[发明专利]基于视觉SLAM估计空间旋转非合作目标转轴的方法

说明书

基于视觉SLAM估计空间旋转非合作目标转轴的方法，本发明涉及估计空间旋转非合作目标转轴的方法。本发明的目的是为了解决现有方法估计的精度较差，计算条件受限制，以及并未考虑到相机拍摄的图片中存在其他碎片等干扰，使旋转非合作目标转轴估计的误差大的问题。过程为：一、得到训练好的YOLO目标检测模型；二、建立k叉数字典；三、估计出每帧旋转矩阵和平移矩阵；四、对RGBD相机采集的每帧图像处理，直至检测出两次回环或达到指定时间或帧数，RGBD相机停止采集图像；五、拟合成的空间平面的法线是非合作目标转轴的斜率，空间圆弧的圆心是非合作目标转轴经过的点。本发明用于航天在轨服务领域。

技术领域

本发明涉及估计空间旋转非合作目标转轴的方法。本技术应用于航天在轨服务领域。

背景技术

目前，世界各国发射了各式各样的航天飞行器，如卫星、航天飞机、空间站以及深空探测器等用来探索和开发太空。在全球每年发射的100多颗卫星里，会有2-3颗未正常入轨，而正确入轨的卫星中，又有5颗左右在寿命初期即失效，失效的卫星还会产生大量的碎片和太空垃圾。因此，维修或清除空间中的故障或废弃的卫星具有巨大的社会经济效益和良好的应用前景。与空间站、三轴稳定卫星等运动状态已知或能提供运动信息和结构信息的合作目标不同，故障或废弃卫星在空气摄动力的作用下随着能量耗散可绕本体最大惯量轴旋转，其三维形状、尺寸大小未知，位置姿态、转轴、转动惯量不确定，且无法提供用于辅助测量的人工标记，这样的卫星称为空间旋转非合作目标。与空间三轴稳定的非合作目标不同，对旋转非合作目标进行在轨操作时必须要估计出目标的转轴位置，这给空间机器人的在轨服务带来巨大挑战。例如“哥伦比亚”号航天飞机曾试图对一颗处于自旋状态的非合作目标进行捕获，但未成功。

随着多传感器技术应用于机器人技术中，机器人变得越来越智能化，由仿生学可知，在人类的感官中，大脑得到的83％的信息量来自于视觉。相比于其它的感知方式，视觉有两个明显的优势，第一是获得的信息量较大，第二是非接触式测量。所以它被认为是卫星在轨服务最重要的感知方式。

对于旋转非合作目标转轴估计，国外学者做了大量的研究。

加拿大航天局(CSA)的Aghili提出了基于EKF的运动框架来对空间旋转非合作目标进行转轴估计，他成功地估计出了相机坐标系下非合作目标的位置和惯性主轴。但是Aghili针对的目标，旋转速度小于0.1rad/s，对于转速较大时的非合作目标转轴估计的精度较差；麻省理工大学的Brent Edward Tweddle在其博士生论文中，提出将非合作目标的动力学方程与SLAM结合，再用iSAM进行后端优化来估算非合作目标的转轴。他将非合作目标的动力学方程作为约束，并且假设无外力和外力矩。此方法虽然较好得估计出转轴位置，但是由于动力学方程的限制，无法将此算法扩展到其他不满足此动力学方程的场景，计算条件受限制。

此外，以上的转轴估计均没有对非合作目标进行识别与检测，均假设视野中仅存在非合作目标，并未考虑到相机拍摄的图片中存在其他空间碎片。事实上，后者出现的几率很大，在算法中如果不识别并截取目标，干扰中的特征点会大大影响算法的精度，使旋转非合作目标转轴估计的误差大。

发明内容

本发明的目的是为了解决现有方法对于转速较大时的非合作目标转轴估计的精度较差，计算条件受限制，以及现有转轴估计均没有对非合作目标进行识别与检测，均假设视野中仅存在非合作目标，并未考虑到相机拍摄的图片中存在其他碎片等干扰，使旋转非合作目标转轴估计的误差大的问题，而提出基于视觉SLAM估计空间旋转非合作目标转轴的方法。

基于视觉SLAM估计空间旋转非合作目标转轴的方法具体过程为：

步骤一、利用ImageNet数据库对YOLO目标检测模型做预训练；将前期获得的非合作目标图片输入预训练好的YOLO目标检测模型进行训练，得到训练好的YOLO目标检测模型；

步骤二、对前期获得的非合作目标图片信息提取ORB特征点，利用K均值算法进行聚类建立k叉数字典；