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Hybrid-TOPS的星载SAR运动目标监视新模式

针对传统星载合成孔径雷达(SAR)模式下运动目标测速范围有限、精度低等问题,本文提出了一种基于Hybrid-TOPS的星载SAR运动目标监视新模式。首先,利用混合度因子对星载SAR成像模式进行定量化的描述。在此基础上,通过TOPS模式与逆TOPS模式的组合提出一种运动目标监视新模式,该模式不仅能实现对同一区域的多次观测,且具有方位向连续观测的能力。然后,利用新模式所获取的不同方位向观测角度下的SAR序贯图像,再结合图像配准和基于新模式的运动目标参数反演即完成目标方位向速度信息的精确提取。最后,仿真验证了新模式的有效性与运动信息提取的精确性。      

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

针对多个地球静止轨道目标的巡游轨道设计

运行在螺旋巡游轨道上的航天器无需施加控制力就可以长期巡游在指定轨道附近,利用该特点,克服地基目标监视系统的不足,可提高空间目标监视能力.在现有的设计基础之上,改进对地球静止轨道多个目标螺旋巡游轨道的初始轨道设计;通过施加控制提出两种可以对地球静止轨道上多个目标进行绕飞观测的螺旋巡游轨道设计;通过仿真验证,对比二者各自的优势.     

GEO编队空间机器人系统交会方法

针对地球静止轨道（GEO）上被服务航天器的远距离和非合作特点,提出一种高自主、高协同、多任务的编队空间机器人在轨服务系统方案,实现对非合作目标的自主交会接近。首先,分析GEO卫星轨道约束力小的轨道特征和非合作的信息交互特征,给出由操作空间机器人和监视空间机器人组成的编队在轨服务系统,设计交会接近相对测量分系统以及在轨服务飞行任务;接着,给出典型远距离交会接近的多视线相对导航方法与多冲量相对制导律;最后,进行远距离交会任务仿真校验,结果表明编队空间机器人交会接近方法是有效的。     

ToF相机在空间非合作目标近距离测量中的应用

针对已有测量手段在空间非合作目标近距离测量中的问题,本文主要分析了ToF（Time-of-Flight）相机在空间应用中的可能性。首先总结了空间非合作目标近距离测量现状及已有测量手段;随后介绍了ToF相机的原理及发展,并以非合作目标典型特征为例对其性能指标进行分析;接着将ToF相机与现有空间近距离测量手段进行性能比较;并对其中的关键技术进行梳理;最后对ToF相机的未来发展趋势及其在空间中的应用进行展望。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。