标准数字化在航天领域实施路径的思考

介绍了标准数字化的概念和国内外标准数字化研究及应用进展，以航天领域数字化转型探索为契机，结合数字化条件下对标准化工作的需求分析，提出航天领域标准数字化转型的思路和实施路径，以期对航天领域标准数字化转型应用提供借鉴和参考，支撑和保障“航天强国”目标和“数字航天”战略的实现。     

惯性/视觉/激光雷达SLAM技术综述CSCD

同时定位与建图(SLAM)技术已广泛应用于各类自主移动平台中,其中视觉SLAM和激光雷达SLAM是两种主要的SLAM技术方案。然而,视觉SLAM系统易受视觉环境变化的影响,而激光雷达SLAM系统则在结构单一等环境中会出现精度退化甚至失效的情况。随着智能移动平台应用场景的不断拓展,对SLAM系统的精度和鲁棒性等提出了更高要求,将多种具有互补性的传感器进行融合是提升SLAM系统性能的有效途径。据此,聚焦惯性/视觉/激光雷达多传感器融合SLAM技术,从多传感器标定和多源数据融合两个主要方面进行综述,最后对多传感器融合SLAM技术的发展趋势进行了展望。     

基于改进Cycle-GAN的光流无监督估计方法CSCD

卷积神经网络为光流的计算提供了一种新的方式,但作为一种数据驱动技术,用于训练网络的大规模光流真值在现实世界中不易获取。为了解决这个弊端,基于Cycle-GAN的循环对抗机制,提出了一种光流无监督估计方法。首先,引入双判别器机制在生成器生成的光流样本的底层和高层特征上进行鉴别,迫使生成器提高光流生成的精度。其次,引入Spynet作为教师网络,在生成器训练前期对其进行指导,防止网络陷入模式崩塌。最后,改进损失函数,提出了光流一致性损失和轮廓一致性损失函数,进一步提升光流估计精度。实验结果表明,与现有的先进算法相比,提出的方法达到与有监督算法相同的精度水平。     

基于旋转搜索的相机位姿估计和对应点匹配

传统的同步位姿计算和对应点匹配（SPCD）算法采用两阶段交替迭代的方式计算相机位姿，求解精度较低。除此之外，传统SPCD算法依赖于局部搜索策略，无法保证找到全局最优解。为提升求解SPCD问题的精度和全局收敛能力，推导出了一种新的基于点和点约束的SPCD问题求解模型。基于新模型从角度距离出发构建优化目标函数，并利用分支定界搜索的方法寻找最优相机位姿和3D/2D匹配关系。实验证明：相比于传统SoftPOSIT算法，本文算法具有更高的求解精度和收敛率，并且可适用范围更广。     

基于视惯融合的大型空间碎片质心位置辨识

大型自由翻滚碎片的质心是在轨操作基坐标系下的不动点，也是碎片连体基下动力学参数向卫星坐标系转换的基准，对其精确识别是提高碎片动力学参数辨识精度的关键。提出基于惯性单元测量数据与双目视觉定位数据融合的大型空间碎片质心位置识别方法。基于无力矩欧拉方程，获取附着到空间碎片表面的惯性单元间转换关系，利用该转换关系对惯性单元冗余测量数据优化，再优化求解惯性单元到质心点距离；利用双目视觉获取惯性单元上标记点动态坐标，再利用惯性单元到质心点距离，基于三点定位原理识别大型空间碎片的质心位置。以加入高斯白噪声的惯性单元与双目视觉测量数据进行仿真，结果表明优化解算后惯性单元实时测量数据的误差降低到1%以下，解算的质心位置三轴误差小于0.47mm；开展了地面试验，结果表明，解算的质心位置三轴误差小于0.49mm。仿真和试验证明，该方法能够为大型空间碎片的消旋、捕获任务提供准确的数据基准。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法。首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习。其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复杂度。此外,设计了一种基于融合系数最大绝对值的融合规则,并根据过完备字典和融合后的局部约束线性系数实现融合图像的重建。最后,利用圆周滤波器提取舰船图像的候选区域。大量试验结果表明,在融合图像质量方面,所提方法在保留高频细节的同时将图像中的舰船目标有效增强了,MI、Q_w、Q^AB/F等客观评价指标优于同类算法;在实时性方面,所提算法的计算速度相比于采用匹配追踪算法的图像融合方案有明显提升。     

基于双目视觉的类脑三维认知地图构建方法

基于大脑导航神经细胞机理的类脑认知地图构建方法,为发展智能同步定位与地图构建(SLAM)技术提供了新思路.针对现有类脑认知地图构建精度不高的问题,提出了一种基于双目视觉的类脑三维认知地图构建方法.首先阐述了类脑三维认知地图系统的工作原理,然后论述了不同视觉里程计对认知地图精度的影响,研究了基于双目视觉里程计的类脑三维认知地图精度优化方法,最终完成了基于视觉数据集的类脑三维认知地图构建试验.试验结果表明,所提方法构建的视觉里程计地图的三维位置误差为总行程的2.14％,认知地图的三维位置误差为1.56％;认知地图精度与里程计精度呈正相关;系统通过模板匹配进行回环检测与校正,提高了认知地图的精度.     

基于FLoFTR算法的无人机实时在线地理定位

研制高效鲁棒的智能视觉定位方法是解决全球导航卫星系统（GNSS）拒止条件下无人机导航定位的重要途径之一。传统视觉定位方法存在精度较差、容易丢失定位的问题。本文提出一种FLoFTR算法，通过对高精度影像匹配算法LoFTR进行改进优化，在无人机计算平台上实现实时高精度定位。FLoFTR采用知识蒸馏方法压缩模型规模，提升推理效率，并通过改进特征提取模块和应用基于余弦距离的特征匹配方法，进一步降低了匹配时间并维持相当的匹配性能。在研制的软硬一体的平台上试验表明，优化后模型平均定位误差损失维持在0.1m以内，定位平均处理时间为47ms，定位速度提升超过7倍，可满足无人机定位的精度和实时性要求。