基于自适应神经网络的无迹卡尔曼滤波用于非合作航天器的鲁棒位姿跟踪
机器人学
2023-08-16 v3 信号处理
摘要
本文提出一种基于神经网络的无迹卡尔曼滤波（UKF），用于在近距离交会场景中估计并跟踪一个已知的、非合作的、翻滚目标航天器的位姿（即位置与姿态）。UKF基于多任务卷积神经网络（CNN）从目标 incoming 单目图像提供的位姿信息，估计目标相对于服务航天器的轨道与姿态。为实现可靠跟踪，UKF的过程噪声协方差矩阵利用一种新近开发的相对姿态动力学闭式过程噪声模型，通过自适应状态噪声补偿进行在线调节。本文还引入了卫星硬件在环交会轨迹（SHIRT）数据集，以便对所提流水线的性能与鲁棒性进行全面分析。SHIRT包含使用图形渲染器与机器人测试台创建的两条代表性近地轨道交会轨迹的标注图像。具体而言，CNN仅在合成数据上训练，而完整导航流水线的功能与性能则在来自机器人测试台的真实图像上评估。所提UKF在SHIRT上评估，结果显示其在稳态下具有亚分米级位置误差与度级姿态误差。
引用
@article{arxiv.2206.03796,
title = {Adaptive Neural Network-based Unscented Kalman Filter for Robust Pose Tracking of Noncooperative Spacecraft},
author = {Tae Ha Park and Simone D'Amico},
journal= {arXiv preprint arXiv:2206.03796},
year = {2023}
}
备注
Accepted to AIAA Journal of Guidance, Control, and Dynamics. Updated derivation of Section IV.B and experiments