Un requisito clave de la navegación autónoma del rover lunar es adquirir información de estado con precisión en tiempo real durante su movimiento y establecer un modelo cinemático no lineal basado en parámetros graduales para el rover. En este artículo, proponemos un método de navegación celeste en tiempo real (RCN) basado en un filtro de Kalman extendido dual (dual-EKF). El método propuesto considera la posición y velocidad del rover en la superficie lunar como parámetros del sistema y establece un modelo de velocidad constante (CV). Además, el cuaternión de actitud se considera como el estado del sistema, y la ecuación diferencial del cuaternión se establece como la ecuación de estado, que incorpora la salida del giroscopio de velocidad angular. Por lo tanto, la ecuación de medición puede establecerse con el vector de dirección solar del sensor solar y la observación de la velocidad del velocímetro. La salida continua del giroscopio garantiza el funcionamiento del algoritmo en tiempo real. Por último, utilizamos el método dual-EKF para resolver las ecuaciones del sistema. Los resultados de la simulación muestran que el método propuesto puede adquirir la posición del rover y la información de rumbo en tiempo real y mejorar en gran medida la precisión de la navegación. Nuestro método supera la desventaja del error acumulativo en la navegación inercial.

Se presenta un algoritmo de navegación autónoma que utiliza el sensor que integra el sensor estelar (FOV1) y el sensor terrestre ultravioleta (FOV2). Las imágenes estelares son muestreadas por FOV1, y las imágenes terrestres ultravioletas son muestreadas por el FOV2. El algoritmo de identificación estelar y el algoritmo de seguimiento estelar se ejecutan en FOV1. Luego, se calcula la dirección del eje óptico de FOV1 en el sistema de coordenadas J2000.0. La imagen ultravioleta de la tierra es muestreada por FOV2. Se calcula el vector central de la tierra en el sistema de coordenadas de FOV2 con las coordenadas de la tierra ultravioleta. Los datos de navegación autónoma del satélite son calculados por el sensor integrado con la dirección del eje óptico de FOV1 y el vector central de la tierra de FOV2. La precisión de la posición de la navegación autónoma para el satélite se mejora de