基于主动特征选择的非合作航天器鲁棒视觉导航方法

This research will focus on the relative state robust estimation problem for non-cooperative spacecraft vision navigation. In the framework of geometric algebra, a multi-scale and multi-type image feature integrated modeling method based on feature point, line and high order geometry is proposed, which will really achieve multi-feature fusion and solve the issue such as low estimation precision even wrong result that caused by feature block or extraction and matching error. Meanwhile it will increase the estimation precision and add robustness to the monocular based spacecraft relative position and attitude estimation method. Furthermore, the number of feature and the spatial configuration will affect the estimation performance for monocular based vision navigation, An algorithm integrated with Cramér-Rao lower bound theory and Random Sample Consensus method is proposed to remove the outliers and invalid feature from extracted features and spit out optimal feature configuration, therefore to further improve the estimation precision, robustness and calculation speed. Finally, a scenario mission of non-cooperative spacecraft on-orbit serving is utilized and a hardware-in-the-loop simulation platform is established to validate the feasibility and effectiveness of the theoretical achievements of this project. The research of this project provide a new theoretical methodology for future space missions, such as spacecraft on-orbit servicing and planet soft landing, therefore it has significant importance on science, and has huge application prospects.

本项目针对非合作航天器视觉导航问题，研究航天器相对状态鲁棒估计算法。以几何代数为框架，提出基于特征点、直线及高阶形状的多尺度多类型图像特征统一建模方法，实现了多特征融合，解决采用单一特征由于特征遮挡或提取和匹配错误而导致算法精度降低甚至得到错误结果的问题，提高了航天器单目视觉相对位姿参数确定算法的鲁棒性和精度。同时，特征的数量和空间构型对基于单目视觉的相对位姿估计性能有重要影响，提出融合Cramér-Rao误差性能下界理论的随机表决采样算法，可以有效剔除粗大误差和无效特征并获得最优特征构型，以进一步提高相对状态估计的鲁棒性、精度和速度。最后，以非合作航天器在轨服务为任务，搭建半物理仿真平台，验证本项目理论研究成果的可行性和有效性。本项目的研究为航天器在轨服务、行星软着陆等航天任务的视觉导航提供了新的理论工具，具有重要的科学意义和广阔的应用前景。

航天器在轨服务是当天航天领域的研究热点问题之一，而航天器间的相对导航是在轨服务交会的前提。传统单目视觉相对导航常用于合作目标航天器的近距离接近阶段，而在轨服务对象多为失效或故障航天器，其具有一定的局限性。针对上述问题，本项目深入研究了面向非合作航天器在轨服务的鲁棒视觉导航方法，具体研究内容如下：. 首先，针对非合作航天器具有系统模型不确定性和运动状态突变，设计了两种基于强跟踪滤波的视觉相对导航算法。考虑传统强跟踪滤波器要求观测矩阵非奇异和依赖系统先验知识，对其进行了改进。仿真结果表明，两种算法对系统模型不确定性和运动状态突变均有很好的鲁棒性。. 其次，研究了投影点提取失败的处理方法。方案一，基于逆投影原理重构故障投影点的位置，从而保障相对位姿的解算；方案二，对传统景深迭代算法进行改进，利用特征点位置关系完成故障投影点的景深迭代，并优化算法的迭代速度；方案三，基于无迹卡尔曼滤波，采用二次指数平滑法对故障观测值的新息值进行预测，并引入了比例矩阵调整协方差矩阵和滤波增益，从而削弱故障观测值对状态估计的修正。. 然后，研究了非合作航天器视觉相对导航策略。设计了“自拍杆”相机安装结构和相机在轨标定方案，然后根据视场大小选择不同的观测目标，以包括特征点、特征线和特征圆等的多特征观测数学模型，设计了多特征融合非线性估计方法，实现了观测特征变化时的非合作航天器相对位姿估计。. 再次，基于Cramer-Lao下界理论，推导了多维CRLB表达形式，建立了视觉测量CRLB模型，并采用RANSAC进行粗大误差剔除，最后利用CRLB特征有效模型，从RANSAC获取的内点中选取CRLB最小的特征点集，有效提高了视觉导航的精度。. 最后，设计并开发了基于单目相机的相对位姿确定半物理仿真系统，完成了三轴气浮台相对位姿测量演示验证实验，该系统具有标定简单、价格低廉、性能良好等优点。