XiaoMi-AI文件搜索系统
World File Search System相对导航
激光扫描的历史，第 1 部分：太空和防御......
摘要 本文介绍了中程地面激光扫描 ( TLS ) 的起源和发展，主要跨越从 20 世纪 50 年代到本文出版之时。特别关注了将场景的物理尺寸记录为点云的硬件和软件的发展。这些发展包括中程精度、重复性和分辨率参数——在记录距离最远一公里的建筑物和景观尺度的物体时，精度达到毫米和厘米级。本文分为两部分：第一部分从早期的空间和国防应用开始，第二部分探讨了 20 世纪 90 年代围绕 TLS 技术形成的测量应用。具有讽刺意味的是，中程 TLS 的起源始于空间和国防应用，这影响了传感器和通过自动驾驶汽车进行信息处理的发展。其中包括行星探测器、航天飞机、机器人和陆地车辆，这些车辆设计用于在太空和战区等恶劣环境中进行相对导航。在撰写本文的 10 年期间，我们咨询了中端 TLS 社区的关键人物。多语言和多学科文献综述（包括用中文、英文、法文、德文、日文、意大利文和俄文撰写或制作的媒体）也是本研究不可或缺的一部分。
有效载荷系统的设计Cubesat分布式望远镜
具有可重构群（遮阳板）任务的虚拟超分辨率光学器件是一种新颖的立方体形成望远镜任务，旨在研究太阳能电晕中的基本能量释放机制。遮阳板是最初在国家科学基金会（NSF）Cubesat Innovations Ideas Ideas实验室研讨会上构思的任务。该任务将使用两个6u立方体的角度分辨率在极端超紫罗兰（EUV）中观察到电晕，并使用两个6U立方体，它们相距40米，形成分布式望远镜。实现此类任务需要在衍射光学，卫星间通信，立方体推进和相对导航领域的关键技术。这些技术中任何一种的开发都是新颖的，但是所有这些技术结合起来都可以真正地使遮阳板使命。将这些技术巩固到立方体形式中，构成了机械和系统设计的挑战。本文重点介绍了遮阳板的初步有效负载设计，将关键技术组合为6U型的固有的挑战以及使有效负载设计成熟的关键下一步。与10所不同的大学一起工作，并预计在2023年末推出，遮阳板任务将展示Cubesats执行高精度冠状图像的能力，并将为未来的Cobesat群群铺平道路。
高度椭圆形轨道飞行的航天器形成的亚毫米级相对导航技术
摘要：高度椭圆形轨道（HEO）中的航天器的形成（SFF）引起了很多关注，因为在太空探索中的许多应用中，同时精确的指导导航和控制（GNC）技术（尤其是精确的范围）为此类SFF任务提供了成功的基础。在本文中，我们介绍了一种新颖的K带微波炉（MWR）设备，该设备旨在在未来的HEO SFF任务中对亚毫米级的精确范围技术的轨道验证。范围技术是一种同步的双单向范围（DOWR）微波相蓄积系统，在实验室环境中实现了数十微米的范围精度。提供了MWR设备的详细设计和开发过程，并分析了范围的错误源，并考虑了实际的扰动，为HEO形成场景提供了相对的轨道动态模型。此外，引入了一种自适应卡尔曼过滤算法，用于SFF相对导航设计，并结合了过程噪声不确定性。在使用MWR时，SFF相对导航的性能在高精度六个自由度（6-DOF）移动平台的硬件（HIL）模拟系统中测试。使用自适应过滤器的MWR的最终范围估计误差小于35 µm m，范围率为8.5 µm/s，这证明了未来HEO形成任务应用程序的有希望的准确性。
激光雷达在行星科学中的未来
激光雷达 (光检测和测距) 是一种利用发射激光脉冲的飞行时间来测量仪器和目标之间精确距离的方法 ( Gardner, 1982 ; Sun, 2017 ; Zhou et al., 2017 )。当作为轨道有效载荷时，激光雷达可对表面进行连续测距测量，沿航天器轨道建立地形剖面。只要有合适的轨道和测量节奏，就可以构建整个星球的地形图，精度达到厘米到米，并具有精确的大地测量控制。对月球和火星的轨道激光雷达测量提供了全球地形图，这些图是科学研究和探索工作的基础数据集。通过测量透射和反射的激光脉冲能量，可以确定激光波长下表面的反射率，而不管自然照明条件或表面的热状态如何。从这个角度看，我简要总结了激光雷达在行星科学应用方面的历史，从阿波罗 15 号激光高度计开始，并确定了几种与最紧迫的行星科学问题相关的未来技术和测量概念。我的目的是强调如何以新的方式使用两种基本的激光雷达测量（飞行时间和接收的激光能量）来提供独特的科学测量。我将这个观点限制在行星科学激光雷达研究上，并不关注丰富的地球科学激光雷达任务、地面和机载研究，也不讨论激光雷达在导航和制导目的上的严格使用，因为它越来越多地用于航天器对接、地形相对导航 (TNR) 以及着陆制导和控制。
基于稳健深度学习激光雷达的自主太空着陆器姿态估计
在太空着陆操作期间，准确估计航天器的相对姿态对于确保安全成功着陆至关重要。本文提出了一种基于 3D 光检测和测距 (LiDAR) 的 AI 相对导航架构解决方案，用于自主太空着陆。所提出的架构基于混合深度循环卷积神经网络 (DR-CNN)，将卷积神经网络 (CNN) 与基于长短期记忆 (LSTM) 网络的循环神经网络 (RNN) 相结合。获取的 3D LiDAR 数据被转换为多投影图像，并将深度和其他多投影图像输入 DRCNN。该架构的 CNN 模块可以有效地表示特征，而 RNN 模块作为 LSTM，可提供鲁棒的导航运动估计。我们考虑、模拟和实验了各种着陆场景，以评估所提出架构的效率。首先使用 PANGU（行星和小行星自然场景生成实用程序）软件创建基于 LiDAR 的图像数据（范围、坡度和海拔），然后使用这些数据对所提出的解决方案进行评估。建议使用 Gazebo 软件中的仪表化空中机器人进行测试，以模拟在合成但具有代表性的月球地形（3D 数字高程模型）上着陆的场景。最后，使用配备 Velodyne VLP16 3D LiDAR 传感器的真实飞行无人机进行真实实验，以在设计的缩小版月球着陆表面上着陆时生成真实的 3D 场景点云。所有获得的测试结果表明，所提出的架构能够通过良好合理的计算提供良好的 6 自由度 (DoF) 姿势精度。
![[SSC24-XI-01]](/simg/6\6b7d6b752364ecf63f7edc33230e19cb47ee7804.webp)
[SSC24-XI-01]
本文介绍了在Starling地层飞行光学实验（StarFox）期间进行的一群小型航天器群的初始飞行结果。Starfox是NASA Starling Mission上的四个实验之一，该实验由2023年7月推出的四个立方体组成。仅一角方法应用板载摄像机获得的卫星间轴承角度进行导航，增加卫星自主权并实现新的任务概念。尽管如此，先前的飞行演示仅介绍了一个观察者和目标，并依靠Apriori目标轨道知识来初始化，转化操作以解决目标范围以及外部绝对轨道更新以维持收敛。StarFox通过应用仅角度的绝对和相对轨迹测量系统（ARTM）来克服这些局限性，该系统整合了三种新型算法。图像处理使用多种假设方法和域特异性运动学建模来启用并跟踪图像中的多个目标，并计算目标轴承角。批处理轨道确定通过迭代批次最小二乘和弱可观察到的目标范围的采样来计算从轴承角批次的初始群轨道估计。顺序轨道确定利用具有非线性模型的自适应，有效的无气体滤波器，以随着时间的推移来完善群体估计。通过横跨链路共享的多观察者测量值无缝融合以实现可靠的绝对和相对轨道测定。Starfox Flight数据和遥测者提供了卫星群的仅自动角度导航的首次演示，包括多目标和多观察者相对导航；未知目标导航的自主初始化；并同时确定绝对和相对轨道。在有挑战性的测量条件下，单个观察者达到了目标范围的0.5％的相对定位误差，而多个观察者则降低至0.1％。结果表明，关于正在进行的Starfox活动以及仅在未来分布式任务中的纯粹导航的应用方面表现出色。
下一代 NASA 危险探测系统开发
I. 简介 用于精确和安全着陆的制导、导航和控制 (GN&C) 技术对于未来机器人科学和载人探索太阳系各个目的地的任务至关重要。这些进入、下降和着陆 (EDL) 技术是美国宇航局精确着陆和危险规避 (PL&HA) 领域的一部分，被认为是空间技术发展路线图 [1] 的高优先级能力，旨在促进和实现新的任务概念。SPLICE 项目，即安全精确着陆 - 综合能力演进 [2]，致力于持续开发传感器、算法和航空电子设备，以用于未来的月球着陆任务。具体来说，SPLICE 正在完善着陆器下降过程中的地形相对导航 (TRN) 和危险检测与规避 (HDA) 的传感器硬件和软件的技术就绪水平 (TRL)。 SPLICE 的所有工作主要基于 NASA 先前在 PL&HA 领域的项目，例如 ALHAT [ 3 – 6 ]、COBALT [ 7 – 10 ] 和 LVS [ 11 ]，其中包括多年的传感器开发工作 [12–15] 和各种亚轨道飞行测试。SPLICE 是一套用于精确着陆的 GN&C 技术。表 1 中列出的各个组件可以单独飞行，也可以作为着陆器承载的集成有效载荷飞行。NASA 兰利研究中心开发的导航多普勒激光雷达 (NDL) 提供厘米级的精确速度和测距。NASA 戈达德太空飞行中心开发的危险探测激光雷达 (HDL) 可生成预定着陆目标周围区域的高分辨率数字高程图 (DEM)。 TRN 系统包括摄像头、机载地图和 TRN 算法，这些算法由查尔斯·斯塔克·德雷珀实验室公司为 SPLICE 项目开发和实施 [16]。NASA 喷气推进实验室开发的危险检测算法基于参考文献 [17] 中概述的 ALHAT 算法，并进行了一些修改，以便与新型高清激光雷达 DEM 配合使用并在新型下降和着陆计算机 (DLC) 上运行。约翰逊航天中心开发的 DLC 是一种新型航空电子设备设计，正在开发中，以利用高性能航天计算 (HPSC) 处理器 [18, 19]。随着用于 TRN 和 HDA 的 GN&C 硬件和软件的不断成熟，该项目还在开发高精度模拟环境，包括带有 DLC 的硬件在环 (HWIL) 测试平台和一些在环传感器模拟器。此外，SPLICE 正在对机器人和载人任务的 EDL 架构进行详细建模 [ 20 , 21 ]，以确定未来需求，揭示现有技术差距，并推动传感器技术发展，使即将到来的任务受益，例如 NASA 的 Artemis 和商业着陆器有效载荷服务 (CLPS) 计划。图 1 是主机飞行器上 SPLICE 有效载荷的高级示意图。TRN 和 HDA 的图像处理需要大量计算，因此 DLC 的设计旨在通过处理大部分视觉导航算法来减轻主飞行计算机的负担。在 DLC 上运行的飞行软件利用 NASA 核心飞行