무인우주비행체 자동 랑데부/도킹을 위한 카메라 기반 강결합 필터 성능 개선 및 해석 연구 = Enhancement and Analysis of Camera-Based Tightly Coupled Filter Performance for Autonomous Rendezvous and Docking of Uncrewed Space Vehicles

국문 초록 (Abstract)

우주선의 랑데부/도킹은 우주 정거장 조립 및 궤도 상 정비 등 다양한 우주 임무 수행에 있어 핵심적인 단계이며, 이에 따라 정밀한 항법 시스템의 필 요성이 증가하고 있다. 특히, 근접 거리에서의 항법은 높은 정확도와 신뢰 성을 요구하며, 제한된 공간, 무게 및 전력 자원을 고려해야 한다. 이러한 제약 조건 속에서 단안 카메라는 경량, 저전력, 고해상도 등의 장점을 바탕 으로 근접 항법에 적합한 센서로 주목받고 있다. 본 논문은 지구 저궤도에 서 운용되는 무인우주비행체의 협력적 랑데부/도킹임무를 위한 단안 카메라 기반 강결합 필터 알고리즘에 대해 설명한다. 제안된 알고리즘은 도킹 대상 인 타겟 기체에 부착된 LED 마커와 도킹 주체인 체이서 기체에 장착된 카 메라를 활용하며, 카메라 영상에서 추출된 픽셀 좌표를 측정값으로 사용하 여 강결합 확장 칼만 필터에 적용한다. 기존의 포즈 추정 기반의 약결합 방 식과는 달리, 본 논문에서는 픽셀 수준의 특징점을 필터에 직접 결합함으로 써 계산 비용을 줄이고, 적은 수의 유효 특징점만으로도 견고한 상태 추정 을 가능하게 한다. 또한 항법 정확도 향상을 위해 LED 마커 간의 상대 위 치 정보를 반영한 확장 관측 행렬을 도입하였으며, 카메라의 제한된 시야각 문제를 극복하기 위해 이중 패턴 LED 마커를 사용하였다. 제안된 알고리즘 은 Gazebo 시뮬레이션과 랩스케일 실험을 통해 검증되었으며, 확장된 카메 라 모델이 항법 오차를 감소시킴을 확인하였다.

다국어 초록 (Multilingual Abstract)

Rendezvous and docking of spacecraft are critical phases for various space missions, including space station assembly and on-orbit servicing. Consequently, the demand for high-precision navigation systems has been steadily increasing. In particular, navigation at close proximity requires high accuracy and reliability, while also considering constraints on volume, mass, and power consumption. Under these limitations, monocular cameras have gained attention as suitable sensors for proximity navigation due to their advantages in terms of low weight, low power consumption, and high resolution.
This paper presents a monocular camera-based tightly coupled filtering algorithm for cooperative rendezvous and docking missions of unmanned spacecraft operating in low Earth orbit. The proposed algorithm utilizes LED markers mounted on the target spacecraft and a monocular camera installed on the chaser spacecraft. The pixel coordinates extracted from camera images are directly used as measurements in a tightly coupled extended Kalman filter. Unlike conventional loosely coupled approaches based on pose estimation, this method integrates pixel-level feature points directly into the filter, reducing computational cost and enabling robust state estimation even with a small number of valid features.
To further enhance navigation accuracy, an extended observability matrix incorporating the relative positions of LED markers is introduced. Additionally, a dual-pattern LED marker design is employed to overcome the limited field of view of the camera. The effectiveness of the proposed algorithm is validated through both Gazebo simulations and lab-scale experiments, demonstrating that the extended camera model contributes to reducing navigation errors.

목차 (Table of Contents)

• 표목차 ⅲ
• 그림목차 ⅳ
• 국문초록 ⅵ
• 제1장 서론 1
• 제1절 연구 배경 및 동향 1
• 제2절 논문 구성 4
• 제2장 항법 이론 5
• 제1절 좌표계 정의 5
• 1. 항법 좌표계 및 동체 좌표계 5
• 2. 카메라 좌표계 및 투영 좌표계 6
• 제2절 벡터 표현식 7
• 1. 상대 위치 7
• 2. 상대 속도 8
• 제3절 자세 표현 및 좌표계 변환 8
• 1. 방향 코사인 행렬(Direction Cosine Matrix) 8
• 2. 오일러 각(Euler angle) 12
• 3. 쿼터니언(Quaternion) 14
• 제4절 칼만 필터 이론 16
• 1. 칼만 필터(Kalman Filter) 17
• 2. 확장 칼만 필터(Extended Kalman Filter) 18
• 제3장 비전 기반 결합 항법 알고리즘 21
• 제1절 비주얼 오도메트리(Visual Odometry) 21
• 제2절 시나리오 및 시스템 모델 22
• 1. 시나리오 22
• 2. 시스템 모델 25
• 제3절 측정치 모델 29
• 1. 카메라 모델 29
• 2. 확장된 카메라 모델 33
• 제4장 시뮬레이션 구성 및 결과 37
• 제1절 시뮬레이션 환경 구성 37
• 제2절 시뮬레이션 결과 비교 39
• 1. 직선 접근 상황(Linear approach case) 39
• 2. 진동형 피치 접근 상황(Oscillatory pitch approach case) 41
• 3. 진동형 요 접근 상황(Oscillatory yaw approach case) 43
• 제5장 실험 환경 구성 및 결과 46
• 제1절 실험 환경 구성 46
• 제2절 실험 결과 비교 48
• 1. 직선 접근 상황(Linear approach case) 48
• 2. 진동형 피치 접근 상황(Oscillatory pitch approach case) 50
• 3. 진동형 요 접근 상황(Oscillatory yaw approach case) 52
• 제6장 관측 행렬 민감도 분석 57
• 1. 가관측성 행렬 57
• 2. 민감도 수치 분석. 59
• 제7장 결론 62
• 참고문헌 63
• ABSTRACT 66