[发明专利]一种基于UPF的空间非合作目标相对位姿估计方法

说明书

本发明公开了一种基于UPF的空间非合作目标相对位姿估计方法，包括以下步骤：相对位姿和SURF特征点三维坐标的初始化，SURF特征点跟踪匹配以及基于UPF的相对位姿估计三部分。本发明将视觉即时定位和地图构建SLAM领域中用于位姿估计的贝叶斯滤波方法和测量反演方法引入至空间视觉导航领域，可对完全非合作目标的相对位姿进行测量，可应用于在轨服务，比如空间碎片的捕获，也可应用于空间攻防，获取非合作目标的状态信息，服务于进一步的识别和操作决策。本发明可提供高精度的位姿输出，具有良好的抗噪声性能，无需目标的外形、运动状态等先验信息，不受限于关于目标状态的假设，具有良好的自主性、通用性和便捷性。

技术领域

本发明涉及空间视觉导航技术领域，特别是一种基于无迹粒子滤波UPF的空间非合作目标相对位姿估计方法。

背景技术

空间技术发展对完成复杂任务的需求日益增加，如抓捕或转移空间碎片和废弃卫星、维修或更换有故障的在轨航天器、通过加注燃料延长寿命的卫星等，这些任务要求追踪/任务航天器近距离精确估计目标的相对位置和姿态。目标在非合作状态下，运动情况和结构完全未知或部分未知，并且没有星间链路等辅助进行位姿测量，因此非合作目标相对位姿测量具有挑战性，难度大。根据非合作目标的几何模型是否已知，非合作目标又可被分为模型已知非合作目标和模型未知非合作目标。依赖于非合作目标的明显的几何特征或已知的三维模型，模型已知非合作目标的相对位姿估计问题已经得到了很好的解决。相反，模型未知非合作目标先验信息缺失、运动状态不确定，其相对位姿估计问题更为复杂。

近年来，国内外学者开始考虑引入移动机器人视觉即时定位和地图构建SLAM方法来解决模型未知非合作目标的相对位姿估计问题，斯坦福大学的Sean Augenstein等人从FastSLAM算法受到启发，提出了一种基于FastSLAM算法的非合作目标位姿跟踪和三维重构方法，并通过水下目标实验验证了算法的可行性。北京装备学院的郝刚涛等人针对此方法中的相对位姿估计部分进行改进，联合无迹卡尔曼滤波UKF和粒子滤波PF实现了目标位姿参数的快速平滑估计。但是，上述两种方法均假定目标初始位姿已知，不利于实际应用。德累斯顿工业大学的Schnitzer等人针对空间失效航天器的自主维修问题，提出基于EKF-SLAM和RANSAC算法来估计目标相对位姿，恢复目标三维结构，但该方法依赖于扩展卡尔曼滤波EKF对非线性方程的线性化处理，当系统非线性程度较高时，过大的线性化误差会导致滤波性能下降。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于UPF的空间非合作目标相对位姿估计方法，将视觉即时定位和地图构建SLAM领域中用于相对位姿估计的贝叶斯滤波和测量反演方法引入至空间视觉导航领域，在无目标先验信息和运动状态信息情况下，能够实现非合作目标的相对位姿估计，为后续的空间近场操作提供必要的位姿信息。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于UPF的空间非合作目标相对位姿估计方法，包括以下步骤：

步骤一、读取单目相机实时采集的图像，从开始帧中筛选连续两帧图像作为初始两帧图像，检测初始两帧图像上的SURF特征点，并进行SURF特征点匹配，删除离群点，得到特征匹配点对，并依据对极几何关系计算本质矩阵，分解本质矩阵后得到初始两帧图像间的相对位姿；

根据初始两帧图像间的相对位姿，利用三角测量法获取第j个SURF特征点在相机坐标系C下的初始位置j＝1,2,...,M，其中下标j表示SURF特征点的索引，M为SURF特征点个数；

任取一SURF特征点作为目标本体坐标系的原点，建立目标本体坐标系B，目标本体坐标系固连于目标上，目标本体坐标系的指向和相机坐标系平行，记目标本体坐标系的原点在相机坐标系中的坐标为获得相机和目标间的相对姿态初始值α₀和相对位置初始值ρ₀以及第j个SURF特征点在目标本体坐标系下的三维坐标初始值