CN109459043A - 一种基于生成式重构图像的航天器相对导航方法 - Google Patents
一种基于生成式重构图像的航天器相对导航方法 Download PDFInfo
- Publication number
- CN109459043A CN109459043A CN201811515501.8A CN201811515501A CN109459043A CN 109459043 A CN109459043 A CN 109459043A CN 201811515501 A CN201811515501 A CN 201811515501A CN 109459043 A CN109459043 A CN 109459043A
- Authority
- CN
- China
- Prior art keywords
- production
- image
- relative
- navigation
- spacecraft
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/24—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for cosmonautical navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于生成式重构图像的航天器相对导航方法,由于航天器所处的太空环境中日光为平行光,使得目标卫星在受到日光照射时光照区和阴影区对比强烈,导致视觉相机获得的目标图像不完整。本发明以视觉相机获取的目标局部图像信息为输入量,根据预设的卫星属性通过深度神经网络学习获取表征向量,结合生成式对抗方法将视觉相机获得的局部图像重构为完整图像,对生成的完整图像进行立体解算,得出相对位置姿态,并将该相对量转换到球坐标系下作为导航系统的量测值,将球坐标系下的相对运动方程作为导航状态方程,以特定滤波算法完成相对导航求解。本发明仅通过视觉相机等被动成像装置即可完成相对导航。
Description
技术领域
本发明属于航天器导航技术领域,具体涉及相对测量与导航技术,尤其涉及一种基于生成式重构图像的航天器相对导航方法。
技术背景
视觉导航是航天器间相对测量与导航的重要方式。由于航天器所处的太空环境中日光为平行光,使得目标卫星在受到日光照射时光照区和阴影区对比强烈,若将曝光参数设置成适应暗弱光照环境,则目标星被日光照射到的部分易产生过曝;反之,未被照射到的部分则处于黑暗中无法成像。因此,目标卫星影像经常产生明显的明暗分界,仅部分可见。如何解决这一问题成为当前领域内的研究热点之一。
目前已有的方法通常是增加主动设备,如主动补光设备,主动探测设备等。无论何种方式的主动设备,都会额外增加功耗和质量需求,尤其是功耗,与测量距离正相关,这使得视觉导航的应用平台范围受限。
因此,需要一种新的解决途径,无需增加主动设备,仅通过将视觉导航获取的目标卫星局部影像,即可重构出目标当前的完整图像,并基于该图像进行相对测量与导航解算。即本发明提出的一种基于生成式重构图像的航天器相对导航方法,该方法的系统组成简单,不额外增加质量功耗,使基于视觉相机等被动成像敏感器的测量与导航更普遍的应用于在轨复杂光照环境,拓展了航天器相对测量与导航的方法与手段。
发明内容
本发明的目的在于提供一种基于生成式重构图像的航天器相对导航方法,在考虑航天器在轨复杂光照环境导致成像明暗对比明显的情况下,通过局部影像实现相对导航,降低视觉导航的应用条件,降低相对导航对航天器平台的功耗需求。为了实现上述目的,本发明的技术方案如下:
一种基于生成式重构图像的航天器相对导航方法,其特征在于以视觉相机获取的目标局部图像信息为输入量,根据预设的卫星属性通过深度神经网络学习获取表征向量,结合生成式对抗方法将视觉相机获得的局部图像重构为完整图像,对生成的完整图像进行立体解算,得出相对位置姿态,并将该相对量转换到球坐标系下作为导航系统的量测值,将球坐标系下的相对运动方程作为导航状态方程,以特定滤波算法完成相对导航求解。
进一步,针对太空环境中视觉相机获得的目标图像不完整问题,采用生成式对抗方法由局部图像复原完整图像,用于相对导航;
进一步,成像敏感器只需选择被动型成像设备,如可见光相机,无需选择主动型探测或主动照明装置。因此导航敏感器配置简单,作用范围不受功耗限制;
进一步,仅需成像敏感器获取目标的局部影像,不要求敏感器获取目标完整影像,并且对局部成像的内容和部位没有限制,因此更适用于空间普遍存在的测量不确定状态;
进一步,通过预设卫星属性,采用深度神经网络对训练数据进行分布假设和参数学习,学习获得卫星的表征向量;
进一步,将卫星表征向量加入生成式对抗方法的生成模型和判决模型,通过目标的局部影像,逼近真实数据的潜在分布,得到生成式重构的完整图像样本;
进一步,针对生成式重构的完整图像进行边缘检测、特征提取、形心估计等,最终解算出相对位置姿态,作为导航的量测值;
进一步,将量测值、量测方程、状态量、状态方程全部变换到球坐标系下,采用低运算量非线性滤波算法进行导航解算,如FA-PF算法,获得更高导航精度。
与现有技术相比,本发明的有益效果:
1、仅采用被动测量设备,功耗与测量距离不存在正相关性,因此降低了功耗需求;
2、仅需要局部影像,且对成像位置无约束,因此能适应更普遍的在轨光照环境;
3、可根据局部图像生成完整图像,该完整图像不仅可用于航天器间的相对测量与导航,还可应用于在轨目标辨识;
4、在球坐标系下进行导航解算,采用需要粒子数量少、运算量小且不易贫化的滤波算法,使导航精度更高;
5、适用于类型更广泛的航天器平台,如常规卫星、微纳卫星等;适用于更多应用场景,如交会对接、碎片清理等。
附图说明
图1为一种基于生成式重构图像的航天器相对导航方法示意图;
图2为被动测量成像明暗分界示意图;
图3为生成式重构方法示意图;
图4为球坐标系示意图;
具体实施方式
以下结合附图,通过详细说明一个较佳的具体实施例,对本发明做进一步阐述。
如图1所示,一种基于生成式重构图像的航天器相对导航方法,其特征在于以视觉相机获取的目标局部图像信息为输入量,根据预设的卫星属性通过深度神经网络学习获取表征向量,结合生成式对抗方法将视觉相机获得的局部图像重构为完整图像,对生成的完整图像进行立体解算,得出相对位置姿态,并将该相对量转换到球坐标系下作为导航系统的量测值,将球坐标系下的相对运动方程作为导航状态方程,以特定滤波算法完成相对导航求解。
针对太空环境中视觉相机获得的目标图像不完整问题,采用生成式对抗方法由局部图像复原完整图像,用于相对导航;成像敏感器只需选择被动型成像设备,如可见光相机,如图2所示,无需选择主动型探测或主动照明装置。因此导航敏感器配置简单,作用范围不受功耗限制;
仅需成像敏感器获取目标的局部影像,不要求敏感器获取目标完整影像,并且对局部成像的内容和部位没有限制,因此更适用于空间普遍存在的测量不确定状态;
如图3所示,预设卫星属性13种:“低反射率表面材料”,“高反射率表面材料”,“有对接圆环”,“锅状天线”,“螺旋天线”,“方形本体”,“柱形本体”,“球形本体”,“单帆板”,“双帆板”,“有推力器喷管”,“有遮光罩的敏感器”,“无遮光罩的敏感器”。采用深度神经网络对训练数据进行分布假设和参数学习,学习获得卫星的表征向量
将卫星表征向量加入生成式对抗方法的生成模型G和判决模型D,得到含约束的生成模型和含约束的对抗模型目标函数为:
通过目标的局部影像,逼近真实数据的潜在分布,得到生成式重构的完整图像;
针对生成式重构的完整图像进行边缘检测、特征提取、形心估计等,最终解算出相对位置姿态,作为导航的量测量;将相对位置、相对速度、相对姿态、相对姿态角速度作为导航的状态量;相对运动方程为滤波状态方程;
将量测值、量测方程、状态量、状态方程全部变换到如图4所示的球坐标系下,采用FA-PF滤波算法进行导航解算,粒子数N=25,Q=1,R=1,步长因子α=0.35,最大吸引度β=0.9,最大吸收系数γ=1,可获得更高导航精度。
综上,本发明以航天器在轨复杂光照环境导致成像明暗对比明显的客观实际,提出了一种基于生成式重构图像的航天器相对导航方法。该技术的有效运用和实施,对降低对平台功耗的需求、适应更普遍的在轨光照环境、提高导航精度等多方面具有重要的理论意义和实践意义。可适用于类型更广泛的航天器平台,如常规卫星、微纳卫星等;也适用于更多应用场景,如交会对接、碎片清理等;不仅可用于航天器间的相对测量与导航,还可应用于在轨目标辨识。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (7)
1.一种基于生成式重构图像的航天器相对导航方法,其特征,在于以视觉相机获取的目标局部图像信息为输入量,根据预设的卫星属性通过深度神经网络学习获取表征向量,结合生成式对抗方法将视觉相机获得的局部图像重构为完整图像,对生成的完整图像进行立体解算,得出相对位置姿态,并将该相对量转换到球坐标系下作为导航系统的量测值,将球坐标系下的相对运动方程作为导航状态方程,以特定滤波算法完成相对导航求解。
2.如权利要求1所述的一种基于生成式重构图像的航天器相对导航方法,其特征在于,针对太空环境中视觉相机获得的目标图像不完整问题,采用生成式对抗方法由局部图像复原完整图像,用于相对导航。
3.如权利要求1所述的一种基于生成式重构图像的航天器相对导航方法,其特征在于,成像敏感器采用可见光相机。
4.如权利要求1所述的一种基于生成式重构图像的航天器相对导航方法,其特征在于,通过预设卫星属性,采用深度神经网络对训练数据进行分布假设和参数学习,学习获得卫星的表征向量。
5.如权利要求1所述的一种基于生成式重构图像的航天器相对导航方法,其特征在于,将卫星表征向量加入生成式对抗方法的生成模型和判决模型,通过目标的局部影像,逼近真实数据的潜在分布,得到生成式重构的完整图像样本。
6.如权利要求1所述的一种基于生成式重构图像的航天器相对导航方法,其特征在于,针对生成式重构的完整图像进行边缘检测、特征提取、形心估计,最终解算出相对位置姿态,作为导航的量测值。
7.如权利要求1所述的一种基于生成式重构图像的航天器相对导航方法,其特征在于,将量测值、量测方程、状态量、状态方程变换到球坐标系下,采用低运算量非线性滤波算法进行导航解算,获得更高导航精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811515501.8A CN109459043B (zh) | 2018-12-12 | 2018-12-12 | 一种基于生成式重构图像的航天器相对导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811515501.8A CN109459043B (zh) | 2018-12-12 | 2018-12-12 | 一种基于生成式重构图像的航天器相对导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109459043A true CN109459043A (zh) | 2019-03-12 |
CN109459043B CN109459043B (zh) | 2022-08-05 |
Family
ID=65613060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811515501.8A Active CN109459043B (zh) | 2018-12-12 | 2018-12-12 | 一种基于生成式重构图像的航天器相对导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109459043B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110262533A (zh) * | 2019-06-25 | 2019-09-20 | 哈尔滨工业大学 | 一种基于分层任务网络规划模块化可重构卫星自重构的方法、装置及计算机存储介质 |
CN111063021A (zh) * | 2019-11-21 | 2020-04-24 | 西北工业大学 | 一种空间运动目标的三维重建模型建立方法及装置 |
CN111204476A (zh) * | 2019-12-25 | 2020-05-29 | 上海航天控制技术研究所 | 一种基于强化学习的视触融合精细操作方法 |
CN113012052A (zh) * | 2019-12-19 | 2021-06-22 | 浙江商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982095A (zh) * | 2012-10-31 | 2013-03-20 | 中国运载火箭技术研究院 | 一种基于叙词表的本体自动生成系统及其方法 |
CN105387861A (zh) * | 2015-10-26 | 2016-03-09 | 上海新跃仪表厂 | 采用大动态暗弱目标成像敏感器的多天体观测自主导航系统 |
CN106446965A (zh) * | 2016-10-21 | 2017-02-22 | 西北工业大学 | 一种航天器可见光图像分类方法 |
CN107103621A (zh) * | 2017-04-22 | 2017-08-29 | 许晟明 | 基于光场单相机的非合作航天器三维位姿测量系统 |
CN107895358A (zh) * | 2017-12-25 | 2018-04-10 | 科大讯飞股份有限公司 | 人脸图像的增强方法及系统 |
CN108629753A (zh) * | 2018-05-22 | 2018-10-09 | 广州洪森科技有限公司 | 一种基于循环神经网络的人脸图像恢复方法及装置 |
CN108645416A (zh) * | 2018-03-30 | 2018-10-12 | 北京空间飞行器总体设计部 | 用于非合作目标相对导航仿真验证的视觉测量系统及方法 |
CN108734728A (zh) * | 2018-04-25 | 2018-11-02 | 西北工业大学 | 一种基于高分辨序列图像的空间目标三维重构方法 |
CN108932536A (zh) * | 2018-07-18 | 2018-12-04 | 电子科技大学 | 基于深度神经网络的人脸姿态重建方法 |
-
2018
- 2018-12-12 CN CN201811515501.8A patent/CN109459043B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102982095A (zh) * | 2012-10-31 | 2013-03-20 | 中国运载火箭技术研究院 | 一种基于叙词表的本体自动生成系统及其方法 |
CN105387861A (zh) * | 2015-10-26 | 2016-03-09 | 上海新跃仪表厂 | 采用大动态暗弱目标成像敏感器的多天体观测自主导航系统 |
CN106446965A (zh) * | 2016-10-21 | 2017-02-22 | 西北工业大学 | 一种航天器可见光图像分类方法 |
CN107103621A (zh) * | 2017-04-22 | 2017-08-29 | 许晟明 | 基于光场单相机的非合作航天器三维位姿测量系统 |
CN107895358A (zh) * | 2017-12-25 | 2018-04-10 | 科大讯飞股份有限公司 | 人脸图像的增强方法及系统 |
CN108645416A (zh) * | 2018-03-30 | 2018-10-12 | 北京空间飞行器总体设计部 | 用于非合作目标相对导航仿真验证的视觉测量系统及方法 |
CN108734728A (zh) * | 2018-04-25 | 2018-11-02 | 西北工业大学 | 一种基于高分辨序列图像的空间目标三维重构方法 |
CN108629753A (zh) * | 2018-05-22 | 2018-10-09 | 广州洪森科技有限公司 | 一种基于循环神经网络的人脸图像恢复方法及装置 |
CN108932536A (zh) * | 2018-07-18 | 2018-12-04 | 电子科技大学 | 基于深度神经网络的人脸姿态重建方法 |
Non-Patent Citations (2)
Title |
---|
孙 亮等: "基于生成对抗网络的多视图学习与重构算法", 《自动化学报》 * |
杨 宁等: "基于立体视觉的空间非合作航天器相对位姿自主测量", 《光学 精密工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110262533A (zh) * | 2019-06-25 | 2019-09-20 | 哈尔滨工业大学 | 一种基于分层任务网络规划模块化可重构卫星自重构的方法、装置及计算机存储介质 |
CN110262533B (zh) * | 2019-06-25 | 2021-06-15 | 哈尔滨工业大学 | 一种基于分层任务网络规划模块化可重构卫星自重构的方法、装置及计算机存储介质 |
CN111063021A (zh) * | 2019-11-21 | 2020-04-24 | 西北工业大学 | 一种空间运动目标的三维重建模型建立方法及装置 |
CN113012052A (zh) * | 2019-12-19 | 2021-06-22 | 浙江商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN111204476A (zh) * | 2019-12-25 | 2020-05-29 | 上海航天控制技术研究所 | 一种基于强化学习的视触融合精细操作方法 |
CN111204476B (zh) * | 2019-12-25 | 2021-10-29 | 上海航天控制技术研究所 | 一种基于强化学习的视触融合精细操作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109459043B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109459043A (zh) | 一种基于生成式重构图像的航天器相对导航方法 | |
CN106908813B (zh) | 一种卫星遥感器辐射定标方法及装置 | |
Veth | Fusion of imaging and inertial sensors for navigation | |
CN102607526A (zh) | 双介质下基于双目视觉的目标姿态测量方法 | |
CN106525001A (zh) | 地球静止轨道遥感卫星相机视轴空间指向计算方法 | |
Kanani et al. | Vision based navigation for debris removal missions | |
CN104574387A (zh) | 水下视觉slam系统中的图像处理方法 | |
CN106679676A (zh) | 一种单视场多功能光学敏感器及实现方法 | |
Zhang et al. | High-accuracy location algorithm of planetary centers for spacecraft autonomous optical navigation | |
CN111121789B (zh) | 一种基于图像的遥感卫星多模式自主定轨方法 | |
Liu et al. | Kinematic model for the space-variant image motion of star sensors under dynamical conditions | |
CN106097277B (zh) | 一种基于视觉测量的绳索物质点跟踪方法 | |
Jiang et al. | High-accuracy synchronous extraction algorithm of star and celestial body features for optical navigation sensor | |
Kaluthantrige et al. | CNN-based Image Processing algorithm for autonomous optical navigation of Hera mission to the binary asteroid Didymos | |
Napolano et al. | A multi-sensor optical relative navigation system for small satellite servicing | |
Woicke et al. | A stereo-vision hazard-detection algorithm to increase planetary lander autonomy | |
Xu et al. | Compound-eye imaging imitation-based whole-field flow measurement | |
Ohira et al. | Autonomous image-based navigation using vector code correlation algorithm for distant small body exploration | |
Lu et al. | Fast restoration of smeared navigation images for asteroid approach phase | |
Danas Rivera et al. | Autonomous Navigation Using Novel Sources at Jupiter | |
Kaufman et al. | Spacecraft relative navigation with an omnidirectional vision sensor | |
Tehrani et al. | Low-altitude horizon-based aircraft attitude estimation using UV-filtered panoramic images and optic flow | |
Drish Jr et al. | Images of Pluto generated by matrix lightcurve inversion | |
Chen et al. | Deep learning for 3D reconstruction of the Martian surface using monocular images: A first glance | |
CN109827578B (zh) | 基于轮廓相似性的卫星相对姿态估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |