面向立方星的相对位姿测量视觉传感器设计

针对立方星在轨服务任务中的近距离相对导航问题，提出一种相对位姿测量视觉传感器设计。为应对空间复杂的光照条件，设计一种具有多层结构的立体靶标，选取波长为850nm的LED灯作为立体靶标的光源。在相机镜头处安装850nm的红外窄带滤镜以提高立体靶标成像质量。为提高视觉传感器的测量精度，提出一种迭代直接求解(iterative direct solution, IDS)的相对位姿估计算法。该算法直接利用立体靶标上的非共面点提供的深度信息获得初始相对位姿，然后引入Haralick迭代算法来优化初始测量结果。搭建六自由度实验平台对该视觉传感器进行性能测试。实验结果表明,该视觉传感器能克服背景光的干扰，且提出的 IDS相对位姿估计算法的精度优于经典的P3P算法和EPnP算法。     

航天器自主交会对接的视觉相对导航方法

针对航天器自主交会对接在最终逼近阶段的相对导航问题,研究了基于特征光标的航天器视觉相对导航方法。首先建立了小角度假设条件下的相对导航模型。给出了航天器相对位置和采用欧拉角描述的相对姿态的近似解析算法。其次利用相对姿态的解析解作为观测信息,采用降阶的无迹卡尔曼滤波方法对目标航天器的姿态角和惯性角速度进行了估计,间接得到了相对姿态和相对姿态角速度的估计值。数值仿真表明提出的解析算法能够有效获得相对位置和相对姿态测量信息,通过降阶滤波可明显提高相对姿态确定精度。     

基于双焦单目视觉的航天器间相对位姿确定算法

文章首先利用双焦成像算法确定航天器间的相对位置,再利用相对位置确定两个航天器间的相对姿态,最终获取相对位姿参数的解析解。在给定相机两个独立焦距条件下,对双焦深度估计误差进行分析,指出影响其精度的因素,并对相对位姿参数估计精度进行了讨论。最后,对该算法进行数学仿真,仿真结果表明该算法能够满足航天器相对位姿确定精度和实时计算要求。     

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。     

基于普吕克直线的交会对接相对位姿确定算法

为了描述航天器交会对接中的相对位置和姿态测量信息,提出了结合特征线的双目视觉测量以及普吕克直线方程来进行航天器交会对接的相对位姿测量算法。传统算法中航天器的相对位姿是分开测量和计算的,普吕克直线方程则统一描述了两个航天器的相对位姿信息。首先采用双目视觉算法计算得到目标航天器中两条非共面直线在追踪航天器下的坐标值,然后根据普吕克直线方程得到这两条直线在两个坐标系下的相对位姿关系,最后通过采用奇异值分解的方法解算出两个航天器间的相对位姿信息。仿真结果表明该算法不仅实现了位置和姿态的统一测量,而且能够满足航天器交会对接相对位姿的测量要求,验证了该算法的科学合理性与解算快捷性。     

二维三维信息融合的空间非合作

为实现位置和姿态的测量,常用敏感器包括激光类敏感器和双目立体视觉类敏感器.激光类敏感器的测量结果受目标反射特性的影响较大,而双目立体视觉敏感器的测量精度又受杂光和自身基线长度的限制.针对这两类敏感器在各自应用中存在的问题,提出一种融合二维三维信息进行位置和姿态求解的方法,综合利用二维和三维测量敏感器各自的优势来获取目标信息和进行相对位置姿态测量.通过算法仿真和试验验证了方法的可行性.     

基于陆标图像的火星精确着陆自主导航方法研究

针对火星精确着陆自主导航高精度的要求,提出一种仅利用火星地表陆标图像信息的自主导航方法。该方法考虑了图像拍摄到图像测量信息可用之间的时间延迟,将成像时刻探测器位置和姿态作为系统状态,利用其与探测器当前状态之间的相关性,并通过迭代扩展卡尔曼滤波算法实现对探测器当前位置、速度和姿态的估计。在该导航方法下,重点研究了导航陆标位置误差对导航精度的影响。最后,通过数学仿真验证了所给出的自主导航方法,并分析了导航陆标位置误差对导航精度的影响。     

二维三维信息融合的空间非合作目标姿态求解方法

为实现位置和姿态的测量,常用敏感器包括激光类敏感器和双目立体视觉类敏感器.激光类敏感器的测量结果受目标反射特性的影响较大,而双目立体视觉敏感器的测量精度又受杂光和自身基线长度的限制.针对这两类敏感器在各自应用中存在的问题,提出一种融合二维三维信息进行位置和姿态求解的方法,综合利用二维和三维测量敏感器各自的优势来获取目标信息和进行相对位置姿态测量.通过算法仿真和试验验证了方法的可行性.     

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。     

基于数据驱动的非合作航天器姿态估计与预测方法

针对临近操作对非合作航天器的相对导航问题，考虑角速度测量缺失以及视觉特征丢失，提出了一种融合乘性扩展卡尔曼滤波和姿态预测的框架，实现了对非合作航天器的姿态估计和预测。采用惯性参数对状态向量进行了扩维，在缺少角速度测量的情况下预估了非合作航天器的姿态和相对转动惯量的比值。基于函数拟合和神经网络分别设计了两种姿态预测方法，解决了传统方法误差随时间累积的问题，有效减少了计算成本。最后，通过数值仿真验证了滤波估计和姿态预测算法的实时性和准确性。