基于多智能体SLAM的空间非合作目标实时位姿估计方法、设备及存储介质技术

本发明专利技术提出了一种基于多智能体SLAM的空间非合作目标实时位姿估计方法、设备及存储介质。该方法包括由各个子星借助SLAM算法构建单星局部地图并解算相对位姿，由算力更强的主星对单星观测数据进行优化和融合，生成全局地图实现空间非合作目标位姿估计。该方法可采用多线程操作，多项任务并行加速，能够在各航天器局部地图构建的同时完成星间地图匹配、全局地图融合和冗余关键帧剪枝，构建并求解出精度较高的全局地图和相对位姿，有效解决了单星观测存在的遮挡问题，是一种高效实时的估计方法。本发明专利技术可用于对空间碎片的清理、非合作目标自主交会对接、在轨维修等，具有重要的工程意义。本发明专利技术得到浙江省自然科学基金项目资助，项目批准号LR24F030001。

【技术实现步骤摘要】

本专利技术涉及多星协同观测与定位技术，具体而言，涉及一种基于多智能体slam的空间非合作目标实时位姿估计方法、设备及存储介质。

技术介绍

1、近年来，随着空间航天器数量指数级增长，空间抓捕、碎片清理、轨道加注、小行星探测等在轨操作任务需求更为迫切。世界各国政府机构提出并发展了在轨服务和碎片清除等未来任务概念，相对位姿测量及三维模型重建是实现非合作目标在轨自主服务的关键技术保障。相对位姿估计的方法按照目标航天器模型是否可以获得分为模型参数已知的位姿估计方法和模型参数未知的位姿估计方法。当非合作目标模型参数已知时，可以将目标上的几何特征(角点、直线、椭圆、轮廓、2d/3d点描述符等)作为对象进行识别，并利用特征信息估算目标位姿。包括基于pnp(perspective-n-point)的位姿估计方法、基于模板匹配的位姿估计方法和基于外观的方法等。模型参数未知的位姿估计方法必须在计算服务航天器自身位姿与轨迹的同时对目标航天器进行三维重建。解决这个问题的最先进方法是同步定位与建图(simultaneous localization and mapping，slam)本文档来自技高网...

【技术保护点】

1.一种基于多智能体SLAM的空间非合作目标实时位姿估计方法，其特征在于，包括：

2.根据权利要求1所述的基于多智能体SLAM的空间非合作目标实时位姿估计方法，其特征在于，各子星针对空间非合作目标构建单星局部地图并解算相对位姿，包括如下：

3.根据权利要求2所述的基于多智能体SLAM的空间非合作目标实时位姿估计方法，其特征在于，所述改进的超分辨增强算法为基于梯度引导的Real-ESRGAN(Enhanced Superresolution Generative AdversarialNetwork)超分辨网络，是在Real-ESRGAN网络中加入与Real-ESR...

【技术特征摘要】

1.一种基于多智能体slam的空间非合作目标实时位姿估计方法，其特征在于，包括：

2.根据权利要求1所述的基于多智能体slam的空间非合作目标实时位姿估计方法，其特征在于，各子星针对空间非合作目标构建单星局部地图并解算相对位姿，包括如下：

3.根据权利要求2所述的基于多智能体slam的空间非合作目标实时位姿估计方法，其特征在于，所述改进的超分辨增强算法为基于梯度引导的real-esrgan(enhanced superresolution generative adversarialnetwork)超分辨网络，是在real-esrgan网络中加入与real-esrgan网络分支并行的梯度引导分支，以及一融合模块；具体的：将子星获取的低分辨图像一方面输入real-esrgan网络处理得到基础层图像，另一方面经梯度运算后输入梯度引导网络进行处理得到梯度图像，再将基础层图像与梯度图像输入融合模块中进行融合输出，得到高分辨率图像。

4.根据权利要求3所述的基于多智能体slam的空间非合作目标实时位姿估计方法，其特征在于，所述的梯度运算为：对低分辨图像进行sobel算子处理，得到图像的梯度信息。

5.根据权利要求3所述的基于多智能体slam的空间非合作目标实时位姿估计方法，其特征在于，所述的梯度引导网络是在real-esrgan网络的中间层位置引入4个级联的残差模块，每个残差模块为srgan中的rb(residual block)模块连接一个卷积层，梯度引导网络的损失函数为基于图像重建损失、感知损失和对抗损失的加权和...

【专利技术属性】
技术研发人员：蒙涛，王尚祺，
申请(专利权)人：浙江大学，
类型：发明
国别省市：