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。     

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。
     

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。     

非合作大目标位姿测量的线结构光视觉方法

空间机器人与非合作大目标交会接近最终段,单目相机不能获取完整的特征图像而无法完成相对位姿测量。针对此问题,提出基于线结构光和单目视觉的相对位姿测量方法。以非合作大目标上的局部矩形特征为测量对象,首先,建立相对位姿测量模型并给出四个测量坐标系之间的关系;其次,通过相机对不完整矩形和线结构光的约束获得四个特征点在相机坐标系下的坐标;然后,利用四个特征点计算相机坐标系与目标坐标系之间的转移矩阵;最后,将转移矩阵分解得到矩形特征的相对位姿。通过改变影响测量精度的输入误差和标定误差等因素对该方法进行仿真验证,结果表明该测量方法是有效的。     

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。     

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。     

UKF位姿估计的超静平台耦合模型参数辨识

针对载荷无陀螺时辨识超静平台耦合动力学参数存在位姿确定问题,设计了一种基于Schur分解以及无迹卡尔曼滤波(UKF)的位姿确定及参数辨识方法。首先,建立加速度计和姿态敏感器组成的测量系统状态模型和观测模型,并给出测量系统的可观性分析。然后,给出基于UKF的载荷位姿确定方法;在UKF中引入姿态修正信息,从而提高载荷角速度估计精度,实现载荷广义位移、广义速度、广义加速度的准确估计。通过Schur分解实现超静平台动力学模型解耦及辨识模型中动力学参数显式表达。以滤波器估计载荷位姿信息为依据,采用最小二乘法辨识动力学参数。仿真结果表明UKF能够准确估计载荷角速度以及超静平台支杆刚度系数,辨识误差优于百分之一。     

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。     

小天体探测器着陆图像匹配改进算法

针对小天体探测器着陆图像匹配信息存在数据量大、计算机存储空间有限等问题,提出一种基于改进BRISK和RANSAC的小天体探测器着陆图像匹配算法。首先,在Harris角点检测算法中引入尺度估计和尺度空间,在特征描述子建立阶段改进BRISK算法,提出降低相关性的采样点对选择策略,以减少计算量;然后,利用改进的RANSAC算法去除误匹配。在图像旋转、光照强度、高斯噪声、尺度因子的干扰影响下,仿真分析改进算法与基于BRISK的经典算法的匹配结果。分析结果表明:改进算法减少了计算量和存储空间,并在一定干扰情况下具有鲁棒性,可为后续视觉导航提供有效的陆标信息。     

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。     

惯性组合导航系统中的快速景象匹配算法研究

在景象匹配辅助导航中,特征点的选取是提高图像匹配速度、精度和鲁棒性的关键之 一。景象匹配中要求提取出的特征是那些可靠性高、辨别性强、计算量小的不变特征。提出 了基于SIFT特征的导航用快速景象匹配算法。算法首先针对惯性组合导航的工作特点, 对SIFT特征点检测及特征点匹配进行了优化设计,然后用RANSAC方法过滤掉错误匹配点,最 后,进行最小二乘精确匹配算法获取航向和位置偏差信息。实验分析了算法对不同分辨率图 像和不同区域的匹配适应性,抗噪声性能,匹配精度以及实时性,并与基于部分Hausdorff 距离的边缘特征景象匹配算法进行了对比。实验结果表明,算法的性能优越,在匹配速度、 精度和鲁棒性方面都优于部分Hausdorff距离算法,可以满足景象匹配导航系统匹配修正的 高性能要求。
     

基于对偶四元数的航天器交会对接位姿双目视觉测量算法

针对航天器交会对接中位姿参数的测量问题,突破传统的位姿计算态分而治之的模式,采用双目视觉技术和对偶四元数这一数学工具,建立了追踪航天器与目标航天器间相对位姿参数的统一描述模型.该模型与传统的欧拉角和四元数的描述方法完全不同,具有非常简洁统一的形式.同时,针对该对偶四元数模型,给出其两步解析算法,解算出两航天器间的相对位置和姿态参数.仿真结果表明该算法能够满足航天器位姿参数的测量要求,并且具有较强的稳定性,对航天器的在轨实时应用具有重要参考价值.     

空间目标三维重构误差分析与相机参数设计方法

针对空间目标三维重构任务中的相机参数设计问题,提出一套由目标重构精度反演观测相机参数及观测方案的方法。通过梳理三维重构误差传播机理,将误差传播归结为相机内参数影响特征点齐次坐标和齐次坐标影响重构精度两个过程,给出了三维重构误差计算方法。基于误差下限分析计算结果,给出了观测距离、拍照间隔与相机姿态指向等任务参数的设计原则,建立了由重构精度反演相机焦距和像素尺寸的方法,形成一套以重构精度为核心指标的观测方案和相机参数设计方法。针对模拟空间目标的仿真试验校验了重构误差估算算法及相机参数和观测方案设计方法的有效性。     

月球探测器着陆中基于被动图像的着陆场搜索及斜坡估计

在无人探测器月面软着陆技术研究中,因为月球表面障碍物对探测器着陆 安全构成的威胁,所以首先需要解决的是安全着陆区域确定及其坡度估计的问题。从被 动图像角度出发,研究了基于灰度变化的着陆区域确定和基于两视图几何的候选着陆区域坡 度估计的方法。首先,研究了一种基于多尺度窗口区域内灰度变化标准差的安全着陆候选区 域确定方法;其次,为了计算基础矩阵F和单应矩阵H,本文利用SIFT算法和RANSAC策略 进行特征点检测和跟踪;最后,本文利用平面单应H和基础矩阵F的相容性原理,提出了一种 斜坡坡度估计方法。和同类方法相比,该方法无需探测器位姿转移参数。利用该方法得到的 斜坡估计结果和其他方法的结果比较后可知：本文提出的方法检测出的坡度误差能够满足着 陆过程中斜坡检测的要求。     

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。     

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。     

面向弱纹理空间目标的特征点匹配方法

特征点提取与匹配是遥感图像处理中关键的一环,目前成熟的算法大多面向对地成像类型的遥感图像,对于空间目标的遥感图像,没有考虑成像条件与探测平台的影响因素,特征点匹配质量较差。针对空间目标的匹配精度不高这一问题,文章提出了一种基于聚类的特征点匹配算法。首先,根据空间目标的重复弱纹理进行特征点提取与描述,再利用特征点的空间位置进行聚类,并对特征点簇进行匹配;之后将特征点的主方向减去目标整体方向,利用特征点主方向对每一个点簇进行再分组,并完成特征点匹配;最后利用最近邻次近邻比率方法和随机样本一致算法（RANSAC）剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明,对于空间目标图像,基于聚类的特征点匹配较直接匹配,匹配数量的提升最高可达50%,重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子,能够大幅度提高空间目标图像特征点匹配的数量与精度。     

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。     

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。