制误差小于072″。该方法可以实现对空间目标的高精度指向控制，为未来空间中激光通信等航天任务提供技术支持。     

卫星光轴复合指向控制方法研究

卫星平台搭载光学载荷对空间运动目标进行跟踪指向技术已经成为卫星发展的重点，为了提升卫星光轴的指向范围、跟踪精度和机动性，仅依靠卫星的姿态调整已无法提升卫星光轴的性能。通过对由卫星姿态、星载光电转台和快反镜组成的卫星复合光轴指向系统的分析，需三者协同工作，输出有效叠加，才能有效提升卫星光轴的指向范围、跟踪精度和机动性。对卫星姿态控制系统、星载光电转台控制系统、快反镜控制系统进行研究建模后，确定了三者的作动频带。通过建立辅助PQ单位反馈系统，运用频率响应法设计复合指向控制器，模拟某轨道的卫星与跟踪目标的相对运动轨迹作为仿真模型的输入。仿真数据表明卫星光轴的跟踪指向误差由0.6°下降到了0.05°，证明了复合指向控制律有效提升了卫星光轴的性能。     

一种应用于实时深空干涉测量的电离层时延修正方法

针对"嫦娥4号"中继星任务S频段信标信号的高精度实时干涉测量需求,结合深空测控干涉测量系统采用的稀疏标校工作模式,研究验证了一种面向测控模式实时干涉测量的电离层时延修正方法。首先分析了电磁波经电离层传播的延迟机理及特性;基于深空站历史观测数据,通过自相关函数分析验证了天顶向TEC的周日特性;在此基础上,结合深空干涉测量中心数据处理设备软件系统,讨论了电离层时延修正方法;通过任务期间的实测数据处理分析,验证了所提方法可以将实时测量精度提升1～3 ns,对低仰角跟踪弧段,该技术方法优势更为明显。该方法为后续深入推进深空测控干涉测量系统在任务中的实时应用提供了技术储备。     

A multi-satellite co-tracking method for a single space target based on adaptive distributed spherical simplex information-weighted consensus filter

A multi-satellite co-tracking method for a single non-cooperative target is proposed to extend the arc of observation as well as to improve the accuracy of tracking. Firstly, the motion of the target is considered to be affected by J2 perturbation, and the model of multi-satellite co-tracking a single space target is designed with only measured angles. Then, a multi-satellite co-tracking method for a single space target based on an adaptive distributed spherical simplex information-weighted consensus filter (ADSSICF) is proposed. The spherical simplex is used to reduce the computational cost of the information filter, and to improve the efficiency of tracking. The angle-only measurement equation is linearized by the statistical linear regression method, and linearization errors are compensated for by updating measurement noise. By designing an adaptive consensus algorithm, only a small number of iterations are needed to achieve network consensus, to improve the convergence speed of the consensus algorithm, and prove the stability of ADSSICF. Finally, a simulation of four low-orbit satellites tracking a single space target is established. The focus of this paper is on the real-time performance and tracking accuracy of the multi-satellite co-tracking a single space target with angle-only based on ADSSICF. The performance of ADSSICF is verified from three indicators: the consensus and convergence of algorithm, the accuracy of state estimation.     

基于时空关联图模型的视频监控目标跟踪

多摄像机监控环境下的无重叠视域目标跟踪问题十分具有挑战性,其原因在于跟踪目标在网络中的转移与运动规律往往具有不确定性.目标跟踪的关键问题在于摄像机之间的目标关联以及如何依据网络拓扑结构来找到目标之间的对应关系.提出了一种图模型来对摄像机网络中的时空关联关系进行表达.图模型中的节点表示目标在摄像机视域中的出现区域和消失区域,边由时间与空间关系进行约束.提出了一种将目标外观模型与图模型相融合的跟踪方法,其中外观模型通过协方差描述子进行特征融合,同时,结合二部图匹配策略来解决多摄像头目标跟踪中的识别与匹配问题.在真实监控视频上的实验验证了该方法的有效性.      

A novel data association scheme for LEO space debris surveillance based on a double fence radar system

The increasing amount of space debris threatens to seriously deteriorate and damage space-based instruments in Low Earth Orbit (LEO) environments. Therefore, LEO space debris surveillance systems must be developed to provide situational awareness in space and issue warnings of collisions with LEO space debris. In this paper, a double fence radar system is proposed as an emerging paradigm for LEO space debris surveillance. This system exhibits several unique and promising characteristics compared with existing surveillance systems. In this paper, we also investigate the data association scheme for LEO space debris surveillance based on a double fence radar system. We also perform a theoretical analysis of the performance of our proposed scheme. The superiority and the effectiveness of our novel data association scheme is demonstrated by experimental results. The data used in our experiments is the LEO space debris catalog produced by the North American Air Defense Command (NORAD) up to 2009, especially for scenarios with high densities of LEO space debris, which were primarily produced by the collisions between Iridium 33 and Cosmos 2251. We hope that our work will stimulate and benefit future work on LEO space debris surveillance approaches and enable construction of the double fence radar system.