基于SUSAN算法的空间目标分割算法

随着航天科技的迅猛发展,空间背景下非合作目标的分割问题已经成为人们关注的新焦点。SUSAN算法是一种新兴的并行边界类分割算法,采用USAN原理,通过对模板覆盖像素的统计来提取目标的特征。针对空间目标图像的特点,提出了一种基于SUSAN算法的空间目标分割算法。利用图像中目标的边缘轮廓信息进行特征提取,实现了人造目标与背景的分离。该算法具有抗噪声能力好、特征定位准确、计算速度快、能够较好的保持图像的特征结构信息等特点,非常适用于航天图像的实时分割处理。

基于自适应积分的太阳同步轨道发射优化设计

太阳同步轨道(Sun Synchronous Orbit,SSO)发射轨道的优化设计问题是一个具有严格内点约束和终端约束、终端时刻不确定型的最优控制问题,采用最优控制理论求解难度较大。针对此问题,首先将其转化为多重参数优化问题,然后提出一种自适应积分方法,根据高度和速度入轨条件自动确定中间转移轨道,并引入脉冲修正罚函数处理弹道倾角入轨条件,形成无约束最优化问题。借助于MATLAB集成遗传算法,实现了SSO发射轨道的优化设计。算例表明:该优化方法收敛性好,转移轨道的入轨条件能够精确满足,SSO的入轨参数只需较小的速度修正,优化结果曲线符合工程实际情况,得到了工业部门的认可。

航天器视觉导航多尺度B-Harris特征提取算法

在航天器视觉相对导航中,为了能够跟踪目标航天器,并对其的位姿信息进行实时、精确地观测和估计,首先需要针对相关图像建立稳定而快速的特征点提取与匹配算法,而特征点提取和匹配算法的准确性与实时性直接影响了航天器相对位姿的估计精度。针对SIFT算法计算量大,匹配时间长,不能满足航天任务高实时性的问题,提出了B-Harris(Binary Harris)算法,该方法结合SIFT算法的结构思想,通过采用多尺度Harris算子提取具有尺度不变的特征点;同时采用128位二进制描述子建立特征向量,组成B-Harris算法,使得特征点匹配时间大大降低。最后通过与SIFT算法的实验对比,证明了B-Harris算法能够适应航天器发生的旋转、尺度、视角等变化,并且在实时性方面明显优于SIFT特征点算法,能够满足航天任务的实时性要求。