空间站机械臂位姿测量中合作靶标的快速识别

 空间站机械臂在完成辅助对接或者目标抓捕时,需要实时求取机械臂上的视觉传感器与目标上的合作靶标之间的位置和姿态,而其前提条件是合作靶标的快速识别。本文提出了一种合作靶标的快速识别算法。算法分为3大步骤:首先用Sobel算子和改进的非极大值抑制算法提取靶标图像的单像素边缘;然后将每条边缘分为两段,分别采用最小二乘法进行圆拟合,若两段拟合结果相似则该边缘属于圆形;最后根据圆形的大小在每个圆形周围开出一大一小两个正方形窗口,统计在两窗的补集内距离圆心较近的直线数量,若直线数量满足规定条件则认为是合作靶标。利用手眼相机、六自由度转台和合作靶标对算法进行了验证,实验结果表明该算法能在1.5 m的距离内准确识别合作靶标,且不受光照条件影响。合作靶标的识别算法快速、稳定、抗干扰能力强。     

一种改进的基于Hough变换的精确圆检测方法

在空间航天飞行器的对接过程中,合作目标背景的复杂性使得对圆形对接靶标部位的准确快速识别能力显得至关重要.为了克服Hough变换的圆检测遍历边缘点的局限性,采用图像预处理方法,极大地减少了参与Hough变换的无效像素点,并对边缘进行抽样提高Hough变换圆检测效率;针对Hough变换圆定位精度低,对Hough变换检测出的像素点,采用最小二乘拟合圆心得到亚像素的圆心拟合精度.一方面利用Hough变换检测圆的鲁棒性,有效地解决了最小二乘拟合的平方项对离群点敏感的问题;另一方面利用了最小二乘法的精确性提高圆心的定位精度.仿真结果和实验结果均证明了方法可将圆定位精度提高到1/20像元.     

基于序列图像的航天器自主导航降维滤波方法

非合作目标的运动感知与状态估计,是太空领域技术发展的重要组成部分。非合作目标相对状态的精确估计是相对导航的难点问题。传统的非合作目标扩展卡尔曼滤波算法需要结合非合作目标的质心位置,增加了状态变量的维数,提高了系统不确定性,从而会影响状态扩展卡尔曼滤波的收敛速度。提出了一种基于序列图像的非合作目标相对导航方法,该方法在不对质心进行估计的情况下首先对非合作目标姿态进行估计,在完成非合作目标姿态估计后再对其质心进行估计。本文推导了光学相机测量值与目标真实姿态的关系,构建了基于序列图像的测量模型,分别建立了不含有非合作目标质心位置的状态方程和基于非合作目标位置、速度矢量的状态方程,设计了适用于非合作目标状态估计的扩展卡尔曼滤波算法。仿真实验表明该方法可在10 Hz采样频率下经过50次采样（即5 s）内快速收敛,从而有利于空间飞行器的在轨服务与维护。     

单天基平台测向的空间非合作目标跟踪

针对仅含角度测量信息的单个天基平台可观测性较弱的问题,提出了一种含脉冲机动检测的空间非合作目标跟踪算法,并设计了非合作目标实时跟踪数据处理流程.该算法利用抗差估计技术和UKF（Unscented Kalman Filter,无迹卡尔曼滤波）算法构造目标跟踪滤波器,并综合残差多项式拟合和新息分布特征等方法实现目标机动检测,在天基平台观测信息类型有限和观测几何较差的情况下,可以同时排除孤立野值和成片测量野值的影响,实现非合作机动目标的连续稳定跟踪.数值实验验证了算法的可行性和有效性,也表明了跟踪精度和可靠性与测量精度密切相关.     

基于视频的机场跑道异物检测技术研究

针对基于视频监控的机场跑道异物自动检测问题,对现有的目标检测方法进行研究。首先介绍了现有的目标检测算法,并对各个算法的优缺点、适用性进行了比较分析;其次给出了Canny边缘检测法和背景差分法的模拟实验结果;最后指出了机场跑道异物检测系统检测算法亟待解决的问题。     

空间非合作目标多指包络抓捕路径设计

针对现有空间非合作目标抓捕中存在无固定抓捕点以及待抓捕目标存在动态性等问题,提出了一种"主-从"式多指包络抓捕路径设计算法。首先,为了降低多指包络构型设计中的自由度,将多指机构分为一根主手指和其余从手指两类。然后,为了实现对具有动态性的空间非合作目标的抓捕,采用误差跟踪控制方法使主手指的基关节与包络点之间的运动保持同步。接着,引入单向距离的概念衡量主手指构型和包络边相似度,并利用快速搜索随机树算法寻找使得单向距离最小的主手指关节角取值。进一步,根据多指机构的结构模型,确定其余从手指的构型。最后,根据包络条件选择能够约束住空间非合作目标运动的有效包络构型。通过对可以简化为扁平型的空间非合作目标和一般性三维空间非合作目标这两类目标的包络抓捕仿真可以得出,所设计的算法可适用于一般性空间非合作目标的包络抓捕,同时计算复杂度也大大降低。     

基于边缘检测与颜色目标定位的图像检索

提出一种先利用图像边缘信息缩小检索范围。再利用图像颜色信息进行目标定位的图像检索算法。首先。提取图像边缘信息。利用图像位错率进行边缘信息比较,位错率越小图像边缘信息越接近;然后,利用主色调确定图像的目标块,进行目标子块间的比较。算法忽略图像中不重要的背景因素,有效利用重要的目标因素。从而提高了检索效率。仿真实验证明该算法比单一使用边缘检测、颜色目标定位具有更好的检索性能。     

基于分支深度强化学习的非合作目标追逃博弈策略求解

为解决航天器与非合作目标的空间交会问题,缓解深度强化学习在连续空间的应用限制,提出了一种基于分支深度强化学习的追逃博弈算法,以获得与非合作目标的空间交会策略。对于非合作目标的空间交会最优控制,运用微分对策描述为连续推力作用下的追逃博弈问题;为避免传统深度强化学习应对连续空间存在维数灾难问题,通过构建模糊推理模型来表征连续空间,提出了一种具有多组并行神经网络和共享决策模块的分支深度强化学习架构。实现了最优控制与博弈论的结合,有效解决了微分对策模型高度非线性且难于利用经典最优控制理论进行求解的难题,进一步提升了深度强化学习对离散行为的学习能力,并通过算例仿真检验了该算法的有效性。     

非均匀噪声稀疏均匀圆阵的二维DOA估计

针对在机载雷达、通信等领域有着广泛应用的均匀圆阵(UCA),研究了非均匀噪声下稀疏均匀圆阵的二维波达方向(DOA)估计.首先采用改进的相位模式方法构造非均匀噪卢稀疏均匀圆阵的波柬空间似然函数;之后,在分析非均匀噪声稀疏均匀圆阵的波束空间似然函数特点的基础上,修改了Burg的逆迭代算法以适应稀疏均匀圆阵下非均匀噪声自相关...     

空间非合作目标惯性参数的Adaline网络辨识方法

空间在轨操作中,航天器在对空间非合作目标的抓捕行动常常导致航天器本体的姿态和空间轨迹发生变化。为克服空间非合作目标对航天器本体动力学、运动学的影响,使控制系统做出精准及时的姿控策略调整,确保航天器正常在轨工作和轨迹姿态的高精度,需对抓捕的非合作目标的惯性参数进行辨识。针对传统辨识方法依赖广义逆求解导致的辨识过程运算量大,且数值容易产生剧烈振荡,造成辨识结果不稳定等不足,采用基于归一化最小均方（NLMS）准则的Adaline神经网络方法进行空间非合作目标惯性参数的辨识。首先,基于动量守恒理论建立抓捕后的航天器-机械臂-空间非合作目标系统模型;然后将辨识方程的系数矩阵作为网络的输入和输出,空间非合作目标的惯性参数作为神经网络的训练权重,基于迭代步长可变的NLMS准则实现对目标惯量参数的快速、准确辨识;最后,在构造的ADAMS/MATLAB联合仿真平台上进行了验证。仿真结果表明,基于NLMS准则的Adaline神经网络是一种快速、准确辨识目标惯量参数的有效方法。     

基于深度图推理的卫星背板部件检测方法

在轨加注是一种典型的在轨服务操作,它对于降低空间运输成本和任务风险起着重要的作用,视觉感知系统可以感知操作任务周围环境并提供给控制系统。目前在轨加注依赖于人,在人员监控下完成或通过遥操作完成,缺乏自主性。本文围绕未来高自主性的基于深度强化学习的在轨加注方法,对基于深度学习的视觉感知方法展开了研究,针对基于深度学习的方法对相似实例的检测存在精确率低、对光照变化敏感等缺点,提出了基于深度图推理的卫星背板部件检测方法。提出的方法可以有效地检测复杂形状的目标,不依赖于手工设计的特征;提高了复杂光照环境下部件的检测正确率;可以有效区分外形相似的不同部件;其有效性在数学仿真和物理仿真中均得到了验证。     

Three-line structured light vision system for non-cooperative satellites in proximity operations

Adapter ring is a commonly used component in non-cooperative satellites, which has high strength and is suitable to be recognized and grasped by the space manipulator. During proximity operations, this circle feature may be occluded by the robot arm or limited field of view. Moreover, the captured images may be underexposed when there is not enough illumination. To address these problems, this paper presents a structured light vision system with three line lasers and a monocular camera. The lasers project lines onto the surface of the satellite, and six break points are formed along both sides of the adapter ring. A closed-form solution for real-time pose estimation is given using these break points. Then, a virtual structured light platform is constructed to simulate synthetic images of the target satellite. Compared with the predefined camera parameters and relative positions, the proposed method is demonstrated to be more effective, especially at a close distance. Besides, a physical space verification system is set up to prove the effectiveness and robustness of our method under different light conditions. Experimental results indicate that it is a practical and effective method for the pose measurement of on-orbit tasks.     

翻滚非合作目标逼近与跟踪的轨道和姿态控制

面向近距离逼近与捕获翻滚非合作目标的在轨服务空间清理任务需求,研究了航天器非合作式交会对接的轨道和姿态控制问题。在控制输入受限约束下,考虑存在参数不确定性和外部扰动的情况,结合滑模控制和自适应控制技术,分别进行鲁棒自适应位置和姿态控制器设计。利用自适应控制估计参数不确定性、未知干扰上界以及滑模控制反馈系数矩阵,提高了系统的鲁棒性。通过李雅普诺夫理论证明了系统在控制器作用下全局一致最终有界稳定。仿真结果验证了控制器的有效性,能够有效解决与高速旋转非合作目标的稳定相对位姿关系建立的难题。     

非合作慢旋目标即时状态位姿确定

对失效卫星等非合作慢旋目标进行在轨服务，需要精确测量追踪航天器与目标之间的姿态信息。因此，如何在复杂的光照条件下快速、准确地对非合作慢旋目标进行即时状态位姿确定具有一定的挑战性。应用ORB-SLAM技术，首先定位关键帧，并估计姿态。然后用当前帧的特征点与地图点对应的特征点进行匹配。最后，将完成匹配的特征点通过重投影确定其在地图中的位置，如果出现跟踪丢失，则根据已有的地图点估计姿态。实验结果表明：在复杂的光照条件下，分别对以10(°)/s角速度运动和以3(°)/s角速度运动的非合作目标进行测量，当测量稳定后，平均角速度误差约为0.1(°)/s和0.02(°)/s，可以满足工程上空间非合作目标相对姿态测量的精度要求。     

捕获非合作目标后航天器的自主稳定技术研究

捕获非合作目标后航天器质量特性发生突变,这大大地增加了系统的不确定性,控制不当容易导致失稳.为避免控制过程中航天器出现较大系统干扰问题,提出了先识别捕获后的系统质量特性,而后合理摆放非合作目标的自主稳定策略.首先,对航天器捕获过程和自主稳定策略进行了描述;其次,依据动量矩定理建立了非合作目标与航天器组合系统的数学模型,推导了非合作目标位置与质量特性之间的关系;然后,基于航天器数学模型和姿态测量信息,采用非线性规划方法对质量特性进行了辨识;最后,利用滑模变结构理论设计了非合作目标的控制回路,采用Lyapunov理论对系统的稳定性进行了分析.仿真结果表明:本文提出的自主配平策略响应快、精度高,适合在轨服务.     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。