Vision-based navigation for autonomous rendezvous with non-cooperative targets (Rendez-vous autonomes basés vision avec cibles non coopératives) Comellini, Anthea 2021-01-28 Institut Supérieur de l'Aéronautique et de l'Espace

Directeur(s) de thèse:  Espinosa, Christine; Zenou, Emmanuel Laboratoire :  Institut Clément Ader -ICA Ecole doctorale :  Aéronautique - Astronautique -AA Classification : Informatique

Accès :  Texte intégral Mots-clés : Débris spatiaux, Navigation autonome, Rendez-Vous spatiale, On-Orbit-Servicing Résumé : L’objectif de cette thèse est de proposer une solution complète basée sur la vision pour permettre la navigation autonome d’un vaisseau de poursuite (S/C) lors d’opérations de proximité dans l’espace de rendez-vous (RDV) avec une cible non coopérative en utilisant une caméra monoculaire visible.Le rendez-vous autonome est une capacité clé pour répondre aux principaux défis de l’ingénierie spatiale, tels que l’enlèvement actif des débris (ADR) et l’entretien en orbite(OOS). L’ADR vise à éliminer les débris spatiaux, dans les régions protégées en orbite basse, qui sont les plus susceptibles d’entraîner des collisions futures et d’alimenter le syndrome de Kessler, augmentant ainsi le risque pour les engins spatiaux opérationnels. L’OOS comprend des services d’inspection, d’entretien, de réparation, d’assemblage, de ravitaillement et de prolongation de la durée de vie des satellites ou structures en orbite.Lors d’un RDV autonome avec une cible non coopérative, c’est-`a-dire une cible qui n’aide pas / n’interagit pas le chasseur dans les opérations d’acquisition, de poursuite et de rendez-vous, le chasseur doit estimer l’état de la cible `a bord de manière autonome.Les opérations de rendez-vous autonomes nécessitent des mesures précises et actualisées de la pose relative (c’est-à-dire la position et l’attitude de la cible), et la combinaison de capteurs de caméra avec des algorithmes de poursuite peut constituer une solution rentable.La recherche a été divisée en trois études principales : le développement d’un algorithme permettant l’acquisition de la pose initiale (c’est-à-dire la détermination de la pose sans aucune connaissance préalable de cette pose aux instants précédents), le développement d’un algorithme de poursuite récursif (c’est-à-dire d’un algorithme qui exploite les informations sur l’état de la cible à l’instant précédent pour calculer la mise à jour de la pose à l’instant actuel), et le développement d’un filtre de navigation intégrant les mesures provenant de différents capteurs et/ou algorithmes, avec différents taux et délais.En ce qui concerne la phase d’acquisition de la pose, un nouvel algorithme de détection a été développé pour permettre une initialisation rapide de la pose. Une approche est proposée pour récupérer entièrement la pose de la cible en utilisant un ensemble d’invariants et de moments géométriques (c’est-à-dire des caractéristiques globales) calculés à partir des images de la silhouette de la cible. Les caractéristiques globales synthétisent le contenu de l’image dans un vecteur de quelques descripteurs qui changent de valeurs en fonction de la pose relative de la cible. Une base de données des caractéristiques globales est pré-calculée hors ligne en utilisant le modèle géométrique de la cible afin de couvrir tout l’espace de la solution. Au moment de l’exécution, les caractéristiques globales sont calculées sur l’image actuelle acquise et comparées avec la base de données. Différents ensembles de caractéristiques globales ont été comparés afin de sélectionner les plus performants,ce qui a permis d’obtenir un algorithme de détection robuste avec une faible charge de calcul. Résumé (anglais) : The aim of this thesis is to propose a full vision-based solution to enable autonomous navigation of a chaser spacecraft (S/C) during close-proximity operations in space rendezvous (RDV) with a non-cooperative target using a visible monocular camera. Autonomous rendezvous is a key capability to answer main challenges in space engineering, such as Active Debris Removal (ADR) and On-Orbit-Servicing (OOS). ADR aims at removing the space debris, in low-Earth-orbit protected region, that are more likely to lead to future collision and feed the Kessler syndrome, thus increasing the risk for operative spacecrafts. OOS includes inspection, maintenance, repair, assembly, refueling and life extension services to orbiting S/C or structures. During an autonomous RDV with a non-cooperative target, i.e., a target that does not assist the chaser in acquisition, tracking and rendezvous operations, the chaser must estimate the target’s state on-board autonomously. Autonomous RDV operations require accurate, up-to-date measurements of the relative pose (i.e., position and attitude) of the target, and the combination of camera sensors with tracking algorithms can provide a cost effective solution. The research has been divided into three main studies: the development of an algorithm enabling the initial pose acquisition (i.e., the determination of the pose without any prior knowledge of the pose of the target at the previous instants), the development of a recursive tracking algorithm (i.e., an algorithm which exploits the information about the state of the target at the previous instant to compute the pose update at the current instant), and the development of a navigation filter integrating the measurements coming from different sensor and/or algorithms, with different rates and delays. For what concerns the pose acquisition phase, a novel detection algorithm has been developed to enable fast pose initialization. An approach is proposed to fully retrieve the object’s pose using a set of invariants and geometric moments (i.e., global features) computed using the silhouette images of the target. Global features synthesize the content of the image in a vector of few descriptors which change values as a function of the target relative pose. A database of global features is pre-computed offline using the target geometrical model in order to cover all the solution space. At run-time, global features are computed on the current acquired image and compared with the database. Different sets of global features have been compared in order to select the more performing, resulting in a robust detection algorithm having a low computational load. Once an initial estimate of the pose is acquired, a recursive tracking algorithm is initialized. The algorithm relies on the detection and matching of the observed silhouette contours with the 3D geometric model of the target, which is projected into the image frame using the estimated pose at the previous instant. Then, the summation of the distances between each projected model points and the matched image points is written as a non-linear function of the unknown pose parameters. The minimization of this cost function enables the estimation of the pose at the current instant. This algorithm provides fast and very accurate measurements of the relative pose of the target. However, as other recursive trackers, it is prone to divergence. Thus, the detection algorithm is run in parallel to the tacker in order to provide corrected measurements in case of tracker divergences. The measurements are then integrated into the chaser navigation filter to provide an optimal and robust estimate. Vision-based navigation algorithms provide only pose measurements. However, some RDV operations require the synchronization of chaser motion with target motion, implying the need of knowing also target velocity and rotation rate. For this reason, the navigation function relies on a dynamic filter instead of a kinematic one. Moreover, vision-based measurements can be affected by high latency. Two delay management techniques suitable for the space RDV application have been applied to this problem. The selected methods are the Filter Recalculation method -which always provides an optimal estimation at the expense of a high computational load- and the Larsen’s method -which provides a faster solution whose optimality lies on stronger requirements. The performance of the methods has been analyzed in order to allow the selection of the most suitable technique for the RDV problem. The results of each study have been integrated in order to build a robust navigation solution, taking into account the constraint of the reduced computational resources available on typical space-qualified processors. Langue : Anglais

Exporter au format XML