空中加油作为提高飞行器作战半径的有效手段之一,经历了从人工训练对接到监视辅助对接的发展。而作为空中加油发展方向的自主空中加油技术,在我国尚处于起步研究阶段。空中复杂环境下飞行器之间的相对位姿测量是自主空中加油任务的关键技术之一。自主空中加油任务具有危险性大和环境复杂度高的特点,因此对其测量系统的鲁棒性、测量范围、测量精度和计算能力等方面的要求较高。本课题以自主空中加油相对定位技术为导向,深入研究分析现有测量手段,结合卷积神经网络的深度学习优势,通过对相关关键技术的创新和改进实现了基于卷积神经网络的自主空中加油识别测量系统,主要工作如下:本文构建了基于单目视觉的无合作标志自主空中加油相对位姿测量系统数学模型,并确立了测量系统运行框架。参考张氏相机标定法对构建的视觉测量系统进行标定得到系统内参数,为相对位姿估计奠定测量基础。根据监督学习的思路进行了自主空中加油锥套识别与跟踪数据集的构建。基于加油锥套与受油飞行器之间的相对运动和环境条件提出了数据增广方法,从而为锥套的识别与跟踪阶段提供更有效的训练数据。针对锥套目标初始捕获阶段的相关关键技术需求,分别提出了基于弧级特征和基于多感受野卷积神经网络的锥套识别与定位方法。其中基于弧级特征的锥套识别与定位方法,采用弧线特征、多特征融合识别和随机采样一致性轮廓拟合实现精确识别与定位锥套目标,该方法相对于现有方法明显提高了鲁棒性和实时性。所提基于多感受野卷积神经网络方法,基于环境适应性和抗干扰性,提出了多感受野特征提取网络和多尺度残差预测使得锥套平均识别率达到了95%,同时平均定位精度达到像素级。在锥套稳定跟踪和局部检测阶段,本文基于孪生网络算法将跟踪问题转化为匹配问题,通过改进基础特征提取网络和提出在线逐级特征调制方法保障目标参考图像特征的鲁棒性。并通过多尺度反向逐级微调跟踪边界框的方式提高跟踪精度。局部检测方法则通过提出的搜索区域选择策略和构建的多感受野锥套识别与定位网络完成锥套的局部重检实现锥套目标的长时稳定跟踪。此外,针对自主空中加油相对位姿估计阶段高鲁棒性、高精度和大测量范围的需求,提出了一种基于反向投影特征的相对位姿估计方法。通过提取精确的结构特征、反向5自由度空间位姿解算和基于运动模型的状态估计实现相对位姿的高精度鲁棒估计。相较于现有算法在测量范围、测量精度和鲁棒性方面均有明显提升。作为整个测量系统的关键环节保障了测量系统的精度和鲁棒性。在以上关键技术的研究基础之上,分别开展了各关键环节的数据集测试、数值仿真实验和地面实验等多组实验,并分析所提关键技术性能。从复杂光照、运动状态和天气条件的改变等多方面评估各部分方法的鲁棒性、精度和实时性。最后开展整系统的机械臂联合实验,分析了测量系统的有效性和精度,验证了本文所提基于卷积神经网络自主空中加油识别测量系统的可行性和实用性,为我国自主空中加油技术的研究提供了完整的相对位姿测量技术路线。