一种能量驱动的非合作卫星点云自适应重建方法

《Aerospace》：An Energy-Driven Adaptive Reconstruction Method for Non-Cooperative Satellite Point Clouds

　　

为解决非合作卫星在轨感知中稀疏点云、结构不完整和噪声干扰的问题，本研究开发了一种集成多帧点云融合与能量驱动优化策略的重建方法。采用自主研发的非合作目标实验平台获取多视角点云数据，随后将点云融合以改善几何覆盖和结构完整性。基于该数据集，系统评估了四种代表性三维重建算法。结果表明，局部Delaunay方法在几何精度与结构保持之间取得了良好平衡（均方根误差（RMSE）= 6.152 mm）。然而，其性能受限于对多个几何阈值和固定尺度约束的依赖，导致在挑战性条件下鲁棒性和稳定性降低。为克服这些局限，研究人员在局部Delaunay框架内开发了一种基于能量的法线一致自适应重建方法（ENALD）。该提议方法引入法线一致性约束和自适应尺度机制，并构建多特征能量模型以指导三角形选择。进一步引入能量排序策略，保留前50%的候选三角形以提高重建质量。实验结果表明，与传统局部Delaunay方法相比，ENALD将最大偏差、平均偏差和RMSE分别降低了21.3%、10.0%和11.9%，同时计算效率提高了约45.4%。此外，重建表面表现出增强的结构连续性和更好的局部细节保持，且未引入明显的拓扑伪影。

**论文解读：能量驱动的非合作卫星点云自适应重建方法**

**研究背景、问题及意义**
随着激光雷达（LiDAR）等主动传感技术的发展，点云成为描述空间目标几何结构的主要形式。在在轨服务与空间态势感知任务中，从LiDAR点云中准确重建非合作目标的三维结构是实现自主交会、故障诊断和轨道控制的基本前提。与具有已知结构先验的合作目标不同，非合作目标几何未知且表面特性复杂。此外，目标运动、有限视角和传感器噪声常导致点云稀疏、结构不完整，给可靠表面重建带来显著挑战。现有重建方法中，基于Delaunay三角剖分的显式方法依赖人工设定的几何阈值，对非均匀采样和噪声敏感；而泊松表面重建（PSR）等隐式方法虽对噪声鲁棒，但过度平滑会模糊尖锐几何特征。因此，亟需一种同时兼顾几何精度、结构完整性和鲁棒性的重建方法。本研究提出一种能量驱动的自适应重建方法（ENALD），旨在解决非合作卫星点云重建中的上述问题。论文发表在《Aerospace》。

**主要关键技术方法**
研究人员采用自主研发的LiDAR实验平台（包含Titan M1-A LiDAR传感器、卫星模型、旋转机构等，线性距离7-10 m）获取多视角点云数据。通过多帧点云融合（12帧最优）提高点密度和结构完整性。在传统局部Delaunay框架基础上，引入三项关键技术：1）法线一致性约束（NC）：基于主成分分析（PCA）估计点法线并进行全局方向对齐，用于筛选候选三角形；2）自适应尺度机制（AS）：根据局部点间距动态调整边长约束，适应非均匀采样；3）能量优化模块（EO）：构建包含外接圆半径、边长、三角形面积和法线一致性的多特征能量函数，采用能量排序策略保留前50%低能量三角形，替代传统多阈值筛选。

**研究结果**
- **3.1 多帧点云叠加融合**：通过对比1-13帧融合效果，发现12帧融合在点云密度（平均邻域距离降低59.2%）和噪声抑制（噪声标准差降低57.5%）之间达到最佳平衡，后续采用12帧融合结果作为输入。
- **3.2 重建算法对比**：对Delaunay三角剖分、PSR、Crust和局部Delaunay四种方法进行系统评估。局部Delaunay在几何精度（RMSE=6.152 mm）、表面完整性（边界边密度0.230454）和视觉质量上表现最佳，但计算效率较低（17.1604 s），且依赖多个几何阈值。
- **3.3 能量驱动法线一致自适应局部Delaunay方法（ENALD）**：提出ENALD框架，包含数据预处理、法线估计与一致性增强、局部三角形构建与多约束筛选、结果评估四个阶段。通过法线一致性约束、自适应尺度机制和能量函数，实现从局部启发式规则到全局能量优化的转变。
- **3.4 实验验证与比较评估**：与局部Delaunay相比，ENALD将最大偏差降低21.3%（从30.379 mm降至23.903 mm），平均偏差降低10.0%（从4.771 mm降至4.295 mm），RMSE降低11.9%（从6.152 mm降至5.420 mm），计算效率提升45.4%（从17.1604 s降至9.3764 s）。边界边密度从0.230454增至0.432382，表明ENALD以牺牲部分表面完整性换取拓扑可靠性和几何保真度。
- **3.5 消融研究**：通过逐步集成NC、AS、EO模块，证明NC有效降低RMSE 16.9%，AS进一步微调适应性，EO显著提升效率35.9%并降低最大偏差，但RMSE略有增加。三个组件协同作用实现精度、完整性和效率的平衡。
- **3.6 讨论：实际应用性、泛化性与局限性**：ENALD不依赖训练数据，适用于目标几何未知的在轨场景；但当前仅基于实验室模型验证，未考虑真实空间环境中的噪声、姿态扰动和结构多样性，未来需结合高保真仿真和真实在轨数据验证。

**结论总结**
本研究针对非合作目标卫星在轨感知中点云稀疏、结构不完整和噪声干扰问题，提出一种基于多帧LiDAR点云融合的能量驱动自适应三维重建策略（ENALD）。通过将几何约束、法线一致性和自适应尺度机制整合到统一框架中，该方法在非均匀采样和噪声污染条件下实现了稳定一致的三维重建。主要结论如下：1）多帧点云融合可提升几何完整性，12帧融合达到最优平衡；2）局部Delaunay方法在四种算法中表现最佳（RMSE=6.152 mm），但存在参数敏感性问题；3）ENALD通过引入法线一致性约束、自适应尺度机制和能量优化，替代传统阈值筛选，将最大偏差、平均偏差和RMSE分别降低21.3%、10.0%和11.9%，计算效率提升45.4%；4）消融研究证实各组件协同作用，验证了框架的有效性。