基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.      

一种基于Particle Filter的攻击目标高度估计算法

利用目标高度估计确定目标攻击要害点是精确制导武器信息处理中的一个重要内容。传统方法主要有直接利用几何方法估计和扩展卡尔曼滤波器方法,这两种方法精度都不高。Partic le F ilter是一种新出现的滤波方法,在解决非线性问题中得到了广泛应用。利用Partic le F ilter设计了一种新的目标高度估计算法。该算法通过贝叶斯递推方法,避免了在测量方程非线性很强的时候,扩展卡尔曼滤波器不合理的线性化所带来的误差。仿真结果表明,这种基于Partic le F ilter的目标高度估计算法提高了估计精度和收敛的鲁棒性。     

实时建模的自适应跟踪卡尔曼滤波器

本文提出了一种新的机动目标自适应跟踪卡尔曼滤波器。其基本思想是:通过统计方法录取加速度数据,实时建立其AR模型,通过前、后项预测作机动指令估计。由于选择了新的机动加速度量,从而得出线性的状态方程,由机动指令的实时估计得到机动目标自适应跟踪卡尔曼滤波器。 在PC—8000开发系统上的数字仿真结果表明其在各种机动情况下都具有较高的距离、速度和加速度估计精度。     

一种小行星探测陆标导航方法

针对小行星探测下降着陆段精确相对导航问题，提出了一种基于Stereophotoclinometry (SPC)陆标的相对导航方法.该方法先采用SPC光照模型渲染陆标的预测图像，再利用双线性插值从观测图像中生成陆标的提取图像.通过组合相关匹配实现预测图像与提取图像的高精度匹配，得到陆标中心点对应观测图像位置，即可利用N点透视(PNP)算法进行相机位姿估计.仿真结果表明，该方法在初始相机位姿偏差较大时也能达到亚像素的图像位置确定精度，并且具有较好的实时性.     

自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统，提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF)，其过程是通过将Sage Husa噪声估计器推广到非线性系统，得到更为一般的噪声估计的递推形式，它与高斯—厄米特滤波器(GHF) 相融合，得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明，当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时，与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比，AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.     

基于地月合影图像的“嫦娥5T”指向校正算法

以"嫦娥5T"地月合影图像作为基本数据,提出一种基于信息融合的相机指向校正方法。首先利用形态分析从合影图像中提取天体的形心坐标,然后构建目标函数,通过优化算法估计相机的安装误差矩阵。该方法的典型优势是只需要利用单个相机对天体所成的单幅图像,便可快速确定相机指向。仿真数据和实测数据得到相机指向误差估计值的偏差保持在1%度量级,证明了算法的有效性。算法可以为实际工程任务和应用提供参考。     

基于平行光管与二维旋转平台的长焦相机内参标定

长焦镜头能够采集位置更远的图像,而长焦镜头成像的特殊性对传统相机标定方法提出了挑战。针对这一问题，阐述了一种基于平行光管和二维旋转平台的相机内参标定方法。长焦相机被架设在二维旋转平台上，对放置在平行光管内的透过式棋盘格成像。通过旋转二维平台,改变相机的位置，可以得到不同位置下清晰的棋盘格图像。采集了棋盘格格点的像素坐标以及二维平台的角度数据,建立了合适的模型，优化求解出了长焦相机的内参参数，实现了实验室内对长焦镜头的标定。由模型计算得到的重投影棋盘格角点的图像坐标与在实际图像中检测到的棋盘格角点坐标相比，平均误差约为0.5个像素,这验证了算法的可行性。     

基于脉冲星和紫外敏感器的自主定轨定姿授时研究

为提高深空探测器的自主导航能力, 利用脉冲星导航的脉冲到达时间和脉冲星 角位置测量值、紫外敏感器中心天体质心相对于探测器的方向矢量和距离测量 值以及紫外敏感器输出的航天器姿态角, 以探测器在惯性坐标系下的位置和速度、 探测器本体坐标系相对于惯性坐标系的姿态角、星载时钟钟差为系统状态变量, 通过联邦扩展卡尔曼滤波器估计组合导航系统的系统状态, 并利用火星环绕段 轨道数据进行仿真实验. 仿真结果表明, 该组合导航方法能够使火星轨道器 在环绕段飞行中同时进行定轨、定姿和授时, 且具有较高的导航精度和授时能力.      

基于单目三维重构的空间非合作目标相对测量

为了解决非合作目标的相对测量问题,提出了一种基于单目图像序列目标重构结果的非合作目标相对位姿测量方法。该方法将目标的三维重构与相机的位姿信息计算相结合,首先利用观测前期得到的图像序列,通过非线性优化算法计算得到目标上部分三维点坐标;然后基于该三维点集合,建立递推深度模型,对相机的相对位姿信息和新观测到的目标点同时进行卡尔曼滤波估计。航拍测量试验表明,随着图片数量的增多,精确重构点的比例（重投影误差小于1个像素的点）不断提高,80%的图像中精确重构点比例优于89%;基于公共数据集的试验表明,该算法对姿态估算精度可达1°以内,位置测量的精度可达到2cm以内。以上试验结果表明,该算法具有较高的测量精度。     

基于并行扩展卡尔曼滤波的自主卫星星座导航方法

针对星间距离测量容易受到外界干扰的问题，提出了一种适用于多颗地球卫星和一颗月球卫星的卫星星座自主导航的并行扩展卡尔曼滤波算法.通过解决噪声统计不确定情况下的测量调度问题来选择适当的测量，降低干扰的影响.为了自适应地选择适当的测量，提出一种基于不同来源的测量构造多个子集的并行扩展卡尔曼滤波器，其中每个扩展卡尔曼滤波器用于处理不同测量子集，并基于残差序列计算子滤波器的权重，组合并行滤波器的估计结果.通过与EKF和传统的多模型自适应估计算法进行比较，表明所提出方法在干扰条件下的三轴位置估计误差的稳定性，体现了性能优势.     

一种高动态条件下惯性星光组合定姿方法

针对高动态条件下星图拖尾导致惯性星光组合定姿精度下降甚至无法定姿的问题,提出了一种基于乘性扩展卡尔曼滤波的惯性星光深度组合姿态确定方法.利用星敏感器观测信息修正姿态误差,补偿陀螺漂移,并建立了陀螺输出的角度变化量与星图像移的关系,利用陀螺输出信息估计星图拖尾的模糊参数,采用维纳滤波复原方法对产生拖尾的星图进行复原以提高星图信噪比和观测精度.仿真结果表明该方法可以有效提高星像质心提取精度和星图识别率,对初始姿态误差修正更快,且不存在星图误匹配的情况,保证了惯性星光组合定姿方法在高动态条件下仍能保持较高的精度.     

基于陆标图像的天体定点着陆信息融合导航方法

要安全准确着陆于地外天体指定地点,探测器在下降过程需实时精确确定其相对位置和速度.针对惯性导航结合斜距和相对速度测量的导航方式不能修正相对水平位置估计的缺点,以及多敏感器测量信息融合问题,提出基于陆标图像和协方差交叉算法的天体定点着陆自主导航方法.将光学成像敏感器加入到组合导航系统中,用于测量探测器相对陆标的视线方向以获得关键的相对水平位置信息.在状态估计时采用基于协方差交叉的分布式扩展卡尔曼滤波对多源测量信息作最优融合,提高算法的精度和鲁棒性.通过数学仿真验证了该方法的有效性.     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器，采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度。通过状态滤波器和参数滤波器的配合，提升滤波精度，完成运动状态和参数的估计，从而实现合作目标的运动轨迹跟踪。与合作航天器相比，非合作航天器存在大小未知、发生时刻未知的机动，无法获得加速度，且信息获取和运动状态的估计难度大。针对非合作航天器，基于简化的相对运动方程，结合天基平台获得目标的观测信息，采用两个扩展卡尔曼滤波(EKF)及基于半正焦弦的机动检测策略实现多未知脉冲机动的运动状态的估计。仿真结果表明：相比于无迹卡尔曼滤波（UKF），DUKF在对合作航天器的状态和加速度估计方面具有更快的收敛速度和更高的滤波精度；对于存在未知机动的非合作航天器，通过对比验证机动检测策略与滤波器切换策略相结合的方法的有效性，该方法能够检测到多次机动并且减少误判。     

无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题，提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯，并将其作为视觉测量的特征点，并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置，再将三维位置与特征点在图像中的成像位置相匹配，最后使用EpnP算法求解出无人机的位置和姿态。在实验部分，利用三轴移动平台和三维转台，分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明，位置解算误差在2%以下，姿态误差在8%左右。同时，该算法的处理时间在2 ms左右，该算法可以满足无人机对定位的实时性和精度的要求。     

大尺寸工件直线度视觉测量系统中摄像机标定的研究

根据大尺寸工件直线度激光视觉测量系统的现场标定需要,从分析点结构光传感器模型入手,推导了计算机像平面坐标系到世界坐标之间的映射关系,借助转轴实现系统旋转扫描测量;介绍了系统中摄像机坐标系、传感器坐标系、转轴坐标系、标定块坐标系及全局坐标系等各个坐标系的转换关系,结合测量系统特点设计了特有的靶标,提出了适于大尺寸工件视觉检测系统摄像机参数及全局标定方法。实验表明,该方法快速,可用于现场标定。     

基于SSUKF的航天器自主导航算法

针对航天器自主导航系统对稳定性、精确性和实时性的要求,将超球面分布采 样点变换SSUT(Spherical Simplex Unscented Transformation)和Unscented卡尔曼滤波(UK F)相结合,研究了基于SSUT的UKF(SSUKF)导航滤波算法.由于SSUT减少了采样点个 数,在保证滤波精度和标准UKF相当的条件下减轻了计算负担.根据UKF和扩展卡尔曼滤波(E KF)计算过程相似的特点,设计了SSUKF和EKF相结合的混合卡尔曼滤波算法.算法通过能够 度量估计误差的模式切换函数,可以自适应地在SSUKF和EKF之间切换,避免了UKF计算效率低 以及EKF对滤波参数敏感、容易发散的缺点.数值仿真结果表明,混合卡尔曼滤波器提高了 计算效率,保证了估计精度,具有良好的鲁棒性,适合于航天器自主导航系统.      

Autonomous space target tracking through state estimation techniques via ground-based passive optical telescope

The presence of operational satellites or small-body space debris is a challenge for autonomous ground-based space object observation. Although most space objects exceeding 10?cm in diameter have been cataloged, the position of each space object (based on six orbital parameters) remains important and should be updated periodically, as the Earth’s orbital perturbations cause disturbances. Modern ground-based passive optical telescopes equipped with complementary metal-oxide semiconductors have become widely used in astrometry engineering, being combined with image processing techniques for target signal enhancement. However, the detection and tracking performance of this equipment when employed with image processing techniques primarily depends on the size and brightness of the space target, which appears on the monitor screen under variable background interference conditions. A small and dim target has a highly sensitive tracking error compared to a bright target. Moreover, most image processing techniques for target signal enhancement require large computational power and memory; therefore, automatic tracking of a space target is difficult. The present work investigates autonomous space target detection and tracking to achieve high-sensitivity detection and improved tracking ability for non-Gaussian and dynamic backgrounds with a simple system mechanism and computational efficiency. We develop an improved particle filter (PF) using the ensemble Kalman filter (KF) for track-before-detect (TBD) frameworks, by modifying and optimizing the computational formula for our non-linear measurement function. We call this extended version the “ensemble Kalman PF-TBD (EnKPF-TBD).” Three sequential astronomical image datasets taken by the Asia-Pacific Ground-Based Optical Space Objects Observation System (APOSOS) telescope under different conditions are used to evaluate three proposed TBD baseline frameworks. Given an optimal random sample size, the EnKPF-TBD exhibits superior performance to PF-TBD and threshold-based unscented KF with two-dimensional peak search (2dPS). The EnKPF-TBD scheme achieves satisfactory performance for all variable background interference conditions, especially for a small and dim space target, in terms of tracking accuracy and computational efficiency.