1 中国科学院上海技术物理研究所中国科学院智能红外感知重点实验室，上海 200083
2 国科大杭州高等研究院，浙江 杭州 310024
3 中国科学院大学，北京 100049
对空间目标进行三维重建能够为在轨服务卫星提供服务对象的结构信息，是提高系统自主性的关键技术。受空间目标的结构对称性以及成像非朗伯特性的影响，传统的重建方法存在特征点匹配错误或特征点匹配不足的问题，重建精度低。针对该问题，提出了一种基于MVSNet深度学习网络实现空间目标三维重建的方法，利用深度学习提取图像高层语义，提高了立体匹配的鲁棒性。首先，基于空间目标的成像特点，分析了模型的几何结构和材质对重建结果的影响，设计了搭建在Blender平台上的空间目标多视图采集系统。然后，基于MVSNet深度学习网络，采用多尺度卷积充分提取了图像的深度特征，并通过编码解码结构融合和规整上下文信息进行了立体匹配，有效解决了传统方法重建卫星的弱纹理、反射、重复纹理等区域时对特征点的高度依赖问题。最后通过残差网络解决了多次卷积造成的边界过平滑问题，进一步提升了重建效果。实验结果表明，所设计的重建模型的平均准确度误差为0.449 mm，平均完整度误差为0.379 mm，误差综合评价为0.414 mm，精度较经典开源软件COLMAP提升了20%。该方法为空间操作自动化提供了技术参考，进一步推动了三维重建在相关领域中的应用。
遥感 深度学习 多视图 空间目标三维重建 卷积神经网络 编码解码结构 中国激光
2022, 49(23): 2310003
1 中国科学院国家天文台长春人造卫星观测站, 吉林 长春 130117
3 长春理工大学理学院, 吉林 长春 130022
随着近年来光谱探测仪器灵敏度、 精确度和易用度的不断提升, 光谱技术已经深入到各行各业的物质成分的鉴定与分析中。 对于空间目标的光谱观测是传统光学观测的重要拓展之一, 因其具有的非接触、 无损伤等优点而备受关注, 然而由于观测条件所限, 空间目标的光谱数据量极小, 通过传统方法对其进行分类分析达不到较好效果, 必须探求提高分类精度的方法。 首先, 通过1.2 m空间目标光学望远镜上搭载的光谱相机终端获取空间目标高光谱图像; 再通过天文学测光IRAF方法, 提取空间目标的一维光谱数据; 为对空间目标光谱进行分类, 提出一种结合多种深度学习方法解决小样本数据量的空间目标分类问题。 该方法应用密度聚类方法将空间目标粗糙分类, 一维生成对抗网络方法增加空间目标数据, 一维卷积神经网络方法将空间目标精细分类, 三者组合进而达到较好的实验效果, 整体精度约为79.1%(基于密度聚类、 过采样、 一维卷积神经网络方法组合、 基于K-means、 一维生成对抗网络、 一维卷积神经网络方法组合和基于K-means、 过采样、 一维卷积神经网络方法组合的整体精度分别约为78.4%, 77.9%和77.2%)。 粗糙分类模型中, 密度聚类方法比K-means方法整体精度平均高出约为0.67%; 数据增广模型中, 一维生成对抗网络方法比过采样方法整体精度平均高出约为1.52%; 精细分类模型中, 一维卷积神经网络方法二层网络比三层网络整体精度平均仅高出约为0.003%, 但是运算时间更长。 四种组合方法精度均高于单一方法。 实验结果表明本文提出的组合方法在小样本空间目标类别未知情况下, 可实现细分类且精度较高, 为实现空间目标极小数据量下的图谱一体化分析, 提供一定参考价值。
空间目标 光谱数据 密度聚类 生成对抗网络 卷积神经网络 Space targets Spectral data Density based spatial clustering of applications with noise Generative adversarial networks Convolutional neural networks 
1 中国科学院国家天文台长春人造卫星观测站, 吉林 长春 130117
3 长春理工大学理学院, 吉林 长春 130022
随着航天活动的日益增加, 空间碎片的数量急剧增多, 对未知空间碎片进行编目和识别显得尤为重要。 由于火箭箭体、 人造卫星及其裂解碎片等在空间中处于外表裸露状态, 其表面材料的物理与化学特性会产生较大变化。 目前, 针对空间目标表面材料的研究主要集中在地面实验室, 无法对其在深空中的状态变化进行准确判断。 利用空间目标光电望远镜及光谱测试终端组合, 可以实时地对空间目标的光谱特性开展研究, 进一步探究材料特性变化对目标特性识别的影响。 通过利用长春人卫站1.2 m空间目标光电望远镜及相关光谱测试终端, 同时结合图像预处理软件获取空间目标的高光谱图像, 进一步运用天文学方法IRAF提取光谱一维数据, 得到可分析数据。 通过偏最小二乘法反演分析表面材料的面积比、 置信度。 实验将6个空间目标光谱数据分别进行反演, 通过6种常用航空材料的反演结果显示所有目标均可解析出至少两种材料, 其共同反演出现金色保温膜, 它是空间目标表面一定含有的材料之一, 其所占表面积比例也较高, 结果分别约为0.75, 0.78, 0.78, 0.59, 0.71和0.45。 其中, 4个目标反演出现碳纤维板, 结果分别约为0.19, 0.22, 0.07和0.24; 3个目标反演出现砷化镓, 结果分别约为0.07, 0.15和0.17; 2个目标反演出现Si, 结果分别约为0.29和0.55。 并且置信度分别约为84.7%, 80.4%, 84.1%, 82.8%, 82.6%和79.6%。 实验结果表明观测方法可信性更高, 在空间目标领域的观测技术、 获取数据、 研究分析等方面的研究结果对后续深入探索具有参考作用。 实验结果和空间目标来源自洽度高, 研究方法简单易行且与传统光学观测兼容性好。 该方法拓展了精密跟踪型空间目标观测的研究领域, 不仅具有目标所在空间环境分析的科学意义, 也具有空间目标运行安全的应用前景。
空间目标 表面材料 光谱探测技术 偏最小二乘法 面积占比 置信度 Space targets Surface materials Spectral detection technology Partial least squares method Area ratio Confidence 光谱学与光谱分析
2021, 41(10): 3299
红外与激光工程
2021, 50(1): 20200104
1 中国科学院上海技术物理研究所 空间主动光电技术重点实验室, 上海 200083
2 中国科学院大学, 北京 100049
3 北京航天长征飞行器研究所, 北京 100076
空间非合作目标跟踪技术可以在多方面发挥重要作用, 目前效果较好的图像跟踪算法多是基于视频流处理, 但是由于面对的工况与航天应用面对工况不同, 在跟踪精度、运算速度、预警率和虚警率等要求上不满足空间目标跟踪需求与任务要求, 并且运算复杂难以在航天器中实现, 不适合天基卫星跟踪。为解决这一问题, 一种面向空间应用的卫星目标高精度跟踪算法被提出, 该算法以图像相关、曲线拟合、卡尔曼滤波、SURF算法为基础, 并将预测、跟踪和矫正过程相融合, 最终获得在天基平台中具有可行性的高速稳定跟踪算法。相关实验表明, 这种算法可以对平面内自由旋转、0.4~2.1倍尺度内缩放、有光照变化的图像进行连续跟踪, 仿真试验平均跟踪误差小于0.9像素且大多数工况下计算速度高于200帧/s, 并且算法对图像模糊、高斯噪声以及椒盐噪声都有较好兼容能力,对于实际模型目标跟踪仍有稳定跟踪能力。
非合作面目标跟踪 空间目标 图像跟踪 SURF算法 卡尔曼滤波 non-cooperative area targets tracking space targets image tracking SURF algorithm Kalman filter 红外与激光工程
2019, 48(1): 0126004
1 装备学院研究生院, 北京 101416
2 装备学院航天指挥系, 北京 101416
3 装备学院航天装备系, 北京 101416
在分析所测得的双向反射分布函数(BRDF)数据与Phong模型局限性的基础上, 提出了一种适用于描述菲涅耳反射特性的改进Phong模型。在经典Phong模型的基础上增加了两个参数, 分别用来调节不同材质菲涅耳反射的强弱与衰减速率。利用遗传算法对四种空间目标常用材质BRDF数据进行拟合, 对比和分析所提出的改进模型与经典Phong模型的拟合误差。结果表明, 对于具有明显菲涅耳反射现象的材质, 改进模型拟合精度比经典Phong模型高90%, 证实了该改进模型的有效性; 而对于菲涅耳反射现象不明显的材质, 改进模型拟合误差与经典Phong模型相当, 显示了该改进模型的稳健性。改进模型在保证Phong模型原有描述能力的基础上, 对菲涅耳反射现象有了更好的描述效果。
散射 菲涅耳反射 Phong模型 双向反射分布函数 空间目标材质 激光与光电子学进展
2017, 54(10): 102901
1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
介绍了地基测量空间目标光度的两种方式。首先介绍了系统组成及对比测量原理, 然后基于工程角度分析提出了宽谱段测量和滤光片测量两种方式, 并给出了两种测量方式的误差分析。若G型恒星及空间目标在同一视场可选择宽谱段测量方式, 若途经天区G型定标星较少, 可以选择滤光片测量方式。外场实验验证表明, 宽谱段测量方式信噪比较高, 可探测的极限星等为16等星, 在天气条件较好的情况下测量精度在0.15星等左右, 而滤光片测量方式由于探测到的能量较少, 在相同信噪比下可探测极限星等为14等星, 天气变化较小条件下测量精度在0.02星等左右, 两种测量方式误差相当, 但宽谱段测量方式定标恒星数量增加2.4倍, 便于数据处理与计算。
光度测量 地基测量 CCD相机 空间目标 photometric ground-based CCD space targets
中国科学院上海技术物理研究所，中科院红外探测与成像技术重点实验室，上海 200083
目标红外辐射包含自发辐射和反射辐射两部分，通过理论建模对目标自发辐射和反射辐射起偏机理进行分析，并得出两者的叠加将会引入消偏。空间目标偏振特性不仅与表面材料、观测角等因素有关，由于空间目标处在一个变动的辐射环境下，在日照区和阴影区，反射辐射和自发辐射的能量分布情况会相差很大，因此空间目标的红外偏振特性也会有较大的变化。对在不同的辐射环境下对空间目标的红外偏振特性进行了建模仿真分析，最后在实验室条件下，对空间目标常用材料进行红外偏振探测实验，并对实验数据进行分析得出结论。
空间目标 红外偏振特性 仿真建模 space targets infrared polarization characteristics modeling and simulation
空间目标观测中，目标亮度直接影响着其跟踪能力及定位精度。激光技术作为主动测量技术，通过地面激光跟踪与测量系统向低照度空间目标主动发射激光，望远镜及CCD相机在接收目标反射的太阳光的同时亦接收激光信号，可提高目标星象在CCD上的亮度，有利于目标跟踪和测量。采用532 nm波长低功率激光作为地面光源，对带激光反射器卫星开展了激光主动增亮实验，验证技术方法可行性。根据太阳光谱辐照度理论、地面测量系统参数、激光测距雷达方程等，分析了激光主动增亮卫星前后视星等。利用星象灰度对比法，获得了实验中所测量卫星增亮前后视星等，并与理论计算结果进行了比较，验证了理论与实验方法的合理性，为进一步开展激光主动增亮技术的研究与应用奠定了基础。
测量 低照度空间目标 激光主动增亮 灰度比对法 目标视星等 观测实验 光学学报
2014, 34(s2): s212002
对于低轨道空间目标，易受到地影影响，使地面光学测量系统无法实现对地影目标光学观测，影响目标光学观测弧段和数据量。激光照亮技术为主动探测，利用地面激光跟踪与测量系统，向地影中目标发射激光束，望远镜及电荷耦合器件(CCD)相机接收目标返回的激光信号，达到CCD探测阈值，获取目标图像信息。采用了532 nm波长激光作为地面光源，开展对地影中带激光反射器卫星激光主动照亮，验证技术方法可行性。根据地面系统参数，理论分析了CCD的激光回波信号信噪比、卫星激光照亮星等。利用图像灰度对比法，获得了实验中所照亮卫星的视星等，并与理论计算结果进行了比较，验证了理论与实验方法的合理性。
激光光学 激光主动照亮 地影空间目标 照亮星等 中国激光
2014, 41(s1): s108003
