基于Transformer模型的卫星单目位姿估计方法

鉴于测量精度高、设备成本低等优点,基于单目图像的卫星位姿估计方法在交会对接、空间攻防等应用中具有广泛前景。得益于强大的特征提取与表达能力,卷积神经网络在目标单目位姿估计应用中取得了明显优于传统方法的性能表现,但已有基于卷积神经网络的方法存在诸如归纳偏置、绝对距离描述不直接、长距离建模能力不足等问题。聚焦卫星单目位姿估计应用需求,针对以上问题,创新地将Transformer模型应用于卫星目标位姿估计中,提出了一种新颖的端到端卫星单目位姿估计方法。首先,设计了一种基于关键点集合的卫星目标表示方法,并构建了基于该表示方法的损失函数,进一步,结合关键点回归任务特点,设计了端到端的关键点回归网络模型,并改进了用于特征提取的主干网络结构。在公开数据集上实验测试结果表明：本文方法实现了可靠、高效的卫星目标单目位姿估计,并取得了优于已有同类方法的性能。     

地月空间发展的若干工程与技术问题

针对地月空间发展的关键工程与技术问题，从地月空间运输、月球和小天体资源、月面机器人、地月空间经济圈等角度开展了研究。地月空间运输分为天地往返、地月转移和月面升降等阶段，需要根据不同阶段的环境特征发展不同的飞行器、运输方式和重复使用方案，并考虑地球空间站与载人月球探测的一体化设计。地球静止轨道是理想的地月空间工业园区，月球空间的真空、低重力、低温以及充足太阳能等条件为发展磁悬浮、太空电梯、天钩等电气化运输提供了便利；面对严酷的月面环境和稀缺的人力资源，月面机器人将发挥先导性和主力军作用，用于基础设施建设、航天员陪伴与辅助、人机协作等。地月空间发展不仅仅是载人登月，而是以建立地月空间经济圈为目标，促使国家利益从地面、海洋延伸至地月空间，推动太空产业从围绕地球向围绕地月空间发展，加速人类社会由地球文明向太阳系文明迈进。