基于点云的空间非合作目标初始相对位姿获取

针对空间非合作目标相对位姿解算对点云迭代最近点(ICP)算法迭代初值要求较高，易产生误匹配等问题，提出了一种基于点云分割与点云关键点的ICP初始迭代位姿获取方法。首先，考虑到非合作目标可能具有的高度对称外观，基于LCCP点云分割算法与点云Harris关键点，在已知目标外轮廓点云基础上，设计了点云ICP初始迭代位姿获取方法。该方法具体流程为：点云降采样处理与关键部分提取、关键部分点云多角度预变换处理、最佳点云匹配及初始迭代位姿获取。最后，以某通信卫星模型搭建虚拟验证平台，使用本文提出的方法给出ICP迭代初始位姿并进行对比实验。结果表明，本文提出的点云ICP迭代初始位姿获取方法可有效规避非合作目标高度对称带来的误匹配，可给出较精确的相对位姿。     

高轨失稳目标单载荷相对位姿测量方法

针对线阵扫描型激光雷达在探测高轨失稳目标过程中,发生时空非定常点云数据畸变,而需多载荷协同方式测量相对位姿问题,提出一种激光雷达同向差分扫描测量方法。该方法基于运动目标畸变点云信息瞬时拓扑结构不变性,首先对相邻两次扫描的畸变点云进行配准来获取目标运动增量、解算目标瞬时运动参数。其次,逐条恢复畸变扫描线点云所处目标真实几何位置、完成目标三维重建。然后以目标三维模型为初始位姿基准,通过设定增量次数阈值不断更新位姿基准实现误差自标定。最后通过叠加位姿增量获取目标相对位姿。该方法在缺失非合作目标先验信息的情况下,仅使用单一载荷,不仅实现了目标三维点云模型的重建,而且精确测量了空间非合作目标相对位姿。     

结合极化自注意力机制的空间目标位姿估计

利用深度学习强大的特征提取能力和残差网络的捷径反馈机制，设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力，将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中，对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立，将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中，在姿态信息回归分支中，对姿态信息进行软分配编码，相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证，所提算法对空间目标位姿估计取得了更好的估计结果。     

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。     

非合作大目标位姿测量的线结构光视觉方法

空间机器人与非合作大目标交会接近最终段,单目相机不能获取完整的特征图像而无法完成相对位姿测量。针对此问题,提出基于线结构光和单目视觉的相对位姿测量方法。以非合作大目标上的局部矩形特征为测量对象,首先,建立相对位姿测量模型并给出四个测量坐标系之间的关系;其次,通过相机对不完整矩形和线结构光的约束获得四个特征点在相机坐标系下的坐标;然后,利用四个特征点计算相机坐标系与目标坐标系之间的转移矩阵;最后,将转移矩阵分解得到矩形特征的相对位姿。通过改变影响测量精度的输入误差和标定误差等因素对该方法进行仿真验证,结果表明该测量方法是有效的。     

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。     

空间失稳目标线阵成像畸变分析与三维重建

针对线阵扫描型激光雷达在非合作失稳航天器三维模型重建过程中，存在运动目标线扫数据畸变且目标因失稳导致运动特性难以准确估计问题，提出一种带畸变自修正式三维重建方法，并进行畸变容忍度临界值分析。该方法基于测量系统的角精度与测距精度设计畸变容忍度临界值判定条件，首先根据实际工况与判定条件进行比对，判定是否对线扫数据进行初始畸变恢复；其次，对相邻扫描带畸变点云依次进行配准获取目标运动增量、解算目标瞬时运动参数；然后对目标运动参数进行自修正式处理，去除特征突变点干扰；同时依次恢复点云到初始几何位置，完成初始目标三维重建；最后，通过系统进一步迭代，位姿增量自收敛直至最终满足重建精度要求。仿真结果表明，该方法在缺失非合作目标先验信息的情况下，能够有效避免因线扫描导致的畸变问题，并较为快速地实现满足精度要求的目标三维重建，有较强的鲁棒性。     

大型空间碎片机械冲击消旋位姿计算方法研究

研究了机械冲击消旋的作用机理,针对大型空间碎片的消旋问题,提出了机械冲击消旋位姿的计算方法。在空间碎片运动状态已知的情况下,基于矢量合成方法在空间碎片表面上搜寻合适的冲击位置。建立空间碎片机械冲击主动消旋的运动学模型,计算空间碎片不同位姿状态的冲击位姿,并分析冲击后的角动量变化规律。结果表明,在冲击点满足形成力偶矩的条件下,多点机械冲击可有效减小空间碎片的角动量。研究成果对于发展机械冲击主动消旋方法,提高大型空间碎片捕获效率具有重要意义。     

基于视觉的含章动小天体运动状态估算方法

针对航天器在轨运行以及空间垃圾处理等任务中需要获得两个物体之间的相对位姿,由于测量距离较大且测量目标上不能装载对应的合作靶标,需要进行大视距非合作目标位姿测量的问题,文章在绕飞段深空探测器能够捕获到近距离高清晰的目标天体图像的基础上,提出了一种基于视觉的同步定位与建图(SLAM)的翻滚小天体相对位姿估算方法,将移动机器人视觉SLAM理论推广到"相机静止,目标运动"的空间翻滚小天体相对位姿测量中,经仿真验证,结果表明:此方法可以得出翻滚小天体的位姿信息,可为视觉估计小天体位姿提供参考。     

空间非合作目标超近距离位姿测量技术研究

对一种基于显著特征点的空间非合作目标超近距离位姿测量技术方案进行了研究。给出了方法的流程。介绍了非合作目标捕获与跟踪、特征提取、特征匹配、三维结构重建、相对位置与相对姿态测量等关键技术。仿真结果验证了其可行性。     

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。     

太空非合作遥感卫星三维重建点云的平面滤波方法

受太空环境光照条件弱、卫星高速运动、卫星表面纹理匮乏等因素的影响,太空非合作遥感卫星的三维重建点云中往往会存在大量噪声,给太空非合作目标的准确探测带来了非常不利的影响。文章以非合作遥感卫星的形状特征作为先验知识,提出一种三维重建点云的平面滤波方法。针对点云噪声的不同特点,首先利用统计分析滤波方法消除离群离散点噪声;其次,利用改进的区域生长聚类方法,分割出点云模型中的平面结构与离群点簇噪声;然后,分别用RANSAC算法和最小二乘法对平面结构进行滤波,并将平面结构附近的噪声点垂直投影至平面内,去除模型表面噪声。实验结果表明,该优化方法可以有效去除非合作遥感卫星三维重建点云中的大部分噪声,得到卫星平面结构的光滑点云数据。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。     

空间飞行器交会对接相对位置和姿态的在轨自检校光学成像测量算法

空间飞行器交会对接的最后逼近阶段，通常采用光学成像敏感器来测量跟踪飞行器和目标飞行器之间的相对位置和姿态。考虑到飞行器在轨运行期间，CCD相机受空间环境的影响，其内参数会发生变化的实际情况，提出了一种单CCD在轨自检校光学测量方案，其主要特点是飞行器在执行测量任务时，可同时进行相机内参数的自检校。首先根据严格的中心投影共线条件方程，推导出目标飞行器光学特征点坐标和对应的像点坐标与内参数及相对位置和姿态的严格解析关系；然后建立了内参数及相对位置和姿态的解析表达式；提出了目标航天器上光学特征点的布设要求。通过严格的理论分析和数值仿真，单CCD在轨自检校光学测量方案具有可靠性高、精度高、算法易实现、适应能力强等优点。     

空间失稳目标线阵雷达成像机理及三维重建

利用线阵激光雷达载荷小、抗干扰能力强等优势，研究空间失稳目标动态测量技术。探究线阵激光雷达成像机理，建立空间失稳目标运动模型，提出基于双切片法的目标可测区域提取机制，实现线阵激光雷达对空间失稳目标的驻留观测扫描；以ICP(Iterative closest point)配准结果为先验信息，提出逆序重建方案，建立重建点云精度以及平均密度评价机制，分析数据冗余对重建精度的影响，采用采样降维的方法进行配准重建计算，提高重建结果精度；最后进行仿真实验检验分析，实验结果表明空间目标可测部位数据提取合理准确，数据输出频率可达 1 Hz ，重建结果满足任务指标要求，重建点云平均密度达到19 mm，重建点云精度达到90 mm，为地面验证及在轨应用提供数据支撑和参考。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题，从优化卷积神经网络结构的角度出发，本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛，提升网络的学习效率。本文首先建立舰船目标模型，分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异，然后利用四种信号对舰船目标模型生成数据集，最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下，本文所提方法对四种信号的识别准确率达到98.1%，表明所提方法有着较好的稳定性和鲁棒性。     

一种卷积神经网络非合作目标姿态测量方法

针对空间非合作目标姿态测量问题，提出一种基于卷积神经网络的非合作目标姿态视觉测量方法。该方法先设计特征提取网络并利用公开数据集进行预训练，用少量实际目标图像进行迁移学习，实现非合作目标图像高层抽象特征的自动提取；再设计基于回归模型的姿态映射网络，建立图像高层特征与三轴姿态角之间的非线性关系，实现非合作目标的姿态测量。实验验证了两类特征提取网络测量精度和参数量大小，测量精度可达 0.711° (1σ),表明了“单目相机+卷积神经网络”方法的可行性。