中大新聞網(wǎng)廣州12月20日電（通訊員陳勝朋）中山大學(xué)航空航天學(xué)院飛行器視覺(jué)感知團(tuán)隊(duì)(Aircraft Vision Perception, AVP)，提出了一種基于神經(jīng)網(wǎng)絡(luò)特征點(diǎn)提取及高精度位姿測(cè)量的算法框架，于2022年12月13日在歐空局空間目標(biāo)位姿估計(jì)挑戰(zhàn)賽上取得排名第一。該算法框架是在團(tuán)隊(duì)帶頭人張小虎教授的指導(dǎo)下，由2020級(jí)博士生陳勝朋等完成，相關(guān)工作得到了中國(guó)人民解放軍軍事科學(xué)院的支持。
團(tuán)隊(duì)成員
空間目標(biāo)位姿估計(jì)挑戰(zhàn)賽由歐洲航天局先進(jìn)概念團(tuán)隊(duì)（the Advanced Concepts Team (ACT) of the European Space Agency）和斯坦福大學(xué)空間交會(huì)對(duì)接實(shí)驗(yàn)室（the Space Rendezvous Laboratory (SLAB) of Stanford University）于2019年起舉辦，要求從單個(gè)灰度圖像中估計(jì)航天器的位姿，受到國(guó)際相關(guān)院校和科研機(jī)構(gòu)的廣泛關(guān)注，包括斯坦福大學(xué)(Stanford University, SLAB)、阿德萊德大學(xué)(The University of Adelaide)、洛桑聯(lián)邦理工學(xué)院(EPFL)以及東北大學(xué)(Tohoku University, Japan)等研究團(tuán)隊(duì)。該挑戰(zhàn)賽第一階段于2019年6月結(jié)束，阿德萊德大學(xué)研究團(tuán)隊(duì)獲勝。在此之后，賽事舉辦方繼續(xù)開(kāi)放接收比賽結(jié)果并進(jìn)行公開(kāi)排名，截至2022年底，共有82個(gè)團(tuán)隊(duì)提交比賽結(jié)果。中山大學(xué)航空航天學(xué)院飛行器視覺(jué)感知團(tuán)隊(duì)提出的方法針對(duì)空間目標(biāo)位姿估計(jì)，在總體精度(all-score)、姿態(tài)精度(orientation-score)、位置精度(position-score)方面展現(xiàn)了充分優(yōu)勢(shì)，打破了阿德萊德大學(xué)自2019年以來(lái)一直保持領(lǐng)先的紀(jì)錄(https://kelvins.esa.int/satellite-pose-estimation-challenge)。
中山大學(xué)航空航天學(xué)院飛行器視覺(jué)感知團(tuán)隊(duì)算法成績(jī)排名第一
隨著人類(lèi)航天事業(yè)的發(fā)展，衛(wèi)星、空間站等空間目標(biāo)日益增加，對(duì)其在軌狀態(tài)的監(jiān)測(cè)是保障太空安全的基本要求，而空間目標(biāo)在軌運(yùn)行的位置姿態(tài)是表征其在軌狀態(tài)的核心參數(shù)。利用視覺(jué)感知技術(shù)對(duì)空間目標(biāo)進(jìn)行位姿估計(jì)是一種備受關(guān)注的方法，眾多研究者在致力于提高其精度和可靠性。
中山大學(xué)航空航天學(xué)院飛行器視覺(jué)感知團(tuán)隊(duì)此次提出的算法框架針對(duì)空間剛性目標(biāo)的場(chǎng)景，創(chuàng)新修改HRnet網(wǎng)絡(luò)，相比原紀(jì)錄保持者阿德萊德大學(xué)使用的網(wǎng)絡(luò)模型，image size和heatmap size更小，不僅很大程度上減少了計(jì)算機(jī)的運(yùn)行壓力與訓(xùn)練時(shí)間，而且測(cè)量精度更高。此外，針對(duì)空間剛性目標(biāo)位姿估計(jì)，首次提出Levenberg-Marquardt參數(shù)化修正模型，進(jìn)一步提高了位姿測(cè)量的精度。該算法框架主要由三部分組成：目標(biāo)檢測(cè)網(wǎng)絡(luò)采用YOLOV7，目標(biāo)特征點(diǎn)提取網(wǎng)絡(luò)采用HRnet，位姿估計(jì)采用EPnP及Levenberg-Marquardt參數(shù)化修正模型。
中山大學(xué)航空航天學(xué)院飛行器視覺(jué)感知團(tuán)隊(duì)與阿德萊德大學(xué)精度比較
圖像數(shù)據(jù)解算結(jié)果
中山大學(xué)航空航天學(xué)院飛行器視覺(jué)感知團(tuán)隊(duì)面向國(guó)家航空航天重大型號(hào)和工程任務(wù)的態(tài)勢(shì)感知需求，深入開(kāi)展靶場(chǎng)測(cè)控、空間監(jiān)視、在軌服務(wù)、深空探測(cè)、對(duì)地觀(guān)測(cè)、無(wú)人機(jī)集群等方面的工作，為國(guó)家航空航天視覺(jué)感知領(lǐng)域提供重點(diǎn)技術(shù)支持。團(tuán)隊(duì)運(yùn)動(dòng)特性數(shù)據(jù)采集軟件已在實(shí)際工程中得到應(yīng)用，助力中國(guó)空間站航天員運(yùn)動(dòng)特性數(shù)據(jù)采集。
文稿終審：航空航天學(xué)院 溫光浩
