改进PointNetLK的点云智能配准与位姿图优化方法

针对空间在轨服务任务中的非合作目标相对位姿测量问题,提出一种目标可测部位点云的智能配准方法。首先,通过Straight Through滤波算法对半物理仿真平台采集得到的点云进行目标提取,以消除背景数据等杂乱信息;其次,改进PointNetLK神经网络点云配准算法,将提取后的点云数据作为输入,从而获得初步配准结果,解决非合作目标先验信息缺失导致的无法配准问题;最后,建立基于位姿图的优化模型,以降低配准误差,提高配准精度。实验结果表明,与传统迭代最近点(ICP)算法相比,配准综合误差从6.3598降低到1.7291,精度提高约 72.81% 单次耗时从33.16 s降低到4.2 s,效率提升约87.33%,与当前SM ICP等其他算法相比,也具有一定的优势。     

空间失稳目标线阵成像畸变分析与三维重建

针对线阵扫描型激光雷达在非合作失稳航天器三维模型重建过程中，存在运动目标线扫数据畸变且目标因失稳导致运动特性难以准确估计问题，提出一种带畸变自修正式三维重建方法，并进行畸变容忍度临界值分析。该方法基于测量系统的角精度与测距精度设计畸变容忍度临界值判定条件，首先根据实际工况与判定条件进行比对，判定是否对线扫数据进行初始畸变恢复；其次，对相邻扫描带畸变点云依次进行配准获取目标运动增量、解算目标瞬时运动参数；然后对目标运动参数进行自修正式处理，去除特征突变点干扰；同时依次恢复点云到初始几何位置，完成初始目标三维重建；最后，通过系统进一步迭代，位姿增量自收敛直至最终满足重建精度要求。仿真结果表明，该方法在缺失非合作目标先验信息的情况下，能够有效避免因线扫描导致的畸变问题，并较为快速地实现满足精度要求的目标三维重建，有较强的鲁棒性。     

空间失稳目标线阵雷达成像机理及三维重建

利用线阵激光雷达载荷小、抗干扰能力强等优势，研究空间失稳目标动态测量技术。探究线阵激光雷达成像机理，建立空间失稳目标运动模型，提出基于双切片法的目标可测区域提取机制，实现线阵激光雷达对空间失稳目标的驻留观测扫描；以ICP(Iterative closest point)配准结果为先验信息，提出逆序重建方案，建立重建点云精度以及平均密度评价机制，分析数据冗余对重建精度的影响，采用采样降维的方法进行配准重建计算，提高重建结果精度；最后进行仿真实验检验分析，实验结果表明空间目标可测部位数据提取合理准确，数据输出频率可达 1 Hz ，重建结果满足任务指标要求，重建点云平均密度达到19 mm，重建点云精度达到90 mm，为地面验证及在轨应用提供数据支撑和参考。