Везде

RAS PhysiologyСенсорные системы Sensory Systems

  • ISSN (Print) 0235-0092
  • ISSN (Online) 3034-5936

Automatic evaluation of the internal parameters of the onboard camera of a spacecraft from video data of dockings with the iss

You can
PII
10.31857/S0235009223010092-1
DOI
10.31857/S0235009223010092
Publication type
Status
Published
Authors
V. A. Zinov
  • Affiliation: Moscow Institute of Physics and Technology (National Research University)
Volume/ Edition
Volume 37 / Issue number 1
Pages
78-88
Abstract
The KURS radio engineering system for measuring motion parameters during rendezvous and docking has some disadvantages: the accuracy of measurement with multiple reflections of the wave can drop, the technical equipment is available on both docking vehicles (active and passive parts), it is expensive both in terms of energy resources and in terms of cost. An analysis of existing visual systems has shown that such systems successfully solve the problems of visual odometry on UAVs, robots, and similar devices. However, to use such systems, it is necessary to know the internal parameters of the camera (calibration). Classical calibration using a checkerboard pattern is difficult to perform in outer space. In connection with all of the above, this paper proposes methods for estimating the focal length of the camera, based on the analysis of the available video sequence with the footage of the process of rendezvous of spacecraft. The proposed approaches are based on the maximum likelihood method (MLE) and maximum a posteriori estimation (MAP) of the functional depending on the Euler angles and focal length. The results of these methods are compared, showing the advantages of MAP over MLE and the possibility of their practical application.
Keywords
фокусное расстояние калибровка камеры стыковка космических аппаратов автоматическая стыковка метод максимального правдоподобия метод апостериорного максимума
Date of publication
01.01.2023
Year of publication
2023
Number of purchasers
0
Views
45

References

  1. 1. Бахшиев А.В., Кирпань Н.А., Корбан П.А. Программный комплекс определения пространственной ориентации объектов по телевизионному изображению в задаче космической стыковки. Экстремальная робототехника. 2013. С. 288–293.
  2. 2. Богуславский А.А., Соколов С.М. Система информационного обеспечения задач сближения, стыковки, посадки космического аппарата на основе компьютерного видения. Механика, управление и информатика. 2011. № 6. С. 140–156.
  3. 3. Бохоева Л.А., Курохтин В.Ю. Определение параметров внутренней калибровки камеры системы технического зрения. МЕХАНИКИ XXI ВЕКА. 2016. № 15. С. 133–138.
  4. 4. Гошин Е.В., Фурсов В.А. Решение задачи автокалибровки камеры с использованием метода согласованной идентификации. Компьютерная оптика. 2012. Т. 36. № 4. С. 605–610.
  5. 5. Коноваленко И.А., Фараджев И.А., Шемякина Ю.А. Оценка точки схода отрезков методом максимального правдоподобия. Вестник ЮУрГУ ММП. 2020. Т. 13. № 1. С. 107–117.
  6. 6. Кунина И.А., Гладилин С.А., Николаев Д.П. Слепая компенсация радиальной дисторсии на одиночном изображении с использованием быстрого преобразования Хафа. Компьютерная оптика. 2016. Т. 40. № 3. С. 395–403.
  7. 7. Медведев С.Б., Сайгираев Х.У., Сазонов В.В. Моделирование зон неустойчивой работы радиотехнической измерительной системы с активным ответом во время сближения и стыковки космических кораблей с международной космической станцией. Математическое моделирование. 2012. Т. 24. № 2. С. 151–160.
  8. 8. Миллер Б.М., Степанян К.В., Попов А.К., Миллер А.Б. Навигация БПЛА на основе последовательностей изображений, регистрируемых бортовой видеокамерой. Автоматика и телемеханика. 2017. № 12. С. 141–153.
  9. 9. Мюллер К., Дж. Атман., Троммер Г.Ф. Сопоставление изображений с широкой базовой линией и отслеживание траектории БПЛА при его приближении к окну здания. Гироскопия и навигация. 2019. Т. 27. № 4. С. 52–68.
  10. 10. Попов А.К., Миллер А.Б., Степанян К.В., Миллер Б.М. Моделирование процесса навигации беспилотного летательного аппарата с использованием двух бортовых камер, смещенных по высоте. Сенсорные системы. 2018. Т. 2. № 1. С. 19–25.
  11. 11. Сайгираев Х.У., Смирнов А.И., Соколов С.М., Богуславский А.А., Сазонов В.В. Автоматический мониторинг стыковки космического корабля с орбитальной станцией по видеоинформации. Препринты ИПМ им. М. В. Келдыша. 2004. № 74. С. 23.
  12. 12. Fischler M.A., Bolles R.C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM. 1981. V. 24. № 6. P. 381–395. https://doi.org/10.1145/358669.358692
  13. 13. Grush R. Spacex’s crew dragon capsule successfully docks to the ISS for the first time. 2019. URL: https://www.theverge.com/2019/3/3/18244501/spacex-crew-dragon-automatic-docking-international-space-station-nasa. (accessed: 2021-09-24.)
  14. 14. Grush R. Spacex’s crew dragon successfully docks with the space station. 2020. URL: https://www.theverge.com/2020/5/31/21271269/spacex-docking-iss-crew-dragon-nasa-success. (accessed: 2021-09-25.)
  15. 15. Hartley R. Self-calibration of stationary cameras. International Journal of Computer Vision. 1997. V. 1. № 22. P. 5–23. https://doi.org/10.1023/A:1007957826135
  16. 16. Hartley R. In defence of the 8-point algorithm. Proc. of 5th International Conference on Computer Vision. 1995. P. 1064–1070. https://doi.org/10.1109/34.601246
  17. 17. Heikkila J. Silven O. A four-step camera calibration procedure with implicit image correction. Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 1997. V. 36. № 4. P. 1106–1112. https://doi.org/10.1109/CVPR.1997.609468
  18. 18. Karpenko S., Konovalenko I., Miller A., Miller B., Nikolaev D. Uav control on the basis of 3d landmark bearingonly observations. Sensors. 2015. № 15. P. 29802–29820. https://doi.org/10.3390/s151229768
  19. 19. Konovalenko I., Miller A., Miller B., Nikolaev D. Uav navigation on the basis of the feature points detection on underlying surface. In Proceedings of the 29th European Conference on Modeling and Simulation (ECMS 2015). 2015. № 15 P. 499–505. https://doi.org/10.7148/2015-0499
  20. 20. Lowe D.G. Object recognition from local scale-invariant features. Proceedings of the Seventh IEEE International Conference on Computer Vision. 1999. V. 2. P. 1150–1157. https://doi.org/10.1109/ICCV.1999.790410
  21. 21. Medioni G., Kang S.B. Emerging topics in computer vision. 2004. P. 654.
  22. 22. Nelder J.A. and Mead. A simplex method for function minimization. Computer journal. 1965. № 7. P. 308–313. https://doi.org/10.1093/comjnl/7.4.308
  23. 23. Stein G. Accurate internal camera calibration using rotation, with analysis of sources of error. Computer Vision, Proceedings, Fifth International Conference on. 1995. https://doi.org/10.1109/ICCV.1995.466781
  24. 24. Zhang Z. A flexible new technique for camera calibration. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. V. 22. № 11 P. 1330–1334.https://doi.org/10.1109/34.888718
QR
Translate

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Higher Attestation Commission

At the Ministry of Education and Science of the Russian Federation

Scopus

Scientific Electronic Library