본 논문은 ESA의 ENVISAT과 같은 회전하는 폐기된 위성을 표적으로 하는 어려운 능동적 우주 잔해 제거(ADR) 임무를 가능하게 하는 정확하고 견고한 상대 자세 추정에 대한 완전한 파이프라인을 제시합니다. 이 파이프라인은 고급 컴퓨터 비전 기술과 적응형 비선형 필터링을 통합합니다. 이미지 전처리로 향상된 합성곱 신경망(CNN)이 추적기 영상에서 구조 마커(모서리)를 감지하고, 2D 좌표는 카메라 모델링을 사용하여 3D 측정값으로 변환됩니다. 비선형 상대 역학을 처리하는 능력으로 선택된 무향 칼만 필터(UKF) 프레임워크 내에서 이러한 측정값이 융합되어 전체 상대 자세를 추정합니다. 핵심 기여는 통합 시스템 아키텍처와 UKF 내의 이중 적응 전략입니다. 측정 노이즈 공분산의 동적 조정은 다양한 CNN 측정 불확실성을 보상하고, 측정 잔차 분석을 활용한 프로세스 노이즈 공분산의 적응적 조정은 모델링되지 않은 역학 또는 기동을 온라인으로 고려합니다. 이 이중 적응은 측정 결함과 동적 모델 불확실성 모두에 대한 견고성을 향상시킵니다. 제안된 적응형 통합 시스템의 성능은 현실적인 ENVISAT 모델을 사용한 고충실도 시뮬레이션을 통해 평가되며, 측정 중단을 포함한 다양한 조건에서 지상 진실과 추정치를 비교합니다. 이 포괄적인 접근 방식은 견고한 온보드 상대 항법을 위한 향상된 솔루션을 제공하여 ADR 임무 중 안전한 근접 작전에 필요한 기능을 크게 향상시킵니다.
