高轨卫星抓捕机构的在轨抓捕导引方法和装置与流程

本发明涉及空间飞行器在轨服务与维护技术领域，尤其涉及一种高轨卫星抓捕机构的在轨抓捕导引方法和装置。

背景技术：

现有在轨航天器尤其是高价值高轨卫星，由于星地通信延迟大，信息获取不足，操作手段缺失等原因，出现帆板展开异常、姿态异常、燃料耗尽和碎片撞击等原因造成的失效情况时，地面救助难度非常大，极大影响卫星在轨寿命，给国家带来巨大经济损失。为减少在轨故障引起的经济损失，世界各航天强国纷纷开展在轨航天器主动维修与维护技术研究，利用各类抓捕和操作机构开展卫星维修和维护操作，解决帆板在轨展开不利、姿态异常、燃料耗尽及废弃卫星离轨等问题，挽回经济损失，延长卫星寿命，提高在轨航天器的使用健壮性，并增强对空间在轨航天器进行无人操作能力。

由于在轨失效航天器通常处于无法主动提供有效位置、姿态等信息的“非合作”状态，因此如何获取非合作目标信息，引导在轨服务航天器对目标进行发现、认知、接近、靠近和操作，成为在轨服务与维护技术的关键性技术问题。现有空间非合作目标操作引导方式可分为三个步骤：

步骤1：空间目标确认。该阶段工作目前技术手段只支持在地面测控中心完成，即航天器在轨获得目标图像和位置信息后，在过境时通过测控链路下传地面测控站，地面接收数据后进行数据解析和恢复，通过下传图像进行人工识别和判断，对照预定目标进行比对判断，确定待操作空间目标，避免发生目标识别错误及在轨误操作。但受测控站位置、过境周期、链路传输延时、数据下传带宽、地面数据接收处理流程和人工判断决策流程等条件限制，信息获取效率低，获取数据量受限，实时性差。

步骤2：空间目标操作部位确认。该阶段工作目前技术手段采用地面测控中心人工判断与在轨特征部位检测算法相结合的方式进行。航天器在轨获得目标图像后，在过境时通过测控链路下传地面测控站，地面接收数据后进行数据解析和恢复，通过下传的多幅图像进行特征部位人工寻找和选择，针对抓捕机构工作方式和工作能力，选择适合的星表特征部位进行抓捕。之后根据目标相对位姿，人工选择适合抓捕机构进行工作操作的服务飞行器预想轨道位置，并控制服务飞行器进行变轨和姿态调整，以适合抓捕机构工作的方式接近抓捕部位，并在服务飞行器接近抓捕机构过程中，需要避免与目标尤其是姿态不稳定或翻滚目标发生碰撞。通过姿态调整与空间目标保持姿态相对稳定后，服务飞行器进行特征部位检测和定位。

由于极大程度需要地面人员配合进行，因此与步骤1相同，受测控站位置、过境周期、链路传输延时、数据下传带宽、地面数据接收处理流程、人工判断决策流程等条件限制，信息获取效率低，获取数据量受限，实时性差。同时，以特征部位外形尺寸信息为先验信息，即提前预知要寻找的特征部位的外形轮廓和尺寸，专门针对该类特定目标进行检测，若出现类似外形或轮廓尺寸的其它特征部位，则易引起误检。

步骤3：对特定部位进行跟踪和测量。由于现有操作方式均针对预先选定的特征部位，因此跟踪与测量算法的针对性较强，适应性不足，不支持在轨更换特征部位，在轨服务与维护的灵活性较差。

从上述空间目标操作引导方式可以看出，由于受地面干预较多，对地面人工判读依赖较强，受测控条件、目标先验信息等约束较大，在轨操作灵活性和适应性不足，实时性较差。

技术实现要素：

基于此，本发明实施例提供一种高轨卫星抓捕机构的在轨抓捕导引方法和装置，以解决现有在轨抓捕方法过度依赖地面，在轨服务实时性和灵活性不足的问题。

根据本发明实施例的第一方面，提供一种高轨卫星抓捕机构的在轨抓捕导引方法，包括：

对目标卫星进行整体成像和多角度环绕成像，并根据成像后得到的所有卫星图像识别所述目标卫星的功能类型，并根据所述功能类型确定所述目标卫星是否为被服务卫星；

若所述目标卫星为被服务卫星，则对所述被服务卫星进行至少三个不同预设距离的多角度环绕成像，并根据成像后得到的所有卫星图像识别所述被服务卫星的星表特征部位；

对所述星表特征部位进行实时跟踪，以及对所述星表特征部位进行相对位姿测量，并将相对位姿测量结果发送至抓捕控制系统。

可选的，所述对目标卫星进行整体成像时服务飞行器与所述目标卫星之间的距离h范围为：

其中，l为所述目标卫星的太阳翼展开后的总长度，α为所述服务飞行器的相机视场角。

可选的，所述根据成像后得到的所有卫星图像识别所述目标卫星的功能类型，并根据所述功能类型确定所述目标卫星是否为被服务卫星，包括：

基于第一深度卷积神经网络，对每张所述目标卫星图像和所述目标卫星整体图像进行功能类型识别，得到多个识别结果。

若识别结果为第一功能类型的数目大于数量阈值，且识别结果的置信度大于第一信度阈值时，则确定所述第一功能类型为所述目标卫星的功能类型；

若所述第一功能类型与预设的被服务卫星的功能类型一致，则确认所述目标卫星为待接受服务的所述被服务卫星。

可选的，所述对所述被服务卫星进行至少三个不同预设距离的多角度环绕成像，并根据成像后得到的所有卫星图像识别所述被服务卫星的星表特征部位，包括：

对所述被服务卫星分别进行第一预设距离、第二预设距离和第三预设距离的多角度环绕成像，其中，所述第一预设距离大于所述第二预设距离，所述第二预设距离大于所述第三预设距离；

基于第二深度卷积神经网络，根据成像后得到的所有卫星图像均进行星表特征部位识别，得到每张所述卫星图像对应的星表特征部位的名称、星表特征部位的像素坐标位置及星表特征部位的检测置信度；

在所述星表特征部位检测置信度大于第二信度阈值时，记录检测到所述星表特征部位对应的图像样本号、服务飞行器与所述被服务卫星的距离和所述服务飞行器与所述被服务卫星的相对位姿。

可选的，所述第一预设距离h1的范围为：

所述第二预设距离h2的范围为：

所述第三预设距离h3的范围为：

其中，l为所述被服务卫星的太阳翼展开后的总长度，α为服务飞行器的相机视场角，s为所述被服务卫星的本体长度。

可选的，所述对所述星表特征部位进行实时跟踪，包括：

根据高轨卫星抓捕机构对抓捕部位需求，在识别到的所有星表特征部位中确认是否有抓捕机构需要的特征部位；

若有所述抓捕机构需要的特征部位，则将与所述抓捕机构需要的特征部位对应的第一星表特征部位的信息反馈给主控设备，以使所述主控设备控制服务飞行器恢复到识别出所述第一星表特征部位时与所述被服务卫星的相对位置；

对所述第一星表特征部位进行连续检测，若当前检测的置信度不小于第三信度阈值，则对所述第一星表特征部位进行操作；

根据所述第一星表特征部位对应的卫星图像和所述像素坐标位置，对所述第一星表特征部位进行实时跟踪。

可选的，所述对所述星表特征部位进行相对位姿测量，包括：

根据所述星表特征部位确定相对位姿测量算法；

基于所述相对位姿测量算法，确定所述星表特征部位的抓持特征点；

对所述抓持特征点进行相对位姿测量，得到所述抓持特征点在服务飞行器的相机坐标系下的三轴位置、俯仰、滚转和偏航三轴姿态角。

根据本发明实施例的第二方面，提供一种高轨卫星抓捕机构的在轨抓捕导引装置，包括：

被服务卫星识别模块，用于对目标卫星进行整体成像和多角度环绕成像，并根据成像后得到的所有卫星图像识别所述目标卫星的功能类型，并根据所述功能类型确定所述目标卫星是否为被服务卫星；

特征部位识别模块，用于若所述目标卫星为被服务卫星，则对所述被服务卫星进行至少三个不同预设距离的多角度环绕成像，并根据成像后得到的所有卫星图像识别所述被服务卫星的星表特征部位；

相对位姿测量模块，用于对所述星表特征部位进行实时跟踪，以及对所述星表特征部位进行相对位姿测量，并将相对位姿测量结果发送至抓捕控制系统。

根据本发明实施例的第三方面，提供一种高轨卫星抓捕机构的在轨抓捕导引装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例第一方面提供的任一项所述高轨卫星抓捕机构的在轨抓捕导引方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序被处理器执行时实现如实施例第一方面提供的任一项高轨卫星抓捕机构的在轨抓捕导引方法的步骤。

本发明实施例的高轨卫星抓捕机构的在轨抓捕导引方法和装置与现有技术相比存在的有益效果是：

先对目标卫星进行整体成像和多角度环绕成像，并根据成像后得到的所有卫星图像识别目标卫星的功能类型，并根据功能类型确定目标卫星是否为被服务卫星；若目标卫星为被服务卫星，则对被服务卫星进行至少三个不同预设距离的多角度环绕成像，并根据成像后得到的所有卫星图像识别被服务卫星的星表特征部位；然后对星表特征部位进行实时跟踪，以及对星表特征部位进行相对位姿测量，并将相对位姿测量结果发送至抓捕控制系统，实现了在轨实时提供空间在轨失效非合作目标功能类型、特征部位、相对位姿等信息，满足在轨服务飞行器自主抓捕与实时操作需求，支持空间飞行器在轨自主决策和控制。

附图说明

图1是本发明实施例提供的一种高轨卫星抓捕机构的在轨抓捕导引方法的实现流程示意图；

图2是图1中步骤s101的具体实现流程示意图；

图3是图1中步骤s102的具体实现流程示意图；

图4是图1中步骤s103的具体实现流程示意图；

图5是图1中步骤s103的另一种具体实现流程示意图；

图6是本发明实施例提供的另一种高轨卫星抓捕机构的在轨抓捕导引方法的实现流程示意图；

图7是本发明实施例提供的服务飞行器对目标卫星环绕成像的示意图；

图8是本发明实施例提供的一种高轨卫星抓捕机构的在轨抓捕导引装置的结构示意图；

图9是本发明实施例提供的另一种高轨卫星抓捕机构的在轨抓捕导引装置的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

本实施例适用于高轨卫星抓捕机构的在轨自主实时抓捕导引，具有自主目标认知、实时跟踪测量等功能，且具有较强的适应性和快速反应能力。参见图1，为本实施例提供的高轨卫星抓捕机构的在轨抓捕导引方法的一个实施例实现流程示意图，详述如下：

步骤s101，对目标卫星进行整体成像和多角度环绕成像，并根据成像后得到的所有卫星图像识别所述目标卫星的功能类型，并根据所述功能类型确定所述目标卫星是否为被服务卫星。

本实施例在对空间在轨失效航天器进行维修维护操作前，需对操作目标(目标卫星)的正确性进行基本判断，避免对在轨卫星误操作，判断步骤可以包括轨道位置估计、卫星类别估计、卫星类别确认、人为目标确认。

可选的，本实施例可以识别的目标卫星的功能类型包括但不限于以下功能类型：通信、导航、光学遥感和微波遥感。

可选的，所述对目标卫星进行整体成像时服务飞行器与所述目标卫星之间的距离h范围为：

其中，l为所述目标卫星的太阳翼展开后的总长度，α为所述服务飞行器的相机视场角。

在一个实施例中，参见图2，步骤s101所述的根据成像后得到的所有卫星图像识别所述目标卫星的功能类型，并根据所述功能类型确定所述目标卫星是否为被服务卫星的具体实现流程包括：

步骤s201，基于第一深度卷积神经网络，对每张所述目标卫星图像和所述目标卫星整体图像进行功能类型识别，得到多个识别结果。

步骤s202，若识别结果为第一功能类型的数目大于数量阈值，且识别结果的置信度大于第一信度阈值时，则确定所述第一功能类型为所述目标卫星的功能类型。

步骤s203，若所述第一功能类型与预设的被服务卫星的功能类型一致，则确认所述目标卫星为待接受服务的所述被服务卫星。

具体应用中，须在较远距离对目标卫星进行完整成像，保证可以获取目标卫星的任意部位；同时，对目标卫星进行多角度环绕成像，得到目标卫星不同位姿、不同角度图像，例如，在水平和垂直方向每隔预设角度(所述预设角度不大于60°)对卫星环绕成像，取得图像样本不少于12幅，保证对目标卫星表面任意部位进行完整成像，如附图7所示。

进一步地，使用第一深度卷积神经网络进行卫星功能类型识别，该神经网络的输入为特定分辨率的卫星图像，输出为卫星的功能类型及其置信度。例如，本实施例可以将不同角度和不同姿态的目标卫星图像顺序送入神经网络进行目标卫星功能类型识别，并依次得到识别结果；然后对识别结果进行统计，若识别为某功能类型的图像样本数目超过总数目的80％，且识别为该功能类型的置信度平均值超过90％，则认为已识别出目标卫星功能类型，否则认为未识别出目标卫星功能类型；若识别出的目标卫星功能类型与预设的被服务卫星功能类型一致，则初步确认该目标卫星为待接受服务的被服务卫星并进行星表特征部位识别，否则向控制系统发出提醒，该目标卫星与待接收服务的被服务卫星功能类型不一致，避免出现误操作。

可选的，在将目标卫星的所有图像送入神经网络前可以先对每张图像进行预处理，例如对图像尺寸进行调整、图像增强、将三通道彩色图像转换为二通道灰度图等。

步骤s102，若所述目标卫星为被服务卫星，则对所述被服务卫星进行至少三个不同预设距离的多角度环绕成像，并根据成像后得到的所有卫星图像识别所述被服务卫星的星表特征部位。

在完成目标确认后，进行操作部位寻找和确认。具体的，根据将要采取的抓捕操作技术和工具，在被服务卫星表面寻找能支持抓捕机构工作的特定特征部位(星表特征部位)。通常需要取得空间目标的多方位多角度图像，以免由于观测角度影响操作部位选择和判断。

在一个实施例中，参见图3，步骤s102中所述对所述被服务卫星进行至少三个不同预设距离的多角度环绕成像，并根据成像后得到的所有卫星图像识别所述被服务卫星的星表特征部位的具体实现流程包括：

步骤s301，对所述被服务卫星分别进行第一预设距离、第二预设距离和第三预设距离的多角度环绕成像，其中，所述第一预设距离大于所述第二预设距离，所述第二预设距离大于所述第三预设距离。

步骤s302，基于第二深度卷积神经网络，根据成像后得到的所有卫星图像均进行星表特征部位识别，得到每张所述卫星图像对应的星表特征部位的名称、星表特征部位的像素坐标位置及星表特征部位的检测置信度。

步骤s303，在所述星表特征部位检测置信度大于第二信度阈值时，记录检测到所述星表特征部位对应的图像样本号、服务飞行器与所述被服务卫星的距离和所述服务飞行器与所述被服务卫星的相对位姿。

可选的，所述第一预设距离h1的范围为：

所述第二预设距离h2的范围为：

所述第三预设距离h3的范围为：

其中，l为所述被服务卫星的太阳翼展开后的总长度，α为服务飞行器的相机视场角，s为所述被服务卫星的本体长度。

具体的，服务飞行器由远及近、由整体到局部对被服务卫星进行多角度多方位的星表特征部位检测，即进行第一预设距离、第二预设距离和第三预设距离的多角度环绕成像，在每个距离点上，服务飞行器对被服务卫星在水平和垂直方向每隔一定角度(该角度不大于60°)对卫星环绕成像，环绕成像过程中保持距离不变，每个距离点上取得图像样本不少于12幅。使用第二深度卷积神经网络进行星表特征部位检测，该神经网络输入为特定分辨率卫星图像，输出为各特征部位名称、像素坐标位置及其检测置信度，例如将不同距离点获取的被服务卫星的不同角度和不同姿态的图像顺序送入神经网络进行星表特征部位，并依次得到各特征部位检测和定位结果。

示例性的，针对不同特征部位分别进行检测结果统计，选择将置信度大于70％的特征部位检测结果作为有效值进行保留，其余剔除。完成所有距离点多角度多姿态特征部位检测后，对有效特征部位检测结果进行统计，对每个特征部位的名称、个数、像素坐标、置信度分别进行记录，同时记录检测到该特征部位的图像样本号及当时服务飞行器与目标卫星的距离、相对位姿等样本，获取条件相同的特征部位按照置信度高低进行排序。

可选的，本实施例的卫星表面特征部位可以包括但不限于以下几种：星箭对接环、远地点发动机喷管、网状天线、反射面天线和太阳帆板。

可选的，在将被服务卫星的所有图像送入神经网络前可以先对每张图像进行预处理，例如对图像尺寸进行调整、图像增强、将三通道彩色图像转换为二通道灰度图等。

本实施例可以对多类特征部位进行同步检测，可根据高轨卫星抓捕机构操作需要选择相应特征部位进行跟踪测量，并可随时更换，不需要以特征部位外形尺寸信息为先验信息作为检测算法输入，可自适应对相同类别不同尺度特征部位进行识别检测。

步骤s103，对所述星表特征部位进行实时跟踪，以及对所述星表特征部位进行相对位姿测量，并将相对位姿测量结果发送至抓捕控制系统。

在完成目标确认和特征部位确认后，利用针对特定部位进行跟踪和测量的算法进行特征部位相对位姿测量，以便为抓捕操作机构提供抓捕部位测量信息，引导抓捕操作机构工作。

本实施例的高轨卫星抓捕机构所在服务飞行器首先在较远距离对目标卫星进行成像，通过自主判断目标卫星功能类型对目标进行初步确认，若与被服务目标卫星功能类型相符，则继续进行星表特征部位检测，否则退出，如图6所示；距离由远到近持续进行星表特征部位检测，从检测结果中查找是否有待操作部位，若检测到待操作部位则对特征部位进行跟踪和测量，否则退出；最后将星表待操作特征部位位姿测量结果实时发送抓捕控制系统。

具体应用中，本实施例可从远及近、从整体到局部全流程提供目标功能类型、特征部位检测及定位、对接环位置和姿态信息、发动机喷管位置和姿态信息，为高轨卫星抓捕机构控制提供实时目标测量输入，代替以往依赖地面人眼目标识别检测星箭对接环、发动机喷管等操作部位的方法，在轨对特征部位进行智能自主认知，大大减少在轨目标识别和特征部位识别对地面指挥控制中心的依赖程度，支持空间飞行器在轨自主决策和控制。如表1，本实施例与现有手段主要区别如下：

表1本实施例的方法与现有手段主要区别

在一个实施例中，参见图4，步骤s103中所述对所述星表特征部位进行实时跟踪的具体实现流程包括：

步骤s401，根据高轨卫星抓捕机构对抓捕部位需求，在识别到的所有星表特征部位中确认是否有抓捕机构需要的特征部位。

步骤s402，若有所述抓捕机构需要的特征部位，则将与所述抓捕机构需要的特征部位对应的第一星表特征部位的信息反馈给主控设备，以使所述主控设备控制服务飞行器恢复到识别出所述第一星表特征部位时与所述被服务卫星的相对位置。

步骤s403，对所述第一星表特征部位进行连续检测，若当前检测的置信度不小于第三信度阈值，则对所述第一星表特征部位进行操作。

步骤s404，根据所述第一星表特征部位对应的卫星图像和所述像素坐标位置，对所述第一星表特征部位进行实时跟踪。

在一个实施例中，参见图5，步骤s103中所述对所述星表特征部位进行相对位姿测量的具体实现流程包括：

步骤s501，根据所述星表特征部位确定相对位姿测量算法。

步骤s502，基于所述相对位姿测量算法，确定所述星表特征部位的抓持特征点。

步骤s503，对所述抓持特征点进行相对位姿测量，得到所述抓持特征点在服务飞行器的相机坐标系下的三轴位置、俯仰、滚转和偏航三轴姿态角。

具体的，根据高轨卫星抓捕机构对抓捕部位需求，从检测到的特征部位列表中置信度由高到低查找是否有抓捕机构需要的特征部位，若该特征部位在列表中，则将检测到该特征部位当时服务飞行器与目标卫星的距离、相对位姿等信息反馈给主控设备，在主控设备控制下服务飞行器恢复到检测到该特征部位时与目标卫星的相对位置；若未在列表中找到需要的特征部位，则向控制系统发出提醒，未找到可操作特征部位。

保持服务飞行器与目标卫星相对位姿不变，对选择的特征部位进行持续检测，连续检测一定帧数(帧数可以大于10)后，若当前特征部位检测的置信度平均值不小于90％，则确定对该特征部位进行操作；若置信度不足90％，则向控制系统发出提醒，找到可操作特征部位但置信度不够；确定对该特征部位进行操作后，将该特征部位有神经网络检测输出的像素坐标和目标图像同时输出给跟踪算法，跟踪算法对该特征部位进行实时跟踪。

进一步地，本实施例针对不同特征部位，有不同预设的相对位姿测量算法。具体的，根据抓捕机构选择的特征部位不同，选择相对位姿测量算法对目标特征部位的抓持特征点进行选择和定位，随后针对抓持特征点进行相对位姿测量，抓持特征点相对位姿测量结果为目标成像相机坐标系下结果，包括抓持特征点在相机坐标系下的三轴位置和俯仰、滚转、偏航三轴姿态角。最后根据当前时刻与图像信息获取时刻时间间隔，或操作动作发生时刻与图像信息获取时刻时间间隔进行预测，以准确指导抓捕机构动作。

示例性的，以高轨卫星锥杆式抓捕机构为例进行方法实施说明：

高轨卫星锥杆式抓捕机构所在服务飞行器首先在较远距离对目标卫星进行成像，自主判断目标卫星功能类型对目标卫星进行初步确认，由于高轨卫星以通信和导航卫星居多，因此识别的卫星功能类型可以为通信卫星。若与被服务目标卫星的功能类型相符，则继续进行星表特征部位检测，否则退出。由于锥杆式抓捕机构作用目标为高轨卫星远地点发动机喷管和对接环，且远地点发动机喷管通常位于对接环圆心位置，因此识别度的特征部位为远地点发动机喷管和对接环。服务飞行器由远到近持续对被服务卫星进行星表特征部位检测，从检测结果中查找是否有对接环和远地点发动机喷管，若检测到则对特征部位进行跟踪和测量，否则退出；最后将远地点发动机喷管喉部圆心位置及对接环圆面姿态测量结果实时发送抓捕控制系统，具体如下步骤：

步骤1：对目标卫星成像。假设卫星的太阳翼展开后的总长度为30m，服务飞行器相机视场角为60°，则要想获取完整目标卫星图像，则服务飞行器距离目标卫星应大于26m，由于地面试验无法满足测量距离需求，因此采用仿真完成目标图像获取；在3dmax建立通信卫星模型并根据星表特征部位的材质反射率和空间成像条件进行成像效果渲染，获得目标卫星多角度多姿态图像样本，以水平和垂直方向均为60°角采样间隔，获取图像样本12幅。

步骤2：自主判断目标卫星的功能类型。建立通信、导航、光学遥感、微波遥感4类卫星三维模型100余颗，获得图像样本15000幅，搭建resnet14层神经网络，完成对卫星功能类型识别训练和测试，输入图像分辨率为512×512，输出为卫星功能类型及其置信度。在目标卫星图像送入第一深度卷积神经网络前先进行预处理，将原始图像尺寸统一调整为512×512、使用msrcr图像增强算法进行图像增强，减少光照度对成像效果的影响，将三通道彩色图像转换为二通道灰度图送入神经网络模型。

进一步地，将不同角度和不同姿态的目标卫星图像顺序送入第一深度卷积神经网络进行卫星功能类型识别，依次得到每幅卫星图像的卫星功能类型识别结果。然后对识别结果进行统计，若识别为通信卫星的图像样本数目超过10幅，且识别为该功能类型的置信度平均值超过90％，则认为已识别出目标卫星功能类型为通信卫星，否则认为未识别出目标卫星功能类型。若识别出的目标卫星功能类型与预设的通信卫星类型一致，则初步确认该目标卫星为待接受服务的被服务卫星，否则向控制系统发出提醒，该目标卫星不是通信卫星，可能出现误操作。

步骤3：对接环和发动机喷管检测。在仿真环境下更改相机成像位置，由远及近获取目标卫星图像信息。其中，由远及近距离包括3个阶段：较远的成像距离大于26m，例如选择30m；次远成像距离须大于13m且小于26m，例如选择20m；较近成像距离大于1.8m且小于13m，例如选择3m，此时卫星本体长度设置为2m。然后，在每个距离点上，服务飞行器对目标卫星在水平和垂直方向每隔60°对卫星环绕成像，环绕成像过程中保持距离不变，每个距离点上取得图像样本12幅，共获取图像样本36幅，包括功能类型识别时获取的样本，在较远距离不进行重复获取。

进一步地，采用fasterrcnn深度学习框架，以inceptionv2为基础网络，搭建20层特征部位检测深度卷积神经网络模型。对上述建立的15000幅样本库进行特征部位标注，特征部位包括星箭对接环、远地点发动机喷管、网状天线、反射面天线、太阳帆板5种。然后将原始图像尺寸统一调整为512×512、使用msrcr图像增强算法进行图像增强，减少光照度对成像效果的影响，将三通道彩色图像转换为二通道灰度图送入神经网络模型，即使用预先训练完成的深度卷积神经网络进行目标卫星的星表特征部位检测，将36幅目标卫星不同角度和姿态的图像样本顺序送入神经网络进行目标星表特征部位检测，并得到各特征部位检测和定位结果，包括各特征部位名称、像素坐标位置及其检测置信度。

针对不同特征部位分别进行检测结果统计，选择将置信度大于70％的特征部位检测结果作为有效值进行保留，其余剔除。完成所有距离点的多角度多姿态特征部位检测后，对有效特征部位检测结果进行统计，对每个特征部位的名称、个数、像素坐标、置信度分别进行记录，同时记录检测到该特征部位的图像样本号及当时服务飞行器与目标卫星的距离、相对位姿等样本获取条件相同特征部位按照置信度高低进行排序。

步骤4：特征部位选择和跟踪。根据高轨卫星抓捕机构对抓捕部位需求，从检测到的特征部位列表中，置信度由高到低查找是否有对接环或发动机喷管，若在列表中，则按照记录的图像样本编号找到该图像样本送入后续跟踪算法程序中；若未在列表中找到需要的特征部位，则向控制系统发出提醒，未找到可操作特征部位。

然后，对上述图像样本连续检测10帧并计算对接环检测置信度平均值，若信度平均值大于90％，则确定锥杆式抓捕机构进行操作动作准备；若信度平均值小于90％，则向控制系统发出提醒，找到可操作特征部位但置信度不够。由于仿真图像样本不存在随时间变换情况，因此检测稳定，将该神经网络输出的对接环边界框左上、右下像素坐标、边界框的框长、宽数据和图像同时输出给跟踪算法，跟踪算法采用opencv自带的kcf(kernelcorrelationfilter，核相关滤波算法)跟踪器进行对接环实时跟踪。

步骤5：对特定特征部位进行相对位姿测量。由于锥杆式抓捕机构操作部位为远地点发动机喷管，且远地点发动机喷管通常位于星箭对接环中心位置，而对接环尺寸比发动机喷管大得多，检测准确度高，因此选择对接环进行相对位姿测量。由于锥杆式抓捕机构操作部位为远地点发动机喷管喉部位置，而发动机喷管喉部与对接环中心点重合，因此选择对星箭对接环进行相对位姿测量。选择适用于星箭对接环的椭圆检测算法和位姿测量算法，得到星箭对接环圆心位姿。

步骤6：将对接环位姿测量结果发送抓捕控制系统，特征部位的位姿测量结果为目标图像信息获取时刻目标特征部位位姿，须根据当前时刻或操作动作发生时刻与图像信息获取时刻时间间隔进行预测，以准确指导抓捕机构动作。具体的，首先根据对接环连续测量结果建立特征点的测量模型，基于动量守恒预测非合作目标未来时刻的运动状态，得到抓捕机构动作时刻的对接环位姿数据，用于抓捕操作导引，实现了在轨全流程、无人为干预地实时提供空间在轨失效非合作目标功能类型、特征部位、相对位姿等信息，解决现有技术手段过度依赖地面，在轨服务实时性、灵活性不足等问题，满足在轨服务飞行器自主抓捕与实时操作需求，支持空间飞行器在轨自主决策和控制，可推广用于在轨服务与维护各类操作机械手/臂及装置对卫星表面特征部位实时操作引导，具有较强智能自主特征，可满足在轨实时操作控制需求，可广泛适用于在轨服务与维护领域，具有广阔应用前景。

上述高轨卫星抓捕机构的在轨抓捕导引方法中，从远及近、从整体到局部全流程提供目标功能类型、特征部位检测及定位、姿态信息，为高轨卫星抓捕机构控制提供全流程目标测量输入，满足系统在轨实时自主控制需求，可代替以往依赖地面人眼目标识别检测星箭对接环、发动机喷管等操作部位的方法，在轨对特征部位进行智能自主认知，大大减少在轨目标识别和特征部位识别对地面指挥控制中心的依赖程度，支持空间飞行器在轨自主决策和控制；同时基于神经网络的目标检测与定位算法，可以同时对多类星表特征部位进行检测，对各类目标特征适应性强，检测速度快，不必限定特征部位尺寸及方位，适用于空间多类目标实时智能检测和测量；同时，自主在轨对目标进行确认和特征部位检测，代替地面人工目标确认和判断，不受过境时长、地面测控站部署位置等条件限制，可快速响应在轨维修维护需求，在轨位上任意位置自主开展操作，大大提高了在轨服务操作执行效率和工作效能。

本领域技术人员可以理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于上文实施例所述的高轨卫星抓捕机构的在轨抓捕导引方法，本实施例提供了一种高轨卫星抓捕机构的在轨抓捕导引装置。具体参见图8，为本实施例中高轨卫星抓捕机构的在轨抓捕导引装置的结构示意图。为了便于说明，仅示出了与本实施例相关的部分。

所述高轨卫星抓捕机构的在轨抓捕导引装置主要包括：被服务卫星识别模块110、特征部位识别模块120和相对位姿测量模块130。

被服务卫星识别模块110用于对目标卫星进行整体成像和多角度环绕成像，并根据成像后得到的所有卫星图像识别所述目标卫星的功能类型，并根据所述功能类型确定所述目标卫星是否为被服务卫星；

特征部位识别模块120用于若所述目标卫星为被服务卫星，则对所述被服务卫星进行至少三个不同预设距离的多角度环绕成像，并根据成像后得到的所有卫星图像识别所述被服务卫星的星表特征部位；

相对位姿测量模块130用于对所述星表特征部位进行实时跟踪，以及对所述星表特征部位进行相对位姿测量，并将相对位姿测量结果发送至抓捕控制系统。

上述高轨卫星抓捕机构的在轨抓捕导引装置实现在轨实时提供空间在轨失效非合作目标功能类型、特征部位、相对位姿等信息，满足在轨服务飞行器自主抓捕与实时操作需求，支持空间飞行器在轨自主决策和控制。

本实施例还提供了一种高轨卫星抓捕机构的在轨抓捕导引装置100的示意图。如图9所示，该实施例的高轨卫星抓捕机构的在轨抓捕导引装置100包括：处理器140、存储器150以及存储在所述存储器150中并可在所述处理器140上运行的计算机程序151，例如高轨卫星抓捕机构的在轨抓捕导引方法的程序。

其中，处理器140在执行存储器150上所述计算机程序151时实现上述高轨卫星抓捕机构的在轨抓捕导引方法实施例中的步骤，例如图1所示的步骤101至103。或者，所述处理器140执行所述计算机程序151时实现上述各装置实施例中各模块/单元的功能，例如图8所示模块110至130的功能。

示例性的，所述计算机程序151可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器150中，并由所述处理器140执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序151在所述高轨卫星抓捕机构的在轨抓捕导引装置100中的执行过程。例如，所述计算机程序151可以被分割成被服务卫星识别模块110、特征部位识别模块120和相对位姿测量模块130，各模块具体功能如下：

被服务卫星识别模块110用于对目标卫星进行整体成像和多角度环绕成像，并根据成像后得到的所有卫星图像识别所述目标卫星的功能类型，并根据所述功能类型确定所述目标卫星是否为被服务卫星；

特征部位识别模块120用于若所述目标卫星为被服务卫星，则对所述被服务卫星进行至少三个不同预设距离的多角度环绕成像，并根据成像后得到的所有卫星图像识别所述被服务卫星的星表特征部位；

相对位姿测量模块130用于对所述星表特征部位进行实时跟踪，以及对所述星表特征部位进行相对位姿测量，并将相对位姿测量结果发送至抓捕控制系统。

所述高轨卫星抓捕机构的在轨抓捕导引装置100可包括，但不仅限于处理器140、存储器150。本领域技术人员可以理解，图9仅仅是高轨卫星抓捕机构的在轨抓捕导引装置100的示例，并不构成对高轨卫星抓捕机构的在轨抓捕导引装置100的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述高轨卫星抓捕机构的在轨抓捕导引装置100还可以包括输入输出设备、网络接入设备、总线等。

所述处理器140可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器150可以是所述高轨卫星抓捕机构的在轨抓捕导引装置100的内部存储单元，例如高轨卫星抓捕机构的在轨抓捕导引装置100的硬盘或内存。所述存储器150也可以是所述高轨卫星抓捕机构的在轨抓捕导引装置100的外部存储设备，例如所述高轨卫星抓捕机构的在轨抓捕导引装置100上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，所述存储器150还可以既包括所述高轨卫星抓捕机构的在轨抓捕导引装置100的内部存储单元也包括外部存储设备。所述存储器150用于存储所述计算机程序以及所述高轨卫星抓捕机构的在轨抓捕导引装置100所需的其他程序和数据。所述存储器150还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模型的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。