空间绳系机器人超近距视觉伺服控制方法

针对空间绳系机器人超近距视觉伺服中相对位姿无法测量的问题,在建立机器人视觉系统非线性量测模型的基础上,提出一种基于直线跟踪的混合视觉伺服控制方法,利用帆板支架边缘线图像特征跟踪相对位姿,利用基座具有较大误差的量测信息保证控制系统的稳定性。仿真试验结果表明：在仅能获得帆板支架边缘线图像信息的情况下,设计的超近距逼近控制方法能够保证空间绳系机器人稳定到达目标卫星的帆板支架处,并满足捕获条件。     

利用双目箭载图像测量目标位姿方法研究

研究箭载图像中的目标位姿测量方法,可作为箭上物理量测量的一条新途径。首先,使用STK软件仿真运载火箭级间分离过程,输出箭载视角双目仿真图像。然后,应用SURF/MSER方法对双目图像中的特征点进行检测、匹配、筛选,基于双目视觉测量模型解算特征点的空间坐标。最后,选取目标中心点描述被测目标位置,选取与分离面平行平面上的三点解算被测目标姿态。实验结果表明,方法可有效地测量箭载图像中目标的位置、姿态,为未来工程应用实现打下基础。     

基于对偶四元数的航天器交会对接位姿视觉测量算法

根据光学测量基本原理建立双目视觉测量模型,提出基于双目视觉的航天器间相对位姿 的测量方法。利用对偶四元数,建立目标航天器的坐标系和追踪航天器上的摄像机坐标 系之间的关系,构造出航天器交会对接位姿误差模型,通过使用拉格朗日求极值的方法,解 算出航天器间的相对位置和姿态。仿真结果表明该算法有效,能够满足航天器交会对接的测 控要求。     

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。     

陀螺在卫星姿控系统中的应用及发展

一、概述近十年来卫星控制技术得到迅速发展,其方向是高精度、长寿命、多用途。卫星姿控技术发展的关键仍在于实现控制所需的硬件。可以认为:卫星姿控精度取决于检测卫星姿态的敏感器;卫星姿控系统的寿命取决于驱动星体的执行机构;卫星的用途则受到星上能源的限制。众所周知,采用大面积太阳帆板的三轴稳定卫星姿控系统,是高精度、长寿命、多用途卫星最有可能采用的技     

基于双目视觉的航天器间相对位置和姿态的测量方法

在光学测量基本原理上建立了双目视觉测量模型,提出了基于双目视觉的航天器间相对位置及姿态的测量方法,并对测量系统中的误差进行分析,得到影响测量精度的因素。仿真结果表明该方法有效,获得的航天器间相对空间位姿信息的精度能满足航天测控要求,对航天器在轨实时应用具有重要参考价值。     

基于主动特征选择的非合作航天器鲁棒视觉导航方法研究

面向非合作目标航天器近距离操作任务,针对采用自然特征的单目视觉相对位姿参数确定过程中特征提取与匹配导致的粗大误差增加导致结果不准确甚至错误,以及特征数量多增大计算量等问题,提出一种融合随机采样一致性(RANSAC)算法和主动特征选择的鲁棒视觉导航方法。用RANSAC算法剔除有粗大误差的特征点,给出了基于RANSAC的特征点选择步骤;根据不同特征点组合所计算的克拉美罗(CRLB)不同,用参数化CRLB下限选择对位姿确定精度有显著影响的点以减少参与计算的特征数量,给出了基于CRLB的特征点选择流程。仿真结果表明:综合RANSAC和CRLB的特征点选择方法可显著减少特征点数量,提高了位姿解算精度。     

基于三目视觉测量的航天器交会对接相对位姿确定算法

针对航天器交会对接过程中位姿参数的测量问题,提出了三目视觉的测量方法。本文阐述了三目视觉的测量原理,建立了数学模型,分析了测量系统的误差。仿真结果表明该方法有效。与双目视觉相比,它能降低图像匹配误差的影响,提高特征点的定位精度,增加测量系统的可靠性,因此能够满足航天器位姿参数的测量要求,对航天器在轨实时应用具有重要参考价值。     

基于Rodrigues参数的视觉相对位姿确定算法

以Rodrigues参数作为姿态描述参数提出了一种视觉相对位姿确定算法。Rodrigues参 数作为一种简洁、高效的姿态描述法,适用于实时性要求高的视觉相对位姿确定,但它本身 的奇异性使其不能用于大角度的位姿确定。将视觉导航方法和无奇异姿态描述的Rodrig ues参数切换理论结合起来,推导了基于Rodrigues参数的视觉相对位姿解算模型,并给出了 这种相对位姿确定算法的流程。仿真结果表明该算法能很好地解决奇异问题,实现全姿态运 动情形下的相对位姿确定。
     

采用双目视觉的非合作空间目标相对导航与惯性参数辨识方法

针对面向在轨服务的非合作空间目标测量感知问题,提出了一种基于双目视觉的相对导航与惯性参数辨识方法。利用目标表面的特征点建立几何坐标系,并分别设计了姿态测量和相对导航滤波器,实现了目标姿态、角速度、轨道,质心位置与惯量比的高精度估计。在此基础上,通过黏附卫星与非合作目标形成组合体,利用相对导航算法获得的质心位置和惯量比在黏附前后的变化,实现了目标质量和转动惯量的辨识。数值仿真试验证明了算法的有效性。     

基于双目视觉的无人机编队相对定位算法

针对无人机编队飞行时双目视觉定位精确性差、计算量大、实时性不高的技术现状,对基于特征点的FAST定位和BRIEF旋转(Oriented fast and rotated brief,ORB)算法进行了改进,提出了一种适用于无人机双目视觉定位的算法。在改进ORB算法中,采用提取目标区域、最近邻约束和随机抽样一致(Random sampling consensus,RANSAC)方法,提高了特征点提取与匹配效率,也提高了特征点匹配质量;对于双目视觉定位,提出了适用条件更加宽泛的双目视觉定位模型,并保证了模型的定位精度;最后使用卡尔曼滤波算法对无人机的定位信息进行估计,进一步提高了无人机的定位精度。实验表明,算法具有较高的精确性和实时性,满足无人机间的相对定位要求。     

一种非合作目标相对位置和姿态确定方法

针对非合作目标中的从星若无法获得主星的动态信息时,就无法自主进行相对位置和姿态确定的问题,提出了一种采用陀螺、立体视觉系统和加速度计的相对状态确定方法。首先分别建立相对姿态方程、主星动力学方程和相对位置方程等系统的数学模型。然后根据这些方程组成的状态方程和立体视觉系统的测量模型设计了卡尔曼滤波器。该滤波器使得从星根据加速度计、陀螺和立体视觉系统的输出,在仅获得主星的外观特征和一些静态参数的情况下,能够自主进行相对位置和姿态的确定。最后,数值仿真结果表明,在相同仿真条件下,与使用主星陀螺信息的相对状态确定算法相比,该算法能够自主进行相对状态的确定,且位置和姿态稳态误差分别为0.05m和2°。     

一种卷积神经网络非合作目标姿态测量方法

针对空间非合作目标姿态测量问题,提出一种基于卷积神经网络的非合作目标姿态视觉测量方法。该方法先设计特征提取网络并利用公开数据集进行预训练,用少量实际目标图像进行迁移学习,实现非合作目标图像高层抽象特征的自动提取;再设计基于回归模型的姿态映射网络,建立图像高层特征与三轴姿态角之间的非线性关系,实现非合作目标的姿态测量。实验验证了两类特征提取网络测量精度和参数量大小,测量精度可达 0.711° (1σ),表明了“单目相机+卷积神经网络”方法的可行性。     

空间翻滚非合作目标相对位姿估计的视觉SLAM方法

针对空间翻滚非合作目标相对位姿测量中目标先验信息缺失和模型不确定问题,将移动机器人视觉同步定位与建图（SLAM）贝叶斯滤波估计模型推广到非合作目标相对位姿测量中,提出一种基于视觉SLAM的翻滚非合作目标相对位姿估计方法。首先,构建了相对位姿估计的贝叶斯滤波状态转移模型和量测更新模型。其次,为避免平动噪声协方差过大导致滤波性能下降的问题,对状态转移方程进行优化,采用最小二乘估计方法预测位置参数。最后,采用一种联合无损卡尔曼滤波和粒子滤波的贝叶斯滤波方法实现了目标全部位姿参数的快速平滑估计。基于计算机合成图像数据和真实图像序列的仿真实验表明：提出的方法具有较优的速度和精度,且对目标速度变化、特征提取和数据关联误差等具有较好的鲁棒性。     

基于双目视觉的相对状态自主确定

基于双目视觉系统提出了一种适于交会对接最后阶段的近距离绕飞的相对状态自主确定方法。用修正罗德里格参数(MRP)描述姿态,给出了追踪器与目标器间的相对姿态运动学与动力学方程,以及相对运动方程,根据双目视觉系统的小孔成像原理建立了双目系统的测量数学模型,由扩展卡尔曼滤波(EKF)获得两航天器的相对位姿及其变化率。仿真结果表明该法可行。     

空间飞行器交会对接相对位置和姿态的在轨自检校光学成像测量算法

空间飞行器交会对接的最后逼近阶段，通常采用光学成像敏感器来测量跟踪飞行器和目标飞行器之间的相对位置和姿态。考虑到飞行器在轨运行期间，CCD相机受空间环境的影响，其内参数会发生变化的实际情况，提出了一种单CCD在轨自检校光学测量方案，其主要特点是飞行器在执行测量任务时，可同时进行相机内参数的自检校。首先根据严格的中心投影共线条件方程，推导出目标飞行器光学特征点坐标和对应的像点坐标与内参数及相对位置和姿态的严格解析关系；然后建立了内参数及相对位置和姿态的解析表达式；提出了目标航天器上光学特征点的布设要求。通过严格的理论分析和数值仿真，单CCD在轨自检校光学测量方案具有可靠性高、精度高、算法易实现、适应能力强等优点。     

面向在轨服务的相对位姿单目视觉确定的凸松弛优化方法

针对非合作目标之间基于特征点的相对位姿单目视觉确定问题,考虑利用自然特征导致误差增大等因素,提出一种基于凸松弛理论和LMI算法的相对位姿求解迭代方法。该方法在基于逆投影线构建的优化模型基础上,首先利用松弛理论将姿态矩阵的单位正交非凸等式约束松弛为不等式凸约束,并证明了松弛后的优化问题与原问题等价,即松弛后的凸问题取得最值时,姿态矩阵满足原等式约束。进一步将松弛后的姿态矩阵不等式凸约束表示成线性矩阵不等式形式,进而利用内点法进行求解,并利用全局收敛性定理证明了该算法的全局收敛性。以在轨服务为背景,仿真试验表明,利用该算法相对位姿可在7次迭代达到收敛,与传统SVD算法相比,在噪声较大的情况下,该算法计算精度提高近一倍,能够快速收敛并具有较强的鲁棒性。     

基于纹理边界检测的航天器椭圆特征提取方法

为确定失效航天器等非合作目标的相对位姿,提出一种通过纹理边界检测的椭圆特征提取方法。该方法假设椭圆特征是航天器表面两种不同纹理的边界,利用上一时刻相对位姿信息,将对接环离散几何模型投影到像平面,并沿各离散点的法向方向通过概率方法检测纹理边界点。利用随机抽样一致(RANSAC)方法剔除边界点中的粗大误差,进而拟合出椭圆参数。纹理特征对光照变化具有鲁棒性,因此该方法能够在变光照、星体表面反光不均匀等复杂情况下快速准确地提取图像中的椭圆特征。本文以对接环图像特征提取为例进行仿真校验,分析了算法参数和噪声对提取椭圆精度和时间的影响。利用真实图像与基于梯度边缘的椭圆提取方法进行对比,结果表明,所提出的算法具有较高的精度和速度。     

Pose measurement of large non-cooperative satellite based on collaborative cameras

In recent years some communications satellites lost their ability due to the failure of mechanisms to deploy, which resulted in large cost. A space robotic system is expected to perform the on-orbit repairing mission. This is a tremendous challenge since the targets are generally non-cooperative, i.e. no facilities used for relative state measurement are mounted on the targets. Moreover these targets are very large. Limited by the FOV (field of view), a monocular camera cannot supply enough information of the targets in close range. In this paper, a method based on two collaborative cameras is proposed to determine the pose (position and orientation) of a large non-cooperative target. Firstly, we designed a sensing system used for the non-cooperative measurement, according to the investigation of the characteristics of communications satellites. A rectangular feature, which is common in the configuration of a satellite, is chosen as the recognized object. Secondly, we proposed that two cameras share the recognition task in a collaborative behavior, i.e. each provides partial image of the rectangle, and the full feature is then obtained by fusing their information. Lastly, the corresponding algorithm of image processing and pose measurement is addressed. Simulation results of typical cases verify the proposed approach.     

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。