随着航天技术的飞速发展,各国加速进军太空,空间环境成为各国角逐的赛场。在此背景之下,以己方航天器在轨组装维修、部件更换、燃料加注,敌方航天器抵近侦察、伴飞干扰、直接攻击,太空垃圾监视、主动清理等为目的的在轨服务技术引起了各国的广泛关注。论文基于视觉传感器对非合作目标近距离感知方法开展研究,重点在于目标检测、跟踪和重建。研究成果既可以应用于在轨服务的近距离操作场景,还可以推广应用到小型自主飞行器、地面智能车辆、移动机器人等多个领域。论文主要工作和创新点如下:1.从视频或图像序列中检测出运动目标是后续遂行识别、跟踪、测量、重建等任务的第一步。目标运动的不确定性、外观的时变性、周围环境的动态性和复杂性均使得运动目标检测极具挑战。论文提出一种基于由粗到精图像分割的运动目标检测方法。算法由运动线索生成、超像素层级粗分割、像素层级精分割三部分组成,其中运动线索为分割过程提供指导信息,粗分割降低了后续处理的复杂度,精分割提升了分割的准确性。在粗分割阶段,制定了超像素初始标记的一系列准则;综合考虑超像素的颜色、纹理、空间位置信息,设计了一种衡量其相似性的距离度量用于聚类;制定了融合超像素初始标记和聚类结果进行粗分割的一系列实施细则。在精分割阶段,引入自动生成的四值图替代人工标记的三值图,实现了无监督分割,且为GrabCut求解提供了更好的初值。实验结果表明,本文提出方法可以有效检测出运动目标,并极大地提高了检测效率。2.通过跟踪对目标进行持续感知,可以获取目标位姿、形状、工作状态等随时间的变化情况,从而完成监视任务,为识别任务提供输入,为进一步接近目标提供导航信息。针对图像中目标尺寸的变化影响跟踪效果这一问题,论文提出一种基于尺寸感知相关滤波器的目标跟踪方法。在继承现有方法对目标位置、尺度进行估计的基础之上,算法吸收多种方法在特征选取、快速计算等方面的优点,还将长宽比估计纳入考虑范畴,因此能够更好地处理目标尺寸变化对跟踪带来的影响。在大型数据集上的实验结果验证了算法的有效性。3.传感器相对位姿估计是对目标进行重建的基础。为提升相对位姿估计的精度和鲁棒性,论文提出一种融合2D-3D信息的传感器相对位姿估计方法。算法由预处理、点云对应关系构建、误差函数构建及求解三个部分组成。在预处理阶段,选用SIFT算子进行特征提取和描述;采用一系列特征匹配和筛选准则提升匹配的准确率,包括双向最近邻匹配、对称性筛选、像素距离筛选、特征距离筛选;通过2D-3D信息关联、点云生成和降采样为后续处理提供输入。在点云对应关系构建阶段,使用随机k维树搜索最近邻点以提升搜索效率。在误差函数构建及求解阶段,在误差函数中引入2D项,通过使用李代数对待求解变量进行参数化,将带约束最小二乘问题转化为无约束最小二乘问题,最终优化求解。实验结果表明本文提出方法可以有效提升原始ICP方法的估计精度和鲁棒性。4.仅使用点云对目标进行表示远不能满足进一步接近或抓捕等任务的需求,还需要在此基础之上进一步重建,获取对目标外形的解析描述。使用高斯混合模型对点云进行重建是一种有效的建模方法,但目标点云中往往包含数量巨大的点,使用原始高斯混合模型进行重建会消耗大量时间,因此需要对其进行加速。针对这一问题,论文提出一种高斯混合模型的加速方法用于目标重建,从算法流程设计和CPU-GPU异构算法实现两个层面着手进行加速。其中算法流程由级联的K-means++、K-mean、参数初始化、高斯混合模型求解组成,通过一系列预处理为最终使用高斯混合模型进行参数估计提供了良好的初值;算法实现则通过统一计算设备架构充分发挥CPU和GPU各自的特长,其中CPU负责流程控制,GPU负责计算密集的并行化任务。实验结果表明算法流程的改进在提升高斯混合模型鲁棒性的同时也在一定程度上降低了总体时耗,CPU-GPU异构算法进一步提升了计算速度。