基于特征建模的空间非合作目标姿态智能测量方法

为实现空间非合作目标姿态的测量,基于特征建模的思想,提出了一种根据目标激光点云数据进行高效处理的智能测姿态方法.首先,针对空间目标姿态测量的需求,寻找并实现能够高效表征目标姿态的点云数据特征.接着,应用神经网络的方法对目标点云姿态特征进行学习,通过建立合理的神经网络模型和训练数据,实现目标点云特征与姿态间非线性映射关系的建立.最后,利用目标点云仿真数据集,对方法的测量精度和测量实时性进行了评估.实验结果表明：利用特征建模的思想,提出并建立目标点云姿态协方差矩阵特征,实现了点云数据在表征目标姿态方面的信息高度压缩,为神经网络模型的轻量化设计和计算资源严重受限的在轨应用,提供了可行的智能化工程实现方案.     

基于Transformer的点云几何有损压缩方法

点云被广泛地用于三维物体表达,不过真实世界采集到的点云往往数据庞大,不利于传输与储存,针对点云数据冗余性问题,引入基于注意力机制的Transformer模块,提出一种基于Transformer的端到端多尺度点云几何压缩方法。将点云进行体素化,在编码端利用稀疏卷积提取特征,进行多尺度的逐步下采样,结合Transformer模块加强点空间特征感知与提取;在解码端进行对应的多尺度上采样重建,同样采用Transformer模块对有用特征进行加强与恢复,逐步细化并重建点云。与2种点云标准编码方法对比,所提方法平均获得80%和75%的BD-Rate增益;与基于深度学习的点云压缩方法对比,平均获得16%的BD-Rate增益,在相同码率点有约0.6的PSNR提升。实验结果表明：Transformer在点云压缩领域的可行性与有效性;在主观质量方面,所提方法也有明显的主观效果提升,重建的点云更接近原始点云。     

一种基于共面特征点的单摄像机姿态测量方法研究

利用单摄像机采集4个共面特征点图像的方法来测量物体的相对姿态变化。系统选用IR-LED作为特征点并对其发光特性进行优化控制,利用基于双线性插值的高斯曲面拟合方法确定图像特征点的坐标,最终使用解决P4P问题的一种线性解法确定特征点坐标及位姿变化信息。进行了实物和仿真实验,并对该方法进行了不确定度分析,结果表明这种方案具有较高的准确度、实时性。     

空间非合作目标的多视角点云配准算法研究

为了提高相邻视角间稀疏扫描点云数据配准的速度和精度,实现多视角点云精确配准,提出一种基于KD Tree点云均匀采样简化算法,并且对传统四点算法（4 PointsCongruentSetsAlgorithm,4PCS）中的阈值参数进行了统一,确定了各误差阈值参数和点云密度之间的关系,通过基于姿态校正的方法有效解决了对称视角点云引起的误配准问题。仿真结果表明,该方法能够快速、有效地实现卫星稀疏点云的配准。     

基于特征点识别的头部姿态计算

为了提升使用随机回归森林进行头部姿态分析的精度,提出了一种基于特征点识别分析头部姿态的计算框架.考虑到高误差投票的干扰,该计算框架以随机森林的特征点识别为基础从而避免异常投票干扰,将头部姿态计算问题转换为空间鼻尖特征点和朝向特征点的识别问题.在随机森林的训练中,决策函数使用了高斯曲率和平均曲率作为图形特征,根据微分熵的信息增益在随机生成的决策函数库中搜索最优化决策函数.在训练完成的随机回归森林的叶子节点中,通过分析保存的样本数据,可以得到目标特征点的高斯分布估计.根据实验测试结果,在适当的阈值设定的情况下,该方法可以实现较高的识别成功率,使用曲率后明显提高了识别精度,能够在一定程度上处理有遮挡的数据,并且该方法已经成功应用于虚拟座舱的实时头部姿态分析计算系统.     

一种空间非合作目标的稀疏点云配准算法

点云数据配准是三维重构的关键技术之一,为了提高空间非合作目标的稀疏扫描点云数据配准的速度和精度,提出一种改进的基于四点算法的全局配准算法进行初始配准,再使用迭代最近点算法精确配准.针对直接扫描所得到点云数据量大的问题,本文提出一种基于KD Tree点云均匀采样简化算法,并且对传统基于四点算法中的阈值参数进行了统一,确定了各误差阈值参数和点云密度之间的关系.仿真结果表明,该方法能够快速、有效地实现卫星稀疏点云的配准,改进的四点算法配准耗时仅为几何哈希算法的42.49%.     

基于三维点云重建的助推器位姿估计

助推器分离是运载火箭发射过程中的关键动作之一,常用的激光雷达姿态测量技术在助推器分离阶段受外界干扰严重,难以准确获得位姿。基于视觉的助推器位姿变化测量技术具有优秀的抗干扰能力,通过搭建三维点云重建网络,以图像为输入,三维点云为输出,在构建的助推器分离过程的图像 点云数据上进行了训练和测试,对测试重建的助推器点云使用主成分分析的方法完成了位姿的估算。测试结果表明,所建立的三维点云重建网络可以根据仿真图像数据,精确测量助推器分离阶段的位姿变化,在R2score指标下,对三维坐标的预测分数均在0.98以上,姿态角平均误差约为21°,预测分数则均在0.80以上。     

基于点云位姿平均的非合作目标三维重

针对在轨非合作目标，提出一种基于序列点云的三维重构方法，实现非合作目标交会过程中的目标三维结构恢复，并将恢复的结构用于后续点云姿态的跟踪.首先分析了非合作目标三维结构先验信息未知情况下目标相对姿态增量估计过程中的漂移问题；其次，提出一种基于位姿平均的漂移修正方法，并根据修正后的目标点云位姿对点云进行融合以实现目标的三维重构；最后，使用所提出的方法对半物理仿真试验中获取的目标点云序列进行处理，结果表明该方法能够有效地对非合作目标进行三维重构和位姿跟踪.     

车身逆向设计中点云多视拼合技术

针对整车车身点云空间尺寸较大,数据量庞大,还原精度要求高等特点,提出基于骨架点的点云拼合算法,算法的基本思想是构造整车模型的骨架点和分块点云的mark点,由全等三角形法则搜索骨架点与mark点的映射关系,应用加速迭代的改进ICP(Iterative Closest Point)算法拼合整车点云.某厂轻卡整车点云的拼合实例证明,该算法拼合精度高,运算速度快,是拼合整车点云行之有效的方法.      

基于三维点云模型的空间目标光学图像生成技术

空间探测任务中大量先验图像数据的缺乏，使得基于光学图像的态势感知和导航算法无法被有效定量测试和评估。针对此问题，提出了一种基于三维点云模型和射影变换基本理论的空间目标光学图像生成方法。在完成对空间目标三维点云模型和仿真摄像机模型构建基础之上，利用射影变换基本理论依次计算像平面所有像素点与空间目标三维点云模型空间点的对应关系，并基于Lambertian漫反射模型和相对应空间目标三维点云模型空间点的光照方向，得到所有像素点的灰度值，从而生成给定空间目标的光学图像。大量仿真实验表明:与传统的基于解析模型的仿真图像生成方法相比，所提的空间目标光学图像生成技术能够以更快的速度生成更加真实的仿真图像，且生成的仿真图像可以广泛应用于椭圆拟合、陨石坑检测、着陆器视觉导航、航天器交会对接、空间目标跟踪等典型空间应用算法的定性与定量评估。      

一种飞机大尺寸曲面测量点差异性规划方法

数字化测量技术在飞机大尺寸零部件检测的应用日益广泛，合理规划测量点数量和分布以精确地描述待测特征已成为关键问题之一。针对复杂曲线曲面的测量点规划问题，提出了一种基于确定性表达的测量点差异性规划方法。利用非均匀有理B样条（NURBS）理论精确拟合自由曲线，通过粒子群优化算法综合优化控制点及权因子，构建高精度的拟合曲线。提出了面向曲率特性和测量不确定度的布点策略，结合曲面特性建立完整、高效的测量点规划流程。基于CAA模块程序化实现了测量点规划方法，并以试验件为验证对象，验证了所提方法的可行性和系统的有效性。      

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

基于Bayesian-MCMC估计的隐身飞机RCS模型优化

对隐身飞机的雷达散射截面(RCS)统计建模时,传统方法通过直接计算RCS样本的统计特征估计模型参数,可能会产生较大的拟合误差。本文提出采用贝叶斯-蒙特卡罗(Bayesian-MCMC )方法提高起伏模型的参数估计精度,从而减小模型的拟合误差。首先将卡方分布模型和对数正态分布模型进行贝叶斯推导,得到其特征参数的后验估计表达式。然后采用MCMC算法构造后验分布的马尔可夫链,从而计算特征参数的估计值。最后通过比较2种方法的拟合曲线及其误差可知,本文方法适用于2种起伏模型,模型参数的估计误差比收敛误差门限值低1~2个数量级,2种分布模型的拟合精度均提高50%以上。      

颅缝早闭手术中颅骨切割方案生成方法

为实现颅缝早闭手术方案制定的规范化，提出一种结合深度学习、立体视觉和点云处理技术的颅骨切割轨迹生成方法，用于建立切割方案模板库和生成新的病例切割方案。该方法将深度学习应用于颅骨外表面的实例分割中，利用Mask R-CNN对手术区域进行检测和分割，利用简化轮廓提取算法提取切割轨迹，并结合点云处理技术将切割轨迹坐标进行2D-3D映射，实现切割轨迹自动化提取；在此基础上建立典型病例模板库，通过模板匹配方法自动生成新病例的切割方案。实验证明:该轨迹提取方法可以准确高效地检测出颅骨切割轨迹，并将轨迹坐标进行3D映射，点云深度测量误差小于3 mm，达到临床可用标准；模板匹配方法也有效生成新病例的切割轨迹，符合资深医生的手术方案。      

一种空间视觉测量子系统用半导体 激光器驱动电路设计

针对面阵静态红外地球敏感器的现场标定,提出基于规则小孔平面靶标的现场标定方法.将小孔平面靶标固定放置于面源黑体前方,在光学视场测量空间内,多次调整红外地球敏感器的摆放位置,以采集多幅不同位置、不同角度的红外靶标光点图像.使用等高层最小二乘椭圆拟合方法精确提取靶标红外光点的中心坐标,获得特征点信息.利用红外靶标图像和图像特征点计算面阵静态红外地球敏感器光学系统的焦距和主点坐标.试验结果表明,该标定方法简单灵活有效,便于调试现场操作.目前,该方法已在面阵静态红外地球敏感器研究中得到应用.     

基于多源图像弱监督学习的3D人体姿态估计

3D人体姿态估计是计算机视觉领域一大研究热点,针对深度图像缺乏深度标签,以及因姿态单一造成的模型泛化能力不高的问题,创新性地提出了基于多源图像弱监督学习的3D人体姿态估计方法。首先,利用多源图像融合训练的方法,提高模型的泛化能力;然后,提出弱监督学习方法解决标签不足的问题;最后,为了提高姿态估计的效果,改进了残差模块的设计。实验结果表明:改善的网络结构在训练时间下降约28%的情况下,准确率提高0.2%,并且所提方法不管是在深度图像还是彩色图像上,均达到了较好的估计结果。      

Analysis of the solar sail deformation based on the point cloud method

The deformation of the solar-sail membrane is an important factor for causing inaccuracies in the solar-sail missions. This paper describes the solar sail under deformation by using a new modelling technique based on point cloud and triangular mesh generation. Two types of deformation, stemming from wrinkling and billowing, are modelled. The changes in the solar radiation pressure force and the moment caused by deformation are calculated and compared to the ideal non-deformed case. The heliocentric spiral trajectory and the orbital angular momentum reversal trajectory are taken as examples to quantify the influence of the deformation from an orbit point of view. Additionally, point cloud simplification, based on the normal vector and bounding box, is utilized to simplify the original deformed-sail model. It involves a reasonable reduction and renewal of the points in the model considering the variation of surface curvature. The simplification and its modelling accuracy are numerically investigated as well as computational efficiency.