航天器交会对接位姿视觉测量迭代算法

针对航天器交会对接过程中利用单目视觉进行相对位姿参数确定问题,利利用由目标航天器上4个非共面设置的特征光标点和追踪航天器上单个CCD相机组成的交会对接航天器单目视觉测量系统,推导了交会对接航天器间相对位姿参数测量的迭代算法,将相对位姿参数求解问题转化为非线性优化问题,在目标航天器像平面空间内推导优化目标函数,利用Levenberg-Marquardt算法求解该非线性优化问题,并选择一解析算法以快速求解迭代初值,仿真结果表明算法的有效性和可靠性,能够满足交会对接航天器测量精度要求。     

非合作航天器相对姿态确定算法及地面试验

针对具有矩形结构的非合作航天器,采用坐标转换矩阵的姿态描述方法,推导了简单通用的单目视觉相对姿态确定算法．为验证相对姿态确定算法,基于MATLAB设计图像采集处理系统,采用STK设计目标模拟器,进而搭建了地面试验系统,并开展了非合作航天器轨道面内和轨道面外绕飞试验．试验结果表明相对姿态确定算法能够准确地获得非合作航天器的相对姿态变化．     

非合作目标在轨服务最终接近段视觉导航算法

为解决在轨服务最终接近段传统单目视觉相对导航方法受相机视场限制以及非合作航天器无法设置人工靶标的问题,提出了以非合作航天器太阳帆板三角形支架的部分结构为测量目标的视觉相对导航算法.首先,设计了"自拍杆"相机安装结构和相机实时标定方案,给出了视觉相机安装角的计算方法;然后,基于逆投影原理构建满足三角形支架实际空间几何构型约束的优化模型,采用蚁群搜索算法求解特征点的景深,并应用绝对定位方法估计航天器之间的相对位置和姿态;最后,以非合作航天器在轨服务最终2 m~0 m的接近段为背景进行数学仿真,在相对距离小于1 m时,航天器之间的相对位置和相对姿态确定精度分别优于3 mm和0.2°,验证了算法的有效性和可行性.数学仿真结果表明:该相对导航方案可行,导航算法具有较高的精度,且相对导航的精度随着航天器之间的相对距离的逐渐减少而逐渐提高;同时,该算法对投影点测量误差具有较好的鲁棒性,在投影点测量误差较大时仍具有较高的精度.     

基于四元数和航天器姿轨信息的相对位姿确定算法

航天器间的相对位姿确定是航天器编队飞行、交会与对接、捕获与维护等重大航天任务的关键技术.基于图像信息的相对位姿确定是目前国内外研究的热点,是解决航天器相对位姿确定问题的有效方法.文中在航天器姿态动力学、机器视觉理论基础上,提出基于四元数和航天器姿轨信息的相对位姿确定算法.在定姿方面,该算法采用了四元数法,与传统的Hall算法相比,降低了雅可比矩阵的阶数,从而减小了计算量;另外,在基于四元数算法的最小二乘估计中,该算法充分利用了航天器姿轨信息作为初始值,减少了计算的迭代次数,提高了算法的效率.     

基于视觉信息的航天器位姿估计迭代算法

基于视觉信息的空间目标相对位姿估计问题是未来空间操作的关键所在,正交迭代算法是一种具有实时性好且全局收敛特点的单目位姿估计算法.为了有效利用多个摄像机荻取的数据,进一步提高位姿估计算法的综合性能,提出了一种双目正交迭代融合算法,取两个摄像机获取的所有特征点的目标空间共线性误差平方和作为误差函数,推导得到使两个摄像机总的...     

一种基于直线特征的单目视觉位姿测量方法

提出了一种基于直线特征的单目视觉位姿测量方法SoftNewton。构造了新颖的目标直线与图像直线匹配评价函数,避免检测图像中直线的端点,最终通过软决策技术确定直线特征匹配关系,并采用高斯牛顿迭代算法基于全透视成像模型解算目标位姿。和POSIT算法相比,高斯牛顿迭代算法保持了旋转矩阵的正交性,提高位姿解算精度。仿真图像实验中,在干扰直线和噪声存在的情况下算法经过29次迭代解算得到正确的直线特征匹配矩阵,姿态误差小于0.2°,位移误差小于0.5 mm。仿真图像和实际图像实验结果均表明SoftNew-ton具有较高解算精度和较强的鲁棒性。     

一种相机位姿鲁棒估计方法

针对位姿估计算法对鲁棒性和精度要求高的特点,提出了一种鲁棒的高精度位姿估计方法:该方法以3个样本点对为基础,首先假设各空间点到投影中心的距离近似相等,然后根据像点与空间点间的几何约束关系建立方程组并推导迭代公式,进而迭代求解各空间点到投影中心的距离;以此为基础,提出了一种最小二乘绝对定向方法来获取相机的初始位姿。最后根据空间点与像点之间的共线约束进行迭代优化,得到最终的相机位姿。测试表明,该方法在满足假设的条件下能很好地收敛,并达到较高的解算精度。     

基于循环神经网络的双目视觉物体6D位姿估计

针对当前物体6D位姿估计任务准确率较低的问题,提出双目数据集制作方法及物体6D位姿估计网络Binocular-RNN.将YCB-Video Dataset中已有图像作为双目相机左摄像头捕获内容,利用Open GL将YCB-Video Dataset中相应三维物体模型进行导入,输入各物体相关参数,由虚拟双目相机右摄像头捕获合成图片.利用单目预测网络分别对双目数据集中左、右图像的几何特征进行提取.经过循环神经网络对几何特征进行融合,并预测物体6D位姿.以模型点平均距离(ADD)、平均最近点距离(ADDS)、平移误差和角度误差作为评价指标,对Binocular-RNN与其他位姿估计方法进行对比.结果表明,在利用单一物体对网络进行训练时,Binocular-RNN的ADD或ADDS指标得分分别为PoseCNN、GDR-Net的2.66、1.15倍.利用基于物理的实时渲染（Real+PBR）方式训练的Binocular-RNN的性能超过基于深度神经网络的迭代6D姿态匹配的方法 (DeepIM).     

航天器相对视觉／IMU导航量测修正多速率滤波

针对具有单目视觉和惯导组件(IMU)的航天器相对导航问题,研究了以量测信息为修正手段的异速滤波算法.异速滤波也就是多速率卡尔曼滤波器,其中滤波过程被分解为量测更新和时间更新,根据实际情况选取滤波器周期,一般可选取频率较快的系统采样周期作为组合导航系统的滤波周期,根据是否有慢速信息决定在滤波时刻进行时间更新或者量测更新.为增强滤波器对观测信息的适应能力,设计利用量测信息对滤波量测噪声阵和状态估计误差协方差阵进行后验修正.理论分析和数学仿真均表明,基于量测修正的多速率卡尔曼算法能够提高滤波器的数据更新频率,同时改善滤波器的性能,提高导航系统的冗余度.     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

机器人位姿重复性测试及计算的一种新方法研究

本文提出了一种经济、简单的新方法测试机器人的位姿重复性,简化了计算的公式,减少了计算工作,具有一定的实用价值.