论文部分内容阅读
在空间观测系统中实时跟踪空间非合作目标，并精确测量其形态，是实现空间对接、规避太空垃圾以及进行空间维修等任务的重要条件。目前针对空间目标形态测量的方法有很多，但是大部分是面向合作目标的，而适用于空间非合作目标的形态测量技术仍未成熟，因此对空间非合作目标的形态测量研究是具有重要意义的。
本文研究以空间光学传感器为目标观测器，通过图像序列识别方法检测姿态机动以及测量姿态变化。主要研究成果如下：
1．基于交互式多模型(IMM)滤波方法提出了轮廓序列降噪方法，该方法使用傅立叶描述子描述轮廓，然后对轮廓序列的傅立叶描述子进行滤波以减少噪声。该方法可以用于空间环境中，观测器距离目标较远，所成图像受到噪声干扰的情况下，进行目标轮廓的降噪。仿真试验表明该方法在目标静止和运动的情况下对于几种常见的噪声均是有效的。
2．空间目标姿态机动检测方法。姿态机动是指目标姿态的状态发生改变。空间目标的运动模型通常是轨道动力学模型，空间目标发生失效等异常行为时其姿态往往会发生变化，因而检测姿态机动对于监测空间目标的正常工作是有重要意义的。轮廓的频域模型对姿态变化较为敏感，能够很好的描述目标姿态的变化。采用归一化的傅立叶描述子对轮廓序列进行描述在一定程度上还可以克服尺度因素的影响。本文采用跟踪领域的机动检测方法对轮廓序列的傅立叶描述子的变化进行检测，根据其变化程度确定姿态机动是否发生，仿真实验表明该方法行之有效。
3．基于轮廓单应的形态测量方法。许多空间人造目标都包含了大量的平面结构，如太阳能电池板等，因此可以利用目标中的平面结构来估算其形态的变化。单应是描述两个平面之间关系的一种数学手段，单应包含了旋转信息，因此本文采用由平面目标的轮廓估算单应，再由单应计算出目标的相对旋转角度的研究思路。本文提出的基于随机抽样一致性方法(RANdom Sample Consensus)的迭代RANSAC方法，能够有效地从平面轮廓估算单应，与普通RANSAC方法相比有效的降低了运算量。该方法稍加改进还可以用于从轮廓序列估算任意两个轮廓间的单应。得到单应后采用基于SVD(Singular Value Decomposition)分解的方法从单应解算出目标的姿态变化。
4．基于随机抽样一致性(RANdom Sample Consensus)的概率假设密度(Probability Hypothesis Density)滤波方法。将PHD滤波方法引入并结合RANSAC方法用以跟踪杂波较大的情况下图像中的兴趣点（角点）。PHD有较强的抗杂波能力，能够为RANSAC方法提供外点（野值）较少的待匹配集合，而RANSAC估算出的约束可以用来为PHD补充新目标，两者的结合互为补充。通过序列中的目标兴趣点可以对单应或者基本矩阵进行估算，进而可以获取目标的形态变化信息。