[發(fā)明專利]一種基于深度學(xué)習(xí)的空間非合作目標(biāo)位姿估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011551484.0
• 申請(qǐng)日: 2020-12-24
• 公開（公告）號(hào): CN112651437B
• 公開（公告）日: 2022-11-11
• 發(fā)明（設(shè)計(jì)）人: 佘浩平;楊興昊;李海超;宋建梅
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): G06V10/82
• 分類號(hào): G06V10/82;G06V10/764;G06T7/73;G06N3/04;G06N3/08
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 田亞琪

本發(fā)明公開一種基于深度學(xué)習(xí)的空間非合作目標(biāo)位姿估計(jì)方法，一、劃分姿態(tài)類別區(qū)間，生成空間非合作目標(biāo)圖像數(shù)據(jù)并標(biāo)注姿態(tài)類別標(biāo)簽、姿態(tài)數(shù)值標(biāo)簽、位置標(biāo)簽，得到空間非合作目標(biāo)的標(biāo)注數(shù)據(jù)集，包括訓(xùn)練集、測(cè)試集和驗(yàn)證集；二、基于AlexNet網(wǎng)絡(luò)構(gòu)建應(yīng)用于空間非合作目標(biāo)位姿估計(jì)的神經(jīng)網(wǎng)絡(luò)，移除網(wǎng)絡(luò)末端全連接層后并列連接四個(gè)全連接層；三、設(shè)計(jì)四個(gè)分支的損失函數(shù)；四、將訓(xùn)練集與驗(yàn)證集輸入構(gòu)建的神經(jīng)網(wǎng)絡(luò)中，利用設(shè)計(jì)的損失函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，當(dāng)損失函數(shù)收斂至全局最小值時(shí)保存神經(jīng)網(wǎng)絡(luò)模型；五、利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對(duì)空間非合作目標(biāo)進(jìn)行位姿估計(jì)；本發(fā)明能夠通過單攝像機(jī)、單幅圖像實(shí)現(xiàn)對(duì)空間非合作目標(biāo)的位姿估計(jì)。

技術(shù)領(lǐng)域

本發(fā)明屬于空間非合作目標(biāo)位姿估計(jì)的技術(shù)領(lǐng)域，具體涉及一種基于深度學(xué)習(xí)的空間非合作目標(biāo)位姿估計(jì)方法。

背景技術(shù)

隨著空間技術(shù)的發(fā)展，空間在軌服務(wù)成為保證空間飛行器在復(fù)雜空間環(huán)境中穩(wěn)定運(yùn)行的重要手段。空間在軌服務(wù)在進(jìn)行對(duì)接、維修等近距離操作時(shí)，空間目標(biāo)的相對(duì)姿態(tài)測(cè)量是需要解決的關(guān)鍵技術(shù)之一。空間目標(biāo)可分為合作目標(biāo)和非合作目標(biāo)兩類。合作目標(biāo)可以通過無線電進(jìn)行通信或有合作標(biāo)記以幫助確定姿態(tài)，而非合作目標(biāo)則不能提供合作信息。近年來，隨著低地球軌道不活躍衛(wèi)星以及空間碎片的增多，非合作目標(biāo)的位姿估計(jì)得到更廣泛的關(guān)注。

德國宇航局的“實(shí)驗(yàn)服務(wù)衛(wèi)星”采用光學(xué)傳感器對(duì)目標(biāo)衛(wèi)星發(fā)動(dòng)機(jī)進(jìn)行成像分析，并采用視覺測(cè)量工具解算相對(duì)姿態(tài)。王詩強(qiáng)等通過紋理特征提取方法，擬合對(duì)接環(huán)的參數(shù)信息進(jìn)行相對(duì)姿態(tài)測(cè)量。非合作目標(biāo)姿態(tài)估計(jì)一般采用基于模型的算法，將模型線框與目標(biāo)邊緣相匹配得出姿態(tài)信息。但圖像除邊緣信息外，其他特征信息也能夠用于協(xié)助姿態(tài)估計(jì)，而深度學(xué)習(xí)能夠?qū)W習(xí)復(fù)雜特征同時(shí)忽略背景信息。深度學(xué)習(xí)在目標(biāo)識(shí)別、目標(biāo)檢測(cè)等領(lǐng)域已很成熟，但直到Kendall等才首次利用遷移學(xué)習(xí)將任務(wù)從目標(biāo)識(shí)別遷移到位姿估計(jì)。

深度學(xué)習(xí)在航天器姿態(tài)估計(jì)問題中尚未得到廣泛應(yīng)用。Charles E等將連續(xù)姿態(tài)角離散為姿態(tài)標(biāo)簽，將回歸問題轉(zhuǎn)化為離散問題，采用AlexNet網(wǎng)絡(luò)對(duì)目標(biāo)航天器進(jìn)行姿態(tài)分類估計(jì)，但同一姿態(tài)標(biāo)簽需要上百張數(shù)據(jù)圖片。

Thaweerath Phisannupawong等用四元數(shù)表示航天器姿態(tài)，以GoogLeNet為主干網(wǎng)絡(luò)進(jìn)行位姿估計(jì)，此方法采用較少的數(shù)據(jù)集，但姿態(tài)誤差較大。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于深度學(xué)習(xí)的空間非合作目標(biāo)位姿估計(jì)方法，能夠通過單攝像機(jī)、單幅圖像實(shí)現(xiàn)對(duì)空間非合作目標(biāo)的位姿估計(jì)，此方法所需數(shù)據(jù)集量小、精度高、檢測(cè)速度快。

實(shí)現(xiàn)本發(fā)明的技術(shù)方案如下：

一種基于深度學(xué)習(xí)的空間非合作目標(biāo)位姿估計(jì)方法，包括以下步驟：

步驟一、劃分姿態(tài)類別區(qū)間，生成空間非合作目標(biāo)圖像數(shù)據(jù)并標(biāo)注姿態(tài)類別標(biāo)簽、姿態(tài)數(shù)值標(biāo)簽、位置標(biāo)簽，得到空間非合作目標(biāo)的標(biāo)注數(shù)據(jù)集，所述標(biāo)注數(shù)據(jù)集包括：訓(xùn)練集、驗(yàn)證集和測(cè)試集；

步驟二、基于AlexNet網(wǎng)絡(luò)構(gòu)建應(yīng)用于空間非合作目標(biāo)位姿估計(jì)的神經(jīng)網(wǎng)絡(luò)，移除AlexNet網(wǎng)絡(luò)末端全連接層后并列連接四個(gè)全連接層，從而形成四個(gè)分支，其中，前三個(gè)分支分別用于估計(jì)空間非合作目標(biāo)的三個(gè)姿態(tài)角，第四個(gè)分支用于估計(jì)空間非合作目標(biāo)的位置；

步驟三、設(shè)計(jì)四個(gè)分支的損失函數(shù)；

步驟四、將訓(xùn)練集與驗(yàn)證集輸入構(gòu)建的神經(jīng)網(wǎng)絡(luò)中，利用設(shè)計(jì)的損失函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，當(dāng)損失函數(shù)收斂至全局最小值時(shí)，保存神經(jīng)網(wǎng)絡(luò)模型；

步驟五、利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對(duì)空間非合作目標(biāo)進(jìn)行位姿估計(jì)。

進(jìn)一步地，在步驟一中，得到標(biāo)注數(shù)據(jù)集的步驟如下：