《Advances in Space Research》：Spacecraft Angular Rate Estimation via Event-Based Camera Sensing
编辑推荐：
提出一种基于事件相机传感技术确定航天器角速率的方法，通过分析星体运动触发的亮度事件时空分布，结合双正交摄像头配置提升精度，数值仿真验证其可行性与作为传统陀螺仪补充的潜力。
V. Franzese | M. El Hariry
卢森堡大学安全、可靠性和信任跨学科中心（SnT），J. F. Kennedy大道29号，卢森堡，1855，卢森堡
摘要
本文提出了一种利用基于事件的相机感测技术来确定航天器角速度的方法。该方法通过分析由恒星视运动触发的亮度事件的时间分布来实现。利用这些事件的位置和极性可以推断出恒星的视运动场，进而估计出相机坐标系中的观测者角速度。在提供姿态参考的情况下，这种角速度可以转换为航天器的实际角速度。通过对在随机航天器指向和角速度条件下生成的合成事件流数据集进行数值模拟，验证了该方法的有效性。评估了该方法的准确性，表明其具有补充或替代航天器系统中传统角速度传感器的潜力。
引言
了解航天器的角速度对于完成诸如姿态控制和导航等任务至关重要，从而满足太空任务的要求和目标（Crassidis等人，2007年）。传统上，这些信息由陀螺仪提供，陀螺仪能够测量角速度。尽管陀螺仪被广泛使用，但它们会随时间产生漂移，在辐射或机械应力下性能下降，甚至可能发生故障（Venkateswaran等人，2002年）。如果这些传感器发生故障且没有冗余，航天器可能会失去正常运行的能力，从而危及任务的成功。因此，考虑使用替代方法和传感器来补充航天器的角速度估计是有益的。迄今为止，已经探索了多种替代技术，这些技术基于恒星跟踪器和太阳传感器，通过连续的姿态测量来推断角速度（Jo等人，2015年），以及利用基于相机的光学流方法，利用天体特征在相机焦平面上的视运动（Liebe等人，2004年）。
受神经形态视觉启发的基于事件的传感器提供了一种与传统传感器不同的感测方法（Gehrig和Scaramuzza，2024年）。与传统基于相机的传感器不同，事件相机以微秒级的时间分辨率异步报告每个像素的亮度变化，并具有低延迟（Rebecq等人，2019年；Elms等人，2024年）。这在动态场景、低光照条件和功率受限系统中（例如太空中的卫星）提供了稀疏但信息丰富的数据（Izzo等人，2023年），尤其是对于小型卫星而言（Domenico等人，2022年）。基于事件的传感器已被用于地球应用中的角速度估计（Gallego和Scaramuzza，2017年；Shiba等人，2024年）。此外，由于其独特性和所提供的新感测方法，事件相机也开始被研究用于太空工程。例如，利用事件感测在卡尔曼滤波器公式中更新图像中恒星的位置（Ng等人，2022年），或估计航天器姿态（Chin等人，2019年；Bagchi和Chin，2020年）。
虽然许多研究集中在使用基于事件的恒星感测进行姿态估计上，但本文详细介绍了一种利用基于事件的相机感测技术并依赖于未识别恒星来确定航天器角速度的方法。该方法还通过正交相机设置的信息融合来提高角速度估计的准确性。通过分析由恒星视运动在相机焦平面上触发的亮度事件的时间分布，所提出的算法可以估计出两个相机坐标系中的角速度，然后在提供姿态参考的情况下将其转换为航天器的惯性角速度。通过对在随机航天器指向和角速度条件下生成的合成数据集进行数值模拟，验证了该方法的准确性，证明了其作为航天器系统中的传统角速度传感器的补充或备用方案的潜力。
本文的结构如下：第2节描述了基于事件的角速度估计方法；第3节概述了仿真方法及其实现；第4节使用合成事件数据集评估了估计准确性；最后，第5节总结了本研究的主要发现和结论。
方法论
本节描述了从基于恒星视运动生成的事件数据中估计航天器角速度的方法。该方法包括相关参考帧的定义、姿态运动学的建立、基于事件的相机和事件流的建模，以及运动场估计和角速度确定的程序。
仿真
仿真工作流程如图5所示。该过程分为六个主要功能模块：1）恒星目录检索；2）航天器相机指向和角速度定义；3）图像帧生成；4）事件流生成；5）角速度估计；6）准确性评估。恒星数据来自HIPPARCOS和GAIA目录。HIPPARCOS目录包含大约118,000个光源，视星等低至12.4等；而GAIA DR3目录则包含更多...
性能
图6显示了基于第2节和第3节介绍的方法论，在100次代表性仿真中，角速度分量
结论
本文提出了一种利用基于事件的相机感测技术来确定航天器角速度的框架。该方法通过利用恒星在传感器焦平面上视运动触发的事件来实现。通过对基于真实恒星目录生成的合成事件流进行数值模拟，并在随机化的航天器瞄准和角速度配置下进行了验证。在大量测试案例中，该方法依赖于两个正交安装的...
利益冲突声明
作者声明没有利益冲突。
致谢
本研究未获得外部资金支持。作者感谢Guillermo Gallego博士在基于事件的视觉技术方面的启发性讨论。
