基于2D/3D多特征融合的近距离空间非合作目标相对测量方法

面向空间在轨服务重大应用需求,以提高系统自主性和空间环境适应性为目标,发展了一种空间非合作目标三维重建、目标识别和位姿估计一体化的近距离相对测量方法。该方法基于二维图像信息和深度数据,通过数据融合并重建出非合作目标的稠密三维模型,接着基于快速迭代最近点配准算法,提出基于SIFT和SHOT特征融合的三维识别方法,为系统的相对位姿估计提供有效的参数初始化。本文方法可进一步减少地面的干预,增强在轨服务系统的自主性,扩展系统的工作范围。地面仿真实验验证了该方法的可行性和有效性。     

空间非合作目标未知构型重建质量评估方法

针对基于线阵激光雷达扫描重建获得的三维模型,因其构型未知,无法通过模型对比进行质量评估,本文着重研究未知构型的质量评估方法。首先,采用3σ优化的最小二乘法对空间非合作目标点云平面与直线进行拟合;其次,从点云密度、重建几何性质、表面完整度进行重建质量评估,再基于上述三种评估方法建立多因素综合评估数学模型,对三维重建结果进行满意度质量评估;最后通过仿真实验验证评估方法,获得多因素综合评估满意度为95.5889%,实验结果表明该评估方法合理且具有参考价值。该研究不仅能验证基于线阵激光雷达三维重建结果的精度,还为空间非合作目标未知构型质量评估提供一种新的研究思路。     

一种基于图割的稠密三维场景重建算法

立体视觉技术是自主探测机器人在未知环境中获取信息的重要手段,通过对可视场景的稠密三维重建实现导航、定位及路径规划等一系列工作。本文在候选点匹配的基础上结合图割理论,首先在世界坐标系建立代表深度信息的网格节点,接着依据区域匹配算法对候选点进行初步筛选,去除大部分相关值较低的节点,建立简化的网格图,最后通过寻找图中最小割来实现能量函数的全局最小,完成稠密的三维场景重建。实验证明,相关阈值γ设为0.6时,简化网格图的重建精度和计算效率达到相对平衡。图割算法解决了候选点测量时潜在的匹配歧义问题,且对低纹理区域有较好的匹配效果。     

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。     

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。     

月球车立体视觉的一种标定与三维重建算法

为提高月球车视觉系统的摄像机标定和图像的三维重建精度,提出了一种基于多平面标定点的改进Tsai氏两步法,用线性重建算法对标定和匹配结果进行空间景物点的重建,根据最小二乘曲面拟合原理拟合视场区域的基本轮廓。对一标定模板的标定和图形的三维重建结果表明,该算法的精度高、速度快,可用于月球车立体视觉系统。     

采用单目视觉的非合作目标星状态估计

针对微小卫星逼近观测未知的空间翻滚非合作目标星任务，提出一种基于单目视觉的目标星相对状态估计方法。在建立追踪星/目标星相对运动模型的基础上，以单目相机识别并测量获得的目标星固有特征的像素位置为观测输入，通过扩展卡尔曼滤波算法实现对目标星相对位置、相对速度、相对姿态、角速度、惯量比和特征位置等状态的估计。仿真结果表明,该方法能够很好地实现对未知非合作目标星的相对状态估计，姿态估计误差小于2°，位置估计误差小于0.1 m，特征点位置平均估计误差小于0.04 m。     

基于纹理特征多分辨双Markov-GAR模型的SAR图像分割

为了提高SAR图像分割精度,提出在以灰度共生矩阵产生的纹理统计量为特征所生成的图像上,同时考虑SAR图像像素间空间分布特征和局部灰度均值和方差等统计量给出多分辨双Markov框架下的GAR模型,采用多分辨MPM的参数估计方法及对应的无监督分割算法,对SAR图像进行纹理分割。实验结果表明该方法用于一些高分辨SAR图像,与基于灰度图像上的多分辨双Markov-GAR模型纹理分割相比,在分割精度上能降低分割时的错分率。     

基于各向异性和非线性正则化的湍流退化图像复原

提出了一种基于各向异性和非线性正则化的湍流退化图像复原新算法。为了有效地从湍流退化图像中估计出退化模型，在湍流点扩展函数的优化估计过程中合理地融合了有关湍流点扩展函数的一些基本的先验知识。首先，将点扩展函数的非负性和光滑性约束加入到目标函数中。再针对湍流点扩展函数的衰减性质，建立了一个具有非线性和空间各向异性的正则化函数，使其在重建点扩展函数时能适当地进行空间梯度平滑。由此通过迭代极小化目标函数来优化估计湍流点扩展函数值，进而恢复图像。对各种噪声条件下的湍流退化图像进行了恢复实验，实验结果表明本文算法具有较强的稳定性和抗噪能力。     

对空间碎片的相对位姿估计

针对几何、质量特性参数均未知的空间碎片,提出一种基于扩展卡尔曼滤波（EKF）的相对位姿估计算法。该算法以单目相机获得的目标图像特征视线信息作为测量输入,以目标姿态、姿态角速度、惯量比、相对位置、相对速度和特征位置作为滤波状态。对算法进行可观性分析,给出两个可以保证算法可观性的条件。分别针对不同条件进行数值仿真,仿真结果表明新算法能够对几何和质量参数未知的空间碎片进行有效的相对位姿 估计。     

空间目标三维重构误差分析与相机参数设计方法

针对空间目标三维重构任务中的相机参数设计问题，提出一套由目标重构精度反演观测相机参数及观测方案的方法。通过梳理三维重构误差传播机理，将误差传播归结为相机内参数影响特征点齐次坐标和齐次坐标影响重构精度两个过程，给出了三维重构误差计算方法。基于误差下限分析计算结果，给出了观测距离、拍照间隔与相机姿态指向等任务参数的设计原则，建立了由重构精度反演相机焦距和像素尺寸的方法，形成一套以重构精度为核心指标的观测方案和相机参数设计方法。针对模拟空间目标的仿真试验校验了重构误差估算算法及相机参数和观测方案设计方法的有效性。     

单目-无扫描3D激光雷达融合的非合作目标相对位姿估计

针对传统的利用单一视觉传感器难以实现复杂非合作空间操控导航的问题,提出一种基于单目相机与无扫描三维激光雷达融合的非合作目标相对位姿估计方法。首先,设计了基于成像几何关系的单目纹理-非扫描距离图像的快速配准与融合方法;之后,在构建目标同步定位与建图（SLAM）贝叶斯滤波模型基础上,提出一种扩展卡尔曼滤波-无损卡尔曼滤波-粒子滤波联合的滤波估计算法,可实现尺度模糊下相对位姿的快速鲁棒估计;其次,针对估计中的尺度模糊问题,提出基于融合图像的全局尺度系数确定方法,将尺度系数估计问题转化为简单线性滤波问题。基于OpenGL生成的2D/3D图像实验表明：所提出的方法具有较优的精度和鲁棒性;相对位置估计误差与尺度估计误差相关,二者近似成线性正比关系。     

基于深度学习的目标检测框架组件研究

深度学习与计算机视觉的结合给目标检测研究领域带来了全新的检测模式,通过对基于深度学习的目标检测网络分析研究,目标检测网络框架可模块化地拆分为特征提取网络、多尺度融合和预测网络三个部分。从组成目标检测网络模块化的角度对各个模块进行了详细的分析综述,并给出了如何根据实际需求来构建适合的模型框架建议,为基于深度学习的目标检测方法研究提供参考。     

一种利用PCA的导弹轨迹重建方法

非同时刻成像将大幅恶化立体视觉方法对导弹的轨迹点重建精度和射向估计精度,针对这一问题,该文提出了应用主成分分析(PCA)重建导弹轨迹并且估计导弹射向的方法。论文在同步轨道双星观测条件下推导了将PCA方法应用到导弹轨迹重建及射向估计的原理,论证了目标三维轨迹最小方差投影直线在像面上的投影即为目标成像轨迹的最小方差投影直线,给出了通过求取目标成像轨迹的最小方差投影直线重建导弹发射面和轨迹点的算法。仿真实验表明了该方法可以有效地进行弹道轨迹的三维重建及射向估计,与现有方法相比,PCA方法重建精度更高,相机定标误差在一定范围内时,射向估计误差更小。     

空间站脉冲编码被动式交会对接合作目标三维跟踪

针对空间站交会对接(RVD)过程中合作目标在视频中周期性发光的特点,提出基于累积帧差法的合作目标检测方法及相应的跟踪窗口确定方法,建立合作目标状态的识别机制。在跟踪过程中,针对均值漂移算法容易受到图像背景干扰产生较大跟踪偏差的问题,在光流计算的基础上,提出一种基于线搜索的二维跟踪算法。通过分析敏感器采集的视频,验证了文中提出的算法能够准确地检测和跟踪图像序列中的合作目标,进而结合像机位姿估计算法,连续地估计像机位姿在三维空间中的变化。     

基于未知地标被动观测的飞航导弹SINS俯仰姿态误差估计方法

针对飞航导弹单独使用时SINS存在姿态估计精度随时间降低的问题,提出了基于未知地标被动观测的SINS俯仰姿态误差估计方法。首先,根据飞航导弹中制导段飞行的特点,把SINS俯仰姿态误差估计问题转化为攻角估计问题。然后,在不改变导弹巡航路径的前提下,利用弹上成像导引头对视场内任意未知地标连续被动观测,分别提出了弹体坐标系和速度坐标系下的攻角估计方法,并分析了观测噪声对量测方程系数的影响。最后,利用平均去噪的思想对估计结果进行处理,提高了SINS俯仰姿态误差的估计精度。仿真结果表明：两种方法都能有效估计出飞航导弹SINS俯仰姿态量测误差。     

反馈式多目标多传感器系统误差融合估计技术

本文对多目标情况下的多传感器系统误差估计问题进行了研究,提出了反馈式多目标多传感器系统误差融合估计算法。算法首先对EX算法进行了修正,无需计算各目标状态估计及其增益伪逆,直接利用各传感器量测数据来构建伪量测,通过滤波获得局部传感器组合系统误差估计;其次,算法通过构建状态空间转移矩阵实现了全局估计到局部组合估计关系描述,并从多目标多传感器两个层面对系统误差估计进行更新,即对多目标信息进行递归融合以有效利用空间分布的多目标信息,对多传感器组合估计信息进行反馈融合获得全局估计。蒙特卡洛仿真结果说明该算法能够进行多传感器系统误差的快速精确融合估计,相比EX算法在实时性与估计精度方面均具有较大的优越性。
     

攻击角度约束下的分布式强化学习制导方法

为提高导弹在攻击角度约束下对目标的打击效能，提出了一种基于深度确定性策略梯度算法的分布式强化学习制导策略。为了最大限度地减小攻击角度误差，设计了一种新的奖励函数，使导弹在满足视场角约束的同时，视线角向期望值收敛。此外，为了增强强化学习模型的泛化能力，提出了一种分布式探索策略，提高了模型训练过程中对环境的探索效率。仿真结果验证了所提出的分布式强化学习制导方法能够在固定攻击角度约束下实现对目标的精准打击。与传统制导律相比，所提制导方法的攻击角度误差更小，收敛速度更快。     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。