Este artículo presenta un proceso completo para la estimación precisa y robusta de la actitud relativa, que permite misiones complejas de remoción activa de escombros (ADR) dirigidas a satélites rotatorios fuera de servicio, como ENVISAT de la ESA. El proceso integra técnicas avanzadas de visión artificial y filtrado no lineal adaptativo. Una red neuronal convolucional (CNN) mejorada con preprocesamiento de imágenes detecta marcadores estructurales (bordes) en las imágenes del rastreador, y las coordenadas 2D se convierten en mediciones 3D mediante modelado de cámara. Estas mediciones se fusionan en el marco de un filtro Kalman sin aroma (UKF), seleccionado por su capacidad para gestionar dinámicas relativas no lineales, para estimar la actitud relativa general. Las contribuciones clave son la arquitectura integrada del sistema y la estrategia de adaptación dual dentro del UKF. El ajuste dinámico de la covarianza del ruido de medición compensa las incertidumbres variables de la medición de la CNN, y el ajuste adaptativo de la covarianza del ruido de proceso mediante análisis de residuos de medición tiene en cuenta dinámicas o maniobras no modeladas en línea. Esta adaptación dual mejora la robustez tanto ante imperfecciones de medición como ante incertidumbres del modelo dinámico. El rendimiento del sistema adaptativo integrado propuesto se evalúa mediante simulaciones de alta fidelidad utilizando un modelo realista de ENVISAT, comparando la realidad del terreno con las estimaciones en diversas condiciones, incluyendo interrupciones en las mediciones. Este enfoque integral proporciona una solución mejorada para una navegación relativa robusta a bordo, lo que mejora significativamente las capacidades necesarias para operaciones seguras de proximidad durante las misiones ADR.
