Stereovision based pose and inertia estimation for unknown and uncooperative space objects

Autonomous close proximity operations are an arduous and attractive problem in space mission design. In particular, the estimation of pose, motion and inertia properties of an uncooperative object is a challenging task because of the lack of available a priori information. In addition, good computational performance is necessary for real applications. This thesis develops a method to estimate the relative position, velocity, angular velocity, attitude and inertia properties of an uncooperative space object using only stereo-vision measurements. The classical Extended Kalman Filter (EKF) and an Iterated Extended Kalman Filter (IEKF) are used and compared for the estimation procedure. The relative simplicity and low computational cost of the proposed algorithm allow for an online implementation for real applications. The developed algorithm is validated by numerical simulations in MATLAB using different initial conditions and uncertainty levels. The goal of the simulations is to verify the accuracy and robustness of the proposed estimation algorithm. The obtained results show satisfactory convergence of estimation errors for all the considered quantities. An analysis of the computational cost is addressed to confirm the possibility of an onboard application. The obtained results, in several simulations, outperform similar works present in literature. In addition, a video processing procedure is presented to reconstruct the geometrical properties of a body using cameras. This method has been experimentally validated at the ADAMUS

Lo sviluppo di missioni spaziali, implicanti operazioni di prossimità autonome, è un problema complesso e affascinante. In particolare, la stima di posizione, assetto e dinamica relativa e della matrice di inerzia di un oggetto completamente sconosciuto, è un arduo compito a causa della mancanza di informazioni note a priori. Inoltre, in un’applicazione reale, l’algoritmo utilizzato deve offrire buone prestazioni computazionali. Questa tesi introduce un metodo per stimare posizione, velocità, velocità angolare e assetto relativi di un oggetto spaziale non cooperativo oltre a ricostruirne le proprietà di inerzia. Tutto questo, solamente tramite misure collezionate grazie ad una coppia di camere in configurazione stereoscopica. La stima è ottenuta utilizzando un Filtro di Kalman Esteso (EKF) e un Filtro di Kalman Esteso e Iterato (IEKF). I risultati, con entrambi i metodi, sono successivamente confrontati. La semplicità dell’algoritmo e il suo basso costo computazionale lo rendono un ottimo candidato per un’applicazione reale. L’algoritmo è stato validato con simulazioni numeriche implementate in MATLAB volte a valutarne l’accuratezza. Diverse condizioni iniziali e livelli di incertezza sono stati utilizzati. I risultati ottenuti mostrano una buona convergenza dell’errore relativo di tutte le componenti dello stato. Infine, un’analisi delle prestazioni computazionali è presentata. Questa è necessaria per ottenere un’ulteriore conferma del possibile utilizzo in applicazioni reali. I risultati ottenuti, nella maggior parte delle simulazioni, sono migliori di quelli presenti in simili lavori disponibili in letteratura. E’ infine proposto un metodo per la ricostruzione delle proprietà geometriche e di massa tramite l’elaborazione di video. Questo metodo è stato validato tramite una campagna sperimentale all’ADAMUS (ADvanced Autonomous MUltiple Spacecraft) Lab presso la University of Florida.