Design of a pose estimation filter for active debris removal applications

The active removal of space debris has become an important theme in last years. For safety and reliability in On-Orbit Servicing (OOS) missions which involve autonomous robotic capture of an uncooperative Target by a Servicer, it is necessary to obtain fast-sampled and accurate motion estimates of both spacecrafts for control feedback. In this thesis it is faced the problem of acquiring the motion parameters of the Target with only slow-sampled and noisy exteroceptive sensing methods, e.g. vision systems, on the Servicer. From a control perspective, the slow-sampled noisy measurements limit the controller performance and the rate at which actuation forces may be computed. The usage of a Kalman Filter allows to estimate these parameters at higher frequency and with higher accuracy with respect to the measurements. The selected sensor is a monocular camera located on the end-effector. The camera parameters have been designed such that it is able to recognize the distance and attitude variations that happen during the short duration of the grasping manoeuvre. Together with the camera, the Servicer is provided by an Inertia Measurement Unit (IMU), joint encoders and a star/sun tracker. The first two give fast-sampled measurements and the filter must provide its output at the same frequency. In this work, two filters have been developed: an Extended Kalman Filter (EKF) and an Unscented Kalman Filter (UKF). Their performances have been assessed in terms of output accuracy and robustness to initial uncertainties in order to identify which one is most suited for this specific application.

Negli ultimi anni, la rimozione attiva dei detriti spaziali sta diventando un tema molto importante. Nelle missioni di On-Orbit Servicing (OOS) che prevedono la cattura di un Target da parte di un Servicer dotato di braccio robotico, è necessario ottenere una stima del moto dei due satelliti ad alta frequenza e precisione per garantire un’operazione efficiente e sicura. Questa tesi si concentra sulla stima dello stato di moto del Target utilizzando soltanto sensori esterocettivi (ad esempio sistemi visivi) posizionati sul Servicer. Questi ultimi sono caratterizzati da un alto livello di rumore e bassa frequenza di acquisizione. Tali caratteristiche riducono la qualità e la frequenza con cui il sistema di controllo calcola le forze di attuazione, riducendone l’efficacia. L’introduzione di un filtro di Kalman permette di calcolare tali forze con una precisione ed una frequenza maggiore. Il sensore utilizzato in questa tesi è una camera monoculare posizionata sull’end-effector del robot. I parametri principali della camera sono stati definiti in modo tale da poter riconoscere le variazioni di distanza e di assetto che avvengono durante la breve durata della manovra di cattura. Oltre alla camera, il Servicer è dotato di un IMU (Inertia Measurement Unit), encoders e star trackers. I primi due forniscono misurazioni ad alta frequenza, la stessa alla quale il filtro deve fornire la sua stima. In questa tesi sono stati sviluppati due filtri: un Extended Kalman Filter (EKF) ed un Unscented Kalman Filter (UKF). Questi sono stati confrontati in termini di precisione e robustezza alle incertezze in modo da identificare il miglior candidato per questa specifica applicazione.