相对姿态

使用卷积神经网络进行在轨装配的辅助相对姿态估计

准确实时地估计航天器或空间物体的姿态是航天器在轨维修和装配任务所必需的关键能力。由于空间图像包含变化很大的照明条件、高对比度和较差的分辨率，以及功率和质量限制，因此空间物体的姿态估计比地球上的物体更具挑战性。本文利用卷积神经网络来唯一地确定感兴趣物体相对于相机的平移和旋转。使用 CNN 模型的主要思想是协助空间装配任务中使用的物体跟踪器，而仅基于特征的方法总是不够的。为装配任务设计的模拟框架用于生成用于训练修改后的 CNN 模型的数据集，然后将不同模型的结果与模型预测姿态的准确度进行比较。与许多当前用于航天器或空间物体姿态估计的方法不同，该模型不依赖于手工制作的对象特定特征，这使得该模型更加稳健，更容易应用于其他类型的航天器。结果表明，该模型的性能与当前的特征选择方法相当，因此可以与它们结合使用以提供更可靠的估计。