朱程广，上海交通大学人工智能研究院博士后，2021年6月入站至今。

[1] 2021年8月依托项目"病灶环境三维重建和力感知在内窥镜手术中的关键技术研究"获得2021年上海市博士后创新创业大赛优胜奖；

[2] 2021年12月依托项目“基于MFPEN-Bayes的空间非合作目标相对状态跟踪算法研究 ”获得之江实验室国际青年人才基金资助；

[3] 2021年12月获得上海市“超级博士后”资助计划；

[4] 2022年01月“科创投”杯海聚英才全球创新创业大赛优胜奖；

团队提供一下支持：

[1]提供一对一项目指导，并撰写文章；

[2]提供深度学习服务器用于模型训练、测试；

研究背景及意义

空间非合作目标（Space Non-cooperative Target）泛指不能提供有效合作信息的空间目标，具有以下特点：1）不能提供自身的导航信息；2）没有专门的对接结构和标志器；3）目标的几何形状、尺寸信息、惯量等先验知识缺少，甚至完全未知；4）大多数目标处于旋转、翻滚的失控状态。其涉及到多项空间任务，比如部分在轨服务（On-Orbit Servicing, OOS）、空间攻防、主动碎片清除（Active Debris Removal, ADR）及彗星和小行星探测（Comet and Asteroid Exploration，CAE）等。尤其，随着空间碎片的日益增加，ADR已经受到国际社会的高度重视。

卫星发射和运行过程都会不可避免地产生空间垃圾，如失效的卫星、碰撞的碎片、火箭残骸及敌方航天器等。而且，大多数空间碎片为空间非合作未知目标。从1960年到2010年，近地轨道（Low Earth Orbit, LEO）的卫星和碎片数量在快速增加，如图1所示。ESA（European Space Agency）的数据显示，截至2014年，地球轨道上有约2.3万（约0.5万未公开）登记在册直径大于10cm的太空碎片。具体而言，低轨约1.7万，中轨道约0.1万，高轨道约0.1万，分别占处于运行状态的卫星的约3.53%，约11.5%和约45%。据NASA（National Aeronautics and Space Administration）和ESA预测，即便不再发射新的卫星，空间碎片仍会呈现“瀑布效应”。

由于日益增加的空间垃圾严重影响了太空环境的安全和稳定，执行空间非合作未知的抓捕清除任务对于提高轨道的重复利用利率、维护太空环境安全具有重要意义。空间非合作目标的抓捕清除已经引起国内外航天机构的重视，并成为航天领域的研究难点和热点。

在空间垃圾近距离逼近抓捕清除任务中，非合作目标的相对位姿解算的精度和鲁棒性对抓捕任务的成功与否至关重要。由于地面控制信号覆盖区域和延时的限制，基于地面控制指令执行近距离空间操作任务具有一定的局限性。这一困境推动了基于视觉的航天器自主导航技术的发展，即利用航天器搭载的板上资源执行对空间非合作目标的自主跟踪、捕获及对接等操作任务。

研究内容

项目的研究内容包括设计一体化的轻量化深度神经网络模型和设计高鲁棒性的相对状态跟踪滤波框架。轻量化网络设计旨在提高网络模型预测的实时性，这对于板上资源有限的航天器导航控制系统来讲是至关重要的。针对目标成像区域随距离变化的多尺度问题，提出基于双注意力机制和多尺度融合的卷积神经网络实现相对位姿估计。一体化相对状态估计滤波框架设计目的是将预测网络输出的相对位姿信息作为经典Bayes滤波的量测量，结合空间目标的相对运动学和动力方程实现完整相对状态和转动惯量估计。上述内容层层推进，紧密结合，实现从“模型设计—模型不确定分析—应用验证”的研究思路。

（1）基于多尺度融合的轻量化相对位姿估计网络模型

卷积神经网络因其对图像特征的强大表征能力，在计算机视觉领域有广泛的应用。太空环境的复杂性主要表现在复杂且变化的背景和光照，而传统的图像处理方法对于复杂环境中的目标特征提取能力仍有局限性。基于CNN的深度学习网络在目标检测、分类方面表现出明显的优势。然而，基于CNN的相对姿态解算方法在航天领域的应用仍处于初步阶段，多阶段的姿态估计网络具有网络优化困难、计算成本高等不足。鉴于此，本课题开展基于可分离卷积的多尺度融合的轻量化网络设计。

（2）相对状态估计滤波框架

空间任务的顺利执行不仅需要相对位姿信息，还需要获取非合作目标的速度，角速度等运动状态。本课题利用深度学习算法优秀的特征表达能力，结合空间目标的运动学、动力学模型实现相对状态的完备估计，对空间非合作目标进行精准跟踪、捕获具有重要意义。

研究目标

（1）设计轻量化端到端的相对位姿估计网络模型，并阐释误差传播特性；建立系统模型不确定情况下相对状态跟踪滤波框架,定量分析相对状态的可观性；

（2）在相对距离20~60m条件下，相对状态估计精度达到SOTA；