基于孿生網絡的航天器部件追蹤

孫運達，萬 雪*，李盛陽

（1.中國科學院大學，北京 100049；2.中國科學院 空間應用工程與技術中心，北京 100094；3.中國科學院 太空應用重點實驗室，北京 100094）

1 引言

自1957 年第一顆人造衛星升空以來，據不完全統計，全世界共執行4000 余次發射任務。各類航天器在科研、國防、商業等領域發揮著越來越重要的作用的同時也讓空間環境變得愈發復雜，復雜的空間環境增加了空間任務的危險性。在航天器的在軌維修，交會對接等空間任務中，能否快速、準確地感知和定位航天器直接決定任務的成敗；而對航天器的感知最終往往集中在其某個部件上，因此，持續跟蹤人造衛星部件是保證空間任務順利完成的基礎［1］。

在圖像或視頻中持續準確提取視覺目標的主要手段之一是目標跟蹤。目標跟蹤，其任務是在給定某視頻序列中獲取特定運動目標并連續獲取它隨時間形成的目標軌跡［2-5］。

視覺目標跟蹤（Visual Object Tracking），本文所指均為單目標視覺跟蹤，其任務是在給定某視頻序列初始幀的目標尺寸與位置的條件下，預測后續視頻幀中該目標的尺寸與位置［2］。作為計算機視覺領域的基礎問題之一，視覺目標追蹤在移動機器人，自動駕駛，人機交互，視頻監控等領域具有非常廣闊的應用前景［6-8］。傳統的目標跟蹤算法分為兩大類：生成（generative）模型方法和判別（discriminative）模型方法［2］。受深度學習強大特征提取能力的驅動，在兩大追蹤框架下又派生出許多非常優秀的方法。

生成模型方法專注對目標本身的刻畫，通過構建目標模型以預測視頻序列中目標的位置，比較突出的算法有對動態系統的狀態序列進行先行最小方差估計的卡爾曼濾波算法［9］；……