一种基于角点引导的快速立体边缘匹配方法

提出了一种新的基于角点引导的快速立体边缘匹配方法.在匹配过程中,为了保证其快速性引入了两种新约束:角点约束与边缘约束.首先,利用匹配的角点信息引导边缘的匹配,对如何利用已匹配的角点引导边缘匹配进行了详细的阐述,同时,在引导过程中提出了只利用8个方向的区域扩张方法,进一步保证快速性.其次,提出边缘约束实现点与点的匹配,使搜索范围仅限制在几个像素内,再利用极线约束实现点的匹配,必要时可结合灰度相关约束.结果表明:该算法取得比较好的匹配效果,引入的两种约束在很大程度上提高了速度和正确率,边缘点匹配的正确率高达97%以上.      

基于等高线和Fourier Polar变换的3D地形匹配导航方法

一种新的3D地形匹配导航方法。实时地形和参考地形分别用结构简单的等高线表示,地形导航转化为等高线的匹配问题。提出Fourier与Polar变换结合的等高线匹配方法,优点：利用图像整体频谱信息,不需寻找控制点,对一定的噪声和变形具有鲁棒性;Fourier变换易于硬件实现,具有一定的实际应用的优势。实现步骤：在参考等高线图中截取与实时等高线图大小相同的图;利用提出的算法配准这两幅等高线图,获得它们之间的旋转和平移量,从而纠正飞行器飞行姿态。本文理论上证明了构造的旋转平移不变算子的正确性,沙盘地形仿真实验结果表明本文算法具有强的抗噪声和抗变形能力以及高可靠性与精确度,对3D地形辅助导航系统具有重要的理论参考价值。     

基于深度学习的非合作航天器姿态估计

针对空间非合作航天器姿态测量时受光照和地球背景影响大的问题,提出了一种基于卷积神经网络的端到端姿态估计方法.在该方法中,主干网络采用AlexNet与ResNet.首先,移除主干网络末端的全连接层,并列连接3个全连接层,采用三分支网络分别对姿态角进行估计.然后,设计了将分类问题与回归问题相结合的损失函数,通过分类方法将姿态估计限定在某一范围内,再使用回归方法进一步微调姿态.姿态分类损失函数确定姿态角度基准点,姿态回归损失函数对估计角度进行微调.相较于仅采用回归方法进行姿态估计,此方法能够有效减小姿态估计平均绝对误差、标准差与最大误差.实验对比了不同主干网络的测量精度,平均绝对误差在0.376°～0.746°之间,最优标准差为0.474°.