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。     

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。     

对空间碎片的相对位姿估计

针对几何、质量特性参数均未知的空间碎片,提出一种基于扩展卡尔曼滤波（EKF）的相对位姿估计算法。该算法以单目相机获得的目标图像特征视线信息作为测量输入,以目标姿态、姿态角速度、惯量比、相对位置、相对速度和特征位置作为滤波状态。对算法进行可观性分析,给出两个可以保证算法可观性的条件。分别针对不同条件进行数值仿真,仿真结果表明新算法能够对几何和质量参数未知的空间碎片进行有效的相对位姿 估计。     

基于视觉的含章动小天体运动状态估算方法

针对航天器在轨运行以及空间垃圾处理等任务中需要获得两个物体之间的相对位姿,由于测量距离较大且测量目标上不能装载对应的合作靶标,需要进行大视距非合作目标位姿测量的问题,文章在绕飞段深空探测器能够捕获到近距离高清晰的目标天体图像的基础上,提出了一种基于视觉的同步定位与建图(SLAM)的翻滚小天体相对位姿估算方法,将移动机器人视觉SLAM理论推广到"相机静止,目标运动"的空间翻滚小天体相对位姿测量中,经仿真验证,结果表明:此方法可以得出翻滚小天体的位姿信息,可为视觉估计小天体位姿提供参考。     

大尺度弱纹理场景下多源信息融合SLAM算法

为实现自主机器人大尺度弱纹理场景下局部精准和全局无漂移的状态估计,提出一种视觉惯性与全球导航卫星系统多源信息融合的同时定位与地图构建算法。首先,通过在局部状态估计中加入线特征来更直观表示环境的几何结构信息,有效提升了弱纹理场景中关键帧之间相对位姿估计的准确性;其次,通过引入线性误差表示,将线性特征表示为直线端点上的线性约束,从而将线特征整合到基于特征点算法的线性表示中,有效改善算法在重复线特征场景下的鲁棒性。最后,使用多源信息融合算法,融合视觉惯性与GNSS测量信息实现了局部精确和全局无漂移的位姿估计,有效解决了大尺度弱纹理场景下的精准状态估计问题。多个公共数据集的评估结果表明,所提出算法的鲁棒性更强、定位准确度更高。     

结合极化自注意力机制的空间目标位姿估计

利用深度学习强大的特征提取能力和残差网络的捷径反馈机制，设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力，将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中，对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立，将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中，在姿态信息回归分支中，对姿态信息进行软分配编码，相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证，所提算法对空间目标位姿估计取得了更好的估计结果。     

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。     

空间站脉冲编码被动式交会对接合作目标三维跟踪

针对空间站交会对接(RVD)过程中合作目标在视频中周期性发光的特点,提出基于累积帧差法的合作目标检测方法及相应的跟踪窗口确定方法,建立合作目标状态的识别机制。在跟踪过程中,针对均值漂移算法容易受到图像背景干扰产生较大跟踪偏差的问题,在光流计算的基础上,提出一种基于线搜索的二维跟踪算法。通过分析敏感器采集的视频,验证了文中提出的算法能够准确地检测和跟踪图像序列中的合作目标,进而结合像机位姿估计算法,连续地估计像机位姿在三维空间中的变化。     

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。