基于单幅图像的回转体结构航天器的相对姿态估计研究

Relative pose and location estimation of a spacecraft is a crucial research topic for spacecraft guidance, navigation, control and tracking. In this project, we address a novel CAD-based monocular method to fully determine the relative pose and location of a surface-of-revolution-shaped (SOR-shaped) spacecraft. Given a spacecraft image, the proposed method first extracts the imaged cross sections of the spacecraft body from the image, and then accurately fits the imaged cross sections by means of the SOR geometric property, so that acquires the initial pose estimation of the symmetry axis of the spacecraft body. With this initialization, the relative pose and location of the spacecraft can be eventually fully estimated from the match between a simple spacecraft CAD model and the imaged cross sections of the spacecraft body, the solar panel image as well as some asymmetric features. This method doesn’t depend on any artificial beacons installed on the spacecraft, thereby effectively combating the influence of noise and cluster environment in space. The methodology proposed in this project will lay a significant foundation for both vision-based pose estimation for spacecraft and other applications based on SOR and conic.

航天器的相对姿态估计与定位是航天器导航、制导与控制和目标跟踪中的关键问题。针对载人飞船、货运飞船等具有回转体结构的航天器，本项目提出了一种新颖的基于单目视觉的航天器姿态估计算法。给定一幅航天器图像，本算法首先提取航天器主干的截面图像，然后基于回转体几何约束精确拟合截面图像，从而获得航天器主干对称轴方向的初始估计。在此基础上，基于简单的航天器CAD模型，利用航天器主干的截面图像、帆板图像和航天器的非对称特征，快速精确地估计回转体结构航天器的相对姿态与位置。该算法无需使用任何预先安装的人造靶标点，只利用航天器自身的几何结构，因此对环境和噪声具备更好的鲁棒性。另外，本项目的研究不仅为基于计算机视觉的航天器相对姿态估计提供了一种新的理论和方法，也为其他基于回转体和二次曲线的应用领域奠定了重要的理论技术基础。

在空间任务中，精确、快速地测量非合作航天器的六自由度相对姿态与位置信息是成功实现航天器导航、制导与控制的关键，对航天器空间交会对接、编队、在轨服务、空间碎片清理以及小行星探索等各种航天任务至关重要。基于计算机视觉的航天器相对位姿估计方法以实时性好、精度高、测量模块体积小、可靠性高、价格低廉、功耗低等优点而被受重视。另外，当两个航天器处于靠近阶段时，基于计算机视觉的位姿测量方法是最佳的，甚至是唯一可用的测量方法。. 本项目利用先进的计算机视觉和人工智能方法，以基于单目视觉的非合作航天器相对位姿实时估计与跟踪为研究对象，深入研究适用于不同场景的航天器位姿参数估计算法，极大丰富了航天器的实时姿态计算的理论与方法。项目的主要研究内容主要包括：基于航天器上常见几何特征（直线、圆、椭圆、球、椭球、回转面和一般可展曲面等）的航天器六自由度姿态实时估计与跟踪、基于轮廓拟合的空间目标六自由度姿态实时估计与跟踪、基于三维点云数据的航天器姿态估计以及月球表面陨石坑检测与识别。项目主要取得的重要研究成果包括：基于模板匹配的空间目标六自由度姿态估计算法、基于曲线几何拟合的姿态参数极大似然估计算法、基于凸优化理论的姿态参数协方差矩阵的一阶近似估计、基于新型无网格紧凑局部特征三维目标识别与姿态估计算法、基于鲁棒优化的改进迭代点云算法、基于深度学习网络的月面陨石坑识别与分类算法，以及空间目标的虚拟计算机仿真系统和物理仿真系统。相关研究成果已发表于航空宇航领域的国际顶级期刊。而且，本项目的研究不仅为基于计算机视觉的航天器相对位姿估计提供了新颖的理论和方法，也为其他基于几何特征的应用领域奠定了重要的理论技术基础。