基于域自适应的非合作目标航天器位姿测量方法.pdfVIP

摘要

摘要

随着航天技术的发展，在轨服务和太空垃圾清理等任务的重要性逐渐提升，

这些任务的核心任务是安全自主地交会对接，这就对非合作目标航天器的相对

位姿测量的准确性和实时性有极高的要求。深度学习可以从原始数据中自动地

学习特征表示，并且单目相机具有结构简单、制造成本低等优势，将深度学习

与单目视觉技术结合进行非合作目标航天器相对位姿测量任务有良好的前景。

但是直接在太空环境利用相机获取训练数据是不实际的，因此可以使用计算机

软件合成非合作目标图像作为训练数据。然而合成图像和真实情况的图像之间

存在域间隙，阻碍了深度学习网络的训练。以减少域间隙为核心展开非合作目

标航天器位姿测量的研究具有重要的学术价值和工程指导意义。基于此，本文

提出一种基于域自适应的非合作目标航天器位姿测量方法，并使用公开数据集

SPEED+数据集进行测试。

首先，本文对FCOS目标检测网络进行改进，包括利用深度可分离卷积和

逆向残差结构对骨干网络进行优化，使用双向特征金字塔结构作为颈部网络，

以及使用FocalLoss、DIoULoss和中心点损失作为头部结构，然后在对基于

FCOS的改进目标检测网络进行训练及推理，最终实现了在地球大气背景下或

在太空背景下提取非合作目标航天器的候选区域，减少了与非合作目标无关的

背景信息对后续关键点检测网络的影响。

其次，本文提出了基于域自适应的关键点检测网络，将DLA作为关键点

检测模块的骨干网络来提取图像中抽象的高级语义特征，以及使用域自适应模

块辅助关键点检测模块来发掘合成图像和真实图像之间的共同特征，将其映射

到同一特征空间中，减少域间隙对关键点检测的影响。通过对关键点检测模块

和域自适应模块的设计与训练最终完成对非合作目标的候选区域进行关键点的

检测和获得最终非合作目标11个关键点的二维像素坐标，并生成热度图。

最后，为了测量非合作目标航天器的相对位姿，首先使用了基于多视图三

角化的方法通过最小化重投影误差的方式恢复了非合作目标航天器关键点的三

维几何信息，再以关键点的二维像素坐标作为输入，使用基于EPnP的位姿检

测算法对非合作目标航天器进行位姿估计，解算了非合作目标航天器的相对位

置与姿态，分别统计了对相对姿态和相对位置误差。

关键词:非合作航天器；目标检测；关键点检测；域自适应；相对位姿估计

-I-

Abstract

Abstract

Withthedevelopmentofspacetechnology,theimportanceofon-orbit

servicingandspacedebrisremovaltasksisgraduallyincreasing.Thecoreobjective

ofthesetasksistoachievesafeandautonomousrendezvousanddocking,which

placeshighdemandsontheaccuracyandreal-timecapabilityofrelativepose

estimationfornon-cooperativetargetspacecraft.Deeplearningcanautomatically

learnfeaturerepresentationsfromrawdata,andmonocularcamerashave

advantagessuch