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。     

基于点云的空间非合作目标初始相对位姿获取

针对空间非合作目标相对位姿解算对点云迭代最近点(ICP)算法迭代初值要求较高,易产生误匹配等问题,提出了一种基于点云分割与点云关键点的ICP初始迭代位姿获取方法。首先,考虑到非合作目标可能具有的高度对称外观,基于LCCP点云分割算法与点云Harris关键点,在已知目标外轮廓点云基础上,设计了点云ICP初始迭代位姿获取方法。该方法具体流程为：点云降采样处理与关键部分提取、关键部分点云多角度预变换处理、最佳点云匹配及初始迭代位姿获取。最后,以某通信卫星模型搭建虚拟验证平台,使用本文提出的方法给出ICP迭代初始位姿并进行对比实验。结果表明,本文提出的点云ICP迭代初始位姿获取方法可有效规避非合作目标高度对称带来的误匹配,可给出较精确的相对位姿。     

基于点云的非合作航天器位姿测量方法研究

针对已有基于二维影像的非合作航天器定位定姿方法在目标适应性和稳定性方面的不足,研究了一种基于三维点云的位姿测量方法。提出一种考虑累积误差的参数传递法进行序列点云的配准,用参数传递法获得初始值,在初始值的引导下与基准模型进行快速精确配准,实现了基于实时三维点云的相对运动跟踪,获得了较高的解算精度,方法利用目标的几何形状信息,有更好的普适性和稳健性。分别以仿真模型和现场模型作为测量对象进行位姿跟踪实验,用扫描仪获取动态卫星模型的三维点云并进行位姿解算,测量的运动轨迹与设计值吻合度较好,表明所提方法有较好的稳健性和较高的精度。     

联合EKF和EKPF的空间非合作目标单目位姿估计

针对微小卫星自主抵近任务中模型未知的非合作目标的相对位姿估计难题,提出一种联合扩展卡尔曼滤波EKF和扩展卡尔曼粒子滤波EKPF的非合作目标的单目位姿估计方法。以任务星相机坐标系为参考,构建非合作目标的相对运动模型。以目标图像中的特征点坐标为观测值,构建非合作目标测量方程。对相对位姿和特征点三维坐标进行初始化后,利用扩展卡尔曼粒子滤波估计目标相对位姿,利用扩展卡尔曼滤波估计特征点三维坐标。使用OpenGL生成非合作目标空间图像进行仿真验证,结果表明本文提出的非合作目标单目位姿估计方法可获得较高精度的位姿估计,且具有较好的鲁棒性。相比已有方法,本文方法不需要初始位姿假设,且能够有效减小计算时间,提高位姿估计效率。     

基于点云的空间非合作目标位姿测量方法研究

针对模型未知的空间非合作目标的位姿测量问题,提出了基于低成本固态激光雷达的点云配准方法。算法首先根据空间目标的特点,提取平面点与边缘点作为匹配特征点;接着,提出了基于迭代匹配与自回环的位姿求解方案,解决了位姿优化中误匹配与误差累计问题;最后,在气浮台半实物实验校验中,算法解决了固态激光雷达单线收发、不规则采样的问题,实现了实时鲁棒的位姿跟踪,同时降低了跟踪过程中累计误差,测量精度优于现有算法,能够满足对非合作目标相对位姿测量的任务需要。     

非合作目标超近距离光学相对导航方法及半物理仿真系统研究

针对非合作目标研究了一种可实时应用的超近距离相对导航方法,用相机主动获取目标飞行器图像,对图像进行预处理得到有效的边缘段信息。选取立方体卫星作为非合作目标的通用模型,用轮廓精化提取方法进行轮廓的三维重建,并给出了轮廓三维位置和姿态估计信息获取的具体步骤。建立了用四元数和相对欧拉角表示的追踪器与目标器相对姿态的轨道动力学模型,设计了基于衰减扩展卡尔曼滤波的相对导航算法。构建了一套基于运动导轨的半物理仿真系统,以验证算法的有效性和可行性。给出了仿真系统的硬件组成和软件功能。结果表明:所建仿真系统获得的相对距离10~0.5m内非合作目标相对位姿精度分别为0.03~0.15m,0.5°~1.5°,可用于非合作目标超近距离相对导航研究的相关验证;用所提方法可实现非合作目标的实时超近距离相对导航,能同时获得位姿及相关速度类导航信息,精度满足工程要求。该仿真系统在工程中有较大的应用价值。     

非平衡状态下星载三维激光雷达图像畸变研究

激光雷达是飞行器软着陆的重要辅助手段,在飞行器降落过程中它可以实时、精确、快速地确定星体表面局部区域的特征地形。但是,在扫描成像过程中它的载荷平台会有微小的震动,这种非平衡状态会导致由激光雷达获取的点云图像发生一定的畸变。结合激光雷达成像原理和误差传播理论分析了平台稳定性对三维激光雷达成像的影响,研究了在不同扫描周期内三维激光雷达图像变形。实验结果表明,除了受到仪器本身测量精度的影响之外,激光雷达获取图像质量还与扫描时间、成像区域密切相关。利用高分辨率的星载测时与测姿装置可以修正系统性的地形畸变,但是仪器误差也会引入到纠正后的图像之中。按照现有的平台姿态测量水平,控制激光雷达成像时间是它辅助导航着陆能否成功的关键。     

基于SoftPOSIT算法的单目视觉非合作目标相对位姿估计

针对模型尺寸已知的非合作目标,在目标三维特征点和图像二维特征点坐标已知但匹配关系未知的条件下,对基于SoftPOSIT算法的非合作目标航天器间相对位姿估计方法进行了研究。SoftPOSIT算法将解决匹配的Softassign和解决位姿的POSIT两种迭代方法融入一个迭代循环,建立全局目标函数,最小化目标函数就可在获得服务航天器与目标航天器相对位姿的同时确定三维点与二维点间的匹配关系。仿真结果表明由SoftPOSIT算法所得位态精度很高,算法正确有效。在不同条件下用该算法对某卫星位姿进行估计,发现算法的相对位置估计精度随目标与服务航天器相对距离增大而提高,而相对姿态角对估计精度的影响较小。     

基于2D/3D多特征融合的近距离空间非合作目标相对测量方法

面向空间在轨服务重大应用需求,以提高系统自主性和空间环境适应性为目标,发展了一种空间非合作目标三维重建、目标识别和位姿估计一体化的近距离相对测量方法。该方法基于二维图像信息和深度数据,通过数据融合并重建出非合作目标的稠密三维模型,接着基于快速迭代最近点配准算法,提出基于SIFT和SHOT特征融合的三维识别方法,为系统的相对位姿估计提供有效的参数初始化。本文方法可进一步减少地面的干预,增强在轨服务系统的自主性,扩展系统的工作范围。地面仿真实验验证了该方法的可行性和有效性。     

基于点云深度学习的对称结构空间目标相对位姿测量

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题，提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法。首先设计空间目标点云特征提取网络及关键点回归网络，将位姿测量问题转换为空间目标点云关键点回归问题，通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点；其次利用具有连续稳定标签的角点求解目标姿态，可有效解决目标的对称结构导致的点云误配准问题；最后通过仿真数据集的实验表明，该方法相比于传统的点云配准方法有更高的准确率，能够精确求解具有对称结构的空间目标相对位姿。