Autonomous navigation for close proximity operations around uncooperative space objects

Spacecraft autonomous relative navigation is an arduous and attractive problem for future space missions. In particular, autonomy is becoming indispensable, allowing to cope with the inability to rely on commands from ground control stations (due to communications latencies and black-outs), but providing increased mission frequency, robustness, and reliability. In this thesis, innovative techniques for relative state estimation in case of uncooperative known and unknown objects, using cameras, are proposed. Several mission scenarios are examined, considering the consequent effects on the architecture of the estimation technique, its robustness and implementability. An innovative approach for vision-based relative state estimation using a mono-camera is presented along with numerical and experimental results. The novelty of this approach lies in the pose acquisition algorithm, based on a customized implementation of the RANSAC algorithm which exploits the Principal Component Analysis (PCA) and the knowledge of a simplified target model, and in the navigation filter, exploiting a linear H-infinity Filter for the translational motion and an innovative 2nd Order Non-linear Filter on the Special Orthogonal group (SO(3)) for the rotational part. Moreover, this work offers an extensive comparative analysis between different filtering techniques for relative attitude estimation. In the same framework, relative navigation in a cislunar environment is analyzed, considering the case of a passively cooperative target and a chaser equipped with stereo-camera. Then, a novel estimation technique combining Radial Basis Function Neural Network (RBFNN) and an adaptive form of a Kalman Filter is presented and applied to relative navigation scenarios. Finally, the problem of navigating, mapping and planning around a small body (uncooperative unknown target) is tackled exploiting Partially Observable Markov Decision Process (POMDP). All the different approaches and algorithms presented in this dissertation provide satisfactory and promising results, representing possible answers to the main challenges of vision-based proximity relative navigation with uncooperative objects.

La navigazione relativa autonoma di veicoli spaziali è un problema complesso e attraente per future missioni spaziali. In particolare, l'autonomia sta diventando un aspetto indispensabile, consentendo di far fronte all'indisponibilità di comandi provenienti da stazioni di controllo a terra, ma, allo stesso modo, offrendo robustezza e affidabilità. In questa tesi, sono proposte tecniche innovative per la stima dello stato relativo, usando camere, nel caso di oggetti spaziali non cooperativi, noti e non. Diversi scenari di missione sono esaminati, considerando i conseguenti effetti sull'architettura della tecnica di stima, la sua robustezza e implementabilità. Un approccio innovativo per la stima dello stato relativo basato su sistemi di visione utilizzando una monocamera è presentato supportato da risultati numerici e sperimentali. La novità di questo approccio è rappresentata dall'algoritmo di acquisizione della posa, basato su un'implementazione di RANSAC che sfrutta la Principal Component Analysis (PCA) e la conoscenza di un modello semplificato del target, e dal filtro di navigazione, composto da un filtro H-infinito per la parte di moto traslazionale e un innovativo filtro del secondo ordine non lineare sul gruppo ortogonale speciale (SO(3)) per la parte di rotazione. Inoltre, questo lavoro offre un'analisi comparativa approfondita tra diverse tecniche di filtraggio per la stima dell'assetto relativo. Nello stesso contesto, è analizzato lo scenario di navigazione relativa in ambiente cislunare, considerando il caso di un target passivamente cooperativo e un chaser fornito di una stereo camera. Poi, una tecnica innovativa di stima che combina Radial Basis Function Neural Network (RBFNN) e una forma adattiva di filtro di Kalman è presentato e applicato a scenari di navigazione relativa. Infine, il problema di navigare, mappare e pianificare traiettorie attorno a un piccolo corpo celeste (target non cooperativo e sconosciuto) è trattato, sfruttando un approccio con Partially Observable Markov Decision Process (POMDP). Tutti i diversi approcci e algoritmi presentati in questa tesi hanno mostrato risultati soddisfacenti e promettenti, rappresentando possibili risposte alle maggiori sfide poste dalla navigazione relativa di prossimità.