天基光学传感器动态成像配准方法研究

图像配准是天基光学动态成像处理中的关键技术,在遥感侦察等领域有着重要应用。对星空背景和地球大气背景下天基目标探测中的图像配准问题进行研究。针对星图配准建立了部分平均Hausdorff距离(PMHD),并定义了一种新的相似性匹配测度,利用序贯岭回归估计方法实现快速配准;针对地球大气背景图像配准,通过改进的Harris角点检测亚像素定位提取特征点集,基于PMHD利用粒子群优化(PSO)算法实现图像的精确配准。仿真实验表明:提出的星图配准方法具有实时性和亚象元配准精度,联合PMHD和PSO的大气图像配准具有良好的配准精度和较强的抗噪干扰能力。     

基于鲁棒估计的捕获段面目标图像处理

深空探测捕获段导航图像为含轮廓面目标图像,目标质心与光心并不重合,传统加权质心方法无法有效提取目标视线。文章通过最小平方中值法对提取的面目标导航图像真实边缘轮廓进行椭圆鲁棒拟合,该方法能够有效估计出目标中心视线,同时能够抑制由于目标表面坑洞等纹理特征引起的误差,对伪边缘、拍摄噪声均不敏感。最后,通过大量仿真与真实图像处理,对算法进行验证。结果表明,用文中方法估计的目标中心投影点坐标精度优于0.1个像素,视线误差优于1×10-4rad,方法具有极高的鲁棒性,对捕获段图像处理有一定的参考价值。     

改进PointNetLK的点云智能配准与位姿图优化方法

针对空间在轨服务任务中的非合作目标相对位姿测量问题,提出一种目标可测部位点云的智能配准方法。首先,通过Straight Through滤波算法对半物理仿真平台采集得到的点云进行目标提取,以消除背景数据等杂乱信息;其次,改进PointNetLK神经网络点云配准算法,将提取后的点云数据作为输入,从而获得初步配准结果,解决非合作目标先验信息缺失导致的无法配准问题;最后,建立基于位姿图的优化模型,以降低配准误差,提高配准精度。实验结果表明,与传统迭代最近点(ICP)算法相比,配准综合误差从6.3598降低到1.7291,精度提高约 72.81% 单次耗时从33.16 s降低到4.2 s,效率提升约87.33%,与当前SM ICP等其他算法相比,也具有一定的优势。     

基于ECEF的误差配准与目标跟踪算法

考虑量测噪声和地球曲率对配准的影响,提出了一种基于地心坐标系(ECEF)的扩展卡尔曼滤波(EKF)配准与目标艰踪算法.根据坐标系转换关系,给出误差配准计算公式,建立目标的动态方程,用EKF方程进行估计.仿真结果表明:该法能同时有效估计目标运动状态和传感器配准误差,可用于远距离的传感器配准和目标跟踪.     

基于SoftPOSIT算法的单目视觉非合作目标相对位姿估计

针对模型尺寸已知的非合作目标,在目标三维特征点和图像二维特征点坐标已知但匹配关系未知的条件下,对基于SoftPOSIT算法的非合作目标航天器间相对位姿估计方法进行了研究。SoftPOSIT算法将解决匹配的Softassign和解决位姿的POSIT两种迭代方法融入一个迭代循环,建立全局目标函数,最小化目标函数就可在获得服务航天器与目标航天器相对位姿的同时确定三维点与二维点间的匹配关系。仿真结果表明由SoftPOSIT算法所得位态精度很高,算法正确有效。在不同条件下用该算法对某卫星位姿进行估计,发现算法的相对位置估计精度随目标与服务航天器相对距离增大而提高,而相对姿态角对估计精度的影响较小。     

基于行数据扫描的星空多目标星点提取方法

为了解决传统方法无法实时获取星空目标位置问题,文章提出了一种基于行数据扫描的星空多目标星点提取方法,通过阈值提取、行目标提取、星空目标识别和质心坐标计算等四个步骤来快速提取星空目标。为了使该算法能够更有效地运行在嵌入式设备中,对算法进行合理配置,将其分割成FPGA端和DSP端。通过试验验证,在输入图像分辨率为1 280像素×1 024像素的情况下,文章提出的算法星点提取时间小于0.17ms。相比较传统方法,能够在不损失星空目标定位精度的前提下,提高提取速率,更适用于星空背景下的多目标快速星点提取。     

航天器的起旋和消旋运动

本文利用轴对称刚体在自身力矩作用下,绕定点运动的一阶正规型运动微分方程代替欧拉方程,讨论航天器的起旋和消旋运动。给出两个卡尔丹角为小量时运动方程的解析积分,由此直接导出航天器相对质心的动量矩矢量及自旋轴在起旋和消旋运动中的变化规律。并以伽里略航天器作为具体对象进行了数值计算。     

基于仿射变换的机载凝视红外告警器图像配准

提出了一种用于机载凝视红外图像序列的配准算法.分析凝视红外图像的特点,建立二维仿射变换模型描述三维空间.以帧间均方差最小作为评价标准拟合4个最优配准参数,通过参数步长控制配准算法精度.通过实测空中红外小飞机图像序列,证明了该算法配准精度可达到象素级,并可有效屏蔽背景杂波干扰.     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。     

抗箔条质心干扰的一种实用差分算法

无源箔条质心干扰是舰船在最后防御阶段对抗导弹攻击的有效手段。为提高反舰导弹末制导雷达的抗箔条能力 ,提出一种基于差分算子分析信号凸性、识别并判断目标位置的抗箔条质心干扰算法。经仿真干扰数据检验 ,结果表明在一般情况下算法对目标位置的估计比较精确 ,且计算非常简单 ,满足实时性要求。