-
公开(公告)号：CN119716939A
公开(公告)日：2025-03-28
申请号：CN202411790901.5
申请日：2024-12-06
Applicant: 上海航天控制技术研究所
Abstract: 本发明公开了基于多星联动观测的多目标相对状态确定方法，现有算法主要通过中心体卫星采集伴飞卫星测量数据，仅能得到中心体卫星与伴飞卫星相对状态(位置、速度)，且要求较高的时间同步性与计算配置。本发明利用多视线直接测量物理量，融合处理获得优化的目标定位信息，形成相对距离间接测量量，结合测角信息可获得多星对多目标的相对状态(位置、速度)。包括以下步骤：第一步建立目标星与已方卫星之间的相对动力学模型，第二步采用多视线交叉数据对各目标星开展协同优化定位，第三步生成目标与已方卫星的距离信息，第四步融合测角信息采用强跟踪滤波算法获得多目标相对于多已方卫星的相对状态。
-
公开(公告)号：CN112017188B
公开(公告)日：2024-04-09
申请号：CN202010940953.1
申请日：2020-09-09
Applicant: 上海航天控制技术研究所
IPC: G06F30/27
Abstract: 一种空间非合作目标语义识别与重构方法，将二维深度学习技术与三维点云识别技术相结合，在二维图像上确定物体的边界框，然后投影到三维模型中，对三维模型中的点云进行可拆卸部位分割，更新重建模型中可拆卸部位的点云信息和从属类别，最终完成抓捕部位和可拆卸部件的识别、测量和三维重构。本发明解决了空间非合作目标的非结构特征的目标识别难题，为动力学参数智能感知和机器人辅助自学习在轨抓捕和精细操作奠定基础，对空间非合作目标的在轨服务设工程应用具有重要的指导意义。
-
Patent Agency Ranking
公开(公告)号：CN119620114A
公开(公告)日：2025-03-14
申请号：CN202411664404.0
申请日：2024-11-20
Applicant: 上海航天控制技术研究所
Abstract: 本发明公开一种面向多视角融合感知的微小卫星模拟装置，包括：微小卫星外壳为六面体结构；气浮系统给微小卫星模拟装置提供三自由度的零重力环境；控制系统包括控制单元和控制执行机构，其中控制单元接收外部中央智能处理器发送的位姿信息对微小卫星模拟装置进行位姿控制；控制执行机构接收控制单元的位姿控制信号并执行对微小卫星模拟装置的位姿进行调整；电源系统包括蓄电池、电源控制器以及连接电缆，为其他系统提供充足的能源；视觉感知系统包括纵向视角补偿机构、视觉相机、图像采集计算单元，用于目标多角度图像采集。本发明实现微小卫星基座的运动控制和视觉感知，为微小卫星协同技术的地面验证提供支撑。
-
公开(公告)号：CN117824668A
公开(公告)日：2024-04-05
申请号：CN202311751654.3
申请日：2023-12-19
Applicant: 上海航天控制技术研究所
IPC: G01C21/24
Abstract: 一种高轨集群内全自主目标辨识及相对导航方法，采用仅测角相对导航技术，对多个空间点目标逐一进行初辨识和粗导航，得到观测星和目标星之间的概略相对位置；将粗导航获得的概略相对位置和无线电的测距值进行距离匹配，满足距离阈值的视为完成空间域目标配准；将匹配后的无线电测距值与光学相机输出的角度值输入精确导航系统，得到精确的相对导航输出值；对导航输出值进行图像域复核，完成目标辨识的复核。本发明在高轨无GNSS可用的情况下，仅凭光学相机和星间通信即可完成集群多个点目标的辨识和导航，并确保辨识结果具有较好的可靠性。
-
公开(公告)号：CN112435160A
公开(公告)日：2021-03-02
申请号：CN202011231038.1
申请日：2020-11-06
Applicant: 上海航天控制技术研究所
Abstract: 本发明公开了一种基于生成式对抗网络的深度图超分辨率方法，其特征在于，包含以下步骤：S1、通过设置下采样因子，将高分辨率图像转为低分辨率图像，并将所述的高分辨率图像和低分辨率图像打包作为整个网络的训练数据对；S2、将基准超分辨网络的第5、10、15、20个残差模块与梯度引导网络相互连接，并将梯度引导网络输出与基准超分辨网络的输出相融合；S3、将融合后的超分辨深度图输入到边增强网络中，剔除图像中的噪声，输出增强后的超分辨深度图。
-
公开(公告)号：CN112017188A
公开(公告)日：2020-12-01
申请号：CN202010940953.1
申请日：2020-09-09
Applicant: 上海航天控制技术研究所
Abstract: 一种空间非合作目标语义识别与重构方法，将二维深度学习技术与三维点云识别技术相结合，在二维图像上确定物体的边界框，然后投影到三维模型中，对三维模型中的点云进行可拆卸部位分割，更新重建模型中可拆卸部位的点云信息和从属类别，最终完成抓捕部位和可拆卸部件的识别、测量和三维重构。本发明解决了空间非合作目标的非结构特征的目标识别难题，为动力学参数智能感知和机器人辅助自学习在轨抓捕和精细操作奠定基础，对空间非合作目标的在轨服务设工程应用具有重要的指导意义。
-
公开(公告)号：CN111209915A
公开(公告)日：2020-05-29
申请号：CN201911351800.7
申请日：2019-12-25
Applicant: 上海航天控制技术研究所
Abstract: 一种基于深度学习的三维图像同步识别和分割方法，采用Faster RCNN网络实现对空间非结构复杂环境的三维图像的目标分类和目标检测，采用U-Net网络实现对空间非结构复杂环境的场景的语义分割和实例分割，最终获得空间目标或部组件实体，基于目标分类、目标检测、语义分割和实例分割结果实现目标的智能识别和场景理解。本发明基于深度学习实现空间非结构复杂环境目标识别、目标检测、语义分割和实例分割等智能感知，完成空间非结构复杂环境场景解析与表征，解决了目标识别和场景理解存在的识别鲁棒性差、泛化性差以及难以获得更深层次语义信息的问题，为在轨抓捕和精细操作奠定基础。
-
-
-
-
-
-
Search Results
17
records
(took 0.033 seconds)
