一种基于激光成像雷达的非合作航天器相对位姿测量方法

    公开(公告)号:CN106441311A

    公开(公告)日:2017-02-22

    申请号:CN201610557070.6

    申请日:2016-07-15

    CPC classification number: G01C21/24

    Abstract: 本发明提出一种基于激光成像雷达的非合作航天器相对位姿测量方法,采用激光成像雷达作为测量设备,实现对无明显特征的非合作目标相对位姿测量。主要包括如下步骤:1. 根据非合作航天器模型建立精密点云模型库;2.根据激光成像雷达获取可视部位点云数据;3.对可视部位点云数据进行预处理;4. 将可视部位点云数据与精密点云模型数据进行粗配准;5. 采用ICP算法进行点云精配准确定最优相对位置姿态。本发明可实现对任意构型的非合作航天器的相对位置姿态姿测量,通过建立点云数据库,合理选择待配准点云,取得了抗干扰能力强、算法鲁棒性好、相对位置姿态测量精度高、可满足空间操控中近距离非合作目标相对导航任务需求的有益效果。

    GEO轨道转移飞行器SINS/CNS/GNSS组合导航系统

    公开(公告)号:CN103134491B

    公开(公告)日:2016-02-10

    申请号:CN201110390748.3

    申请日:2011-11-30

    Inventor: 顾冬晴 叶飚 刘玉

    Abstract: 本发明提出GEO轨道转移飞行器SINS/CNS/GNSS组合导航系统,该系统将捷联惯导系统作为组合导航系统的核心,采用捷联惯导系统实时计算输出GEO轨道转移飞行器的导航信息,并利用卡尔曼滤波器改进的残差χ2检测法对GNSS接收机、地球敏感器和星敏感器输出的数据,进行故障检测与隔离,并将天文导航系统中地球敏感器和星敏感器输出信息,以及GNSS接收机输出的伪距测量信息,捷联惯导系统输出的导航信息进行信息融合,实时估计GEO轨道转移飞行器的导航误差以及惯性器件误差、地球敏感器误差和GNSS接收机时钟误差,且通过闭环反馈校正的方式对GEO轨道转移飞行器的导航误差进行实时修正,以实现GEO轨道转移飞行器高精度高可靠的在轨自主导航,取得了自主性强、精度高、鲁棒性好、可靠性高的有意效果。

    基于深度学习内外双反馈的空间目标部件智能识别方法

    公开(公告)号:CN115049940A

    公开(公告)日:2022-09-13

    申请号:CN202210695145.2

    申请日:2022-06-20

    Abstract: 本发明公开了一种基于深度学习内外双反馈的空间目标部件智能识别方法,包括1)基于空间目标智能识别与损失函数构建的内反馈网络;2)基于主成分分析、BP神经网络的空间目标图像质量评价和图像质量提升构建的外反馈网络。其中,内反馈智能识别基于VGG16神经网络搭建21层的深度卷积神经网络,网络中进一步扩大神经网络感受野以提升目标识别的准确率。外反馈链路中,图像质量评价采用空间图像常用4大类18项无参考图像质量评价指标,通过BP神经网络构建空间目标图像质量与部件识别准确率的关系模型,针对影响部件识别准确率的敏感项开展图像质量提升,实现消除空间环境固有“低质”影响因素下目标部件识别准确率的提升。

    基于特征点跟踪的空间非合作目标相对导航方法

    公开(公告)号:CN107621266B

    公开(公告)日:2020-12-15

    申请号:CN201710693362.7

    申请日:2017-08-14

    Abstract: 本发明提供了一种基于特征点跟踪的空间非合作目标相对导航方法,包括:采用双目立体视觉相机获取目标特征点的测量信息,并基于目标特征点建立用于相对导航的目标体坐标系;在获得相对导航参数初值后,采用捷联惯导的测量信息并结合动力学模型进行相对导航参数递推计算;设计卡尔曼滤波器并利用双目立体视觉相机跟踪目标特征点所获得的测量信息对递推计算得到的相对导航参数的误差进行实时估计与修正。本发明方法取得了非合作目标相对导航精度高、鲁棒性好、可靠性高的有益效果。

Patent Agency Ranking