ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

2
Содержание
том 67 / Февраль, 2024
СТАТЬЯ

DOI 10.17586/0021-3454-2023-66-4-297-305

УДК 004.032.26

ОЦЕНИВАНИЕ ПАРАМЕТРОВ ОРИЕНТАЦИИ ОРБИТАЛЬНОГО ОБЪЕКТА ПО РЕЗУЛЬТАТАМ НАБЛЮДЕНИЯ КОСМИЧЕСКИМ РОБОТОМ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ ТЕХНИЧЕСКОГО ЗРЕНИЯ

Сасункевич А. А.
ВКА им. А. Ф. Можайского, кафедра автономных систем управления;


Читать статью полностью 

Аннотация. Рассмотрена задача оценивания параметров ориентации космического аппарата, наблюдаемого с борта космического робота, представлены различные подходы к ее решению. Приведены результаты исследования точности двух подходов к оцениванию параметров ориентации космического аппарата с использованием методов технического зрения по результатам наблюдения космического робота с использованием сверточных нейронных сетей. В первом подходе нейронная сеть применяется для определения экранных координат проекций особых точек объекта на изображении. Второй подход основан на использовании обученной сверточной нейронной сети, которая по наблюдаемому изображению выдает непосредственно углы Эйлера.
Ключевые слова: космический робот, некооперируемый космический аппарат, техническое зрение, ориентация, сверточные нейронные сети

Список литературы:
  1. Черный И. В. Запущен спутник контроля космической обстановки // Новости космонавтики. 2010. № 11. С. 34—36.
  2. Wilson J. R. Satellite hopes ride on Orbital Express // Aerospace America. 2007. P. 30—35.
  3. MEV-1 (Mission Extension Vehicle-1) and MEV-2 [Электронный ресурс]: . (дата обращения: 30.05.2022).
  4. Степанов Д. Н., Бахшиев А. В., Смирнова Е. Ю., Половко С. А. Определение положения космических аппаратов путем обнаружения и сопровождения естественных конструктивных особенностей с использованием существующих телевизионных камер // Вопросы радиоэлектроники. Сер.: Техника телевидения. 2016. № 1. С. 61—77.
  5. Kanaeva E., Gurevich L., Vakhitov A. Camera pose and focal length estimation using regularized distance constraints // Proc. of the British Machine Vision Conf. (BMVC). 2015. P. 162.1—162.12.
  6. Lepetit V., Moreno-Noguer F., Fua P. Epnp: Anaccurate o(n) solution to the pnp problem // Intern. Journal of Computer Vision. 2009. Vol. 81, N 2. P. 155—166.
  7. Yinqiang Zheng, Satoshi Sugimoto, Imari Sato, Masatoshi Okutomi. A general and simple method for camera pose and focal length determination // Computer Vision and Pattern Recognition (CVPR). 2014. P. 430—437. DOI: 10.1109/CVPR.2014.62.
  8. Lowe D. C. Object recognition from local scale-invariant features // Proc. Intern. Conf. Computer Vision. 1999. Vol. 2. P. 1150—1157.
  9. Bay H., Ess A., Tuytelaars T., Van Gool L. SURF: Speeded up robust features // Computer Vision Image Understanding. 2008. Vol. 110. P. 346—359.
  10. Rublee E., Rabaund V., Konolige K., Bradski G. ORB: An efficient alternative to SIRF or SURF // Proc. Intern. Conf. Computer Vision. 2011. P. 2564—2571.