基于迁移学习的空间目标自主识别方法、电子设备和存储介质技术

本发明专利技术公开了一种基于迁移学习的空间目标自主识别方法、电子设备和存储介质，所述方法包括：实时获取若干帧未知空间目标的图像数据；根据若干帧前序时刻的所述未知空间目标的图像数据对当前时刻的所述未知空间目标的图像数据进行特征补偿，得到经所述特征补偿的当前时刻的未知空间目标特征图；对经所述特征补偿的当前时刻的未知空间目标特征图采用预先训练好的神经网络进行识别，得到识别结果。本发明专利技术解决了非合作空间目标先验信息缺失，所导致的样本数量和种类不够丰富的问题。

Autonomous recognition of spatial objects, electronic devices and storage media based on Transfer Learning

【技术实现步骤摘要】
基于迁移学习的空间目标自主识别方法、电子设备和存储介质
本专利技术涉及空间
，特别涉及一种基于迁移学习的空间目标自主识别方法、电子设备和存储介质。
技术介绍
空间目标航天器可分为合作目标与非合作目标。合作目标是指具备已知的目标图像库或三维模型库，或能够与追踪飞行器进行通信的目标飞行器；非合作目标是指客体航天器没有专门的用于对接的接口或识别标志器，在对其追踪、操控过程中不会主动为服务航天器提供相关信息。目前，对于空间合作目标的在轨操控技术已经相对成熟。然而对于空间非合作目标，对其在轨状态认知、抓捕对接、服务操作等均是世界难题。主要原因如下：(1)目标先验信息缺失、状态不稳定。非合作目标的外形尺寸、材质特性、动力学参数等均为未知状态。空间非合作目标可能处于姿态不稳定状态，如失效卫星可能绕某一轴高速旋转，翻滚速度可达数十度每秒。(2)杂散光干扰。相机镜头安装在航天器舱体外面，受到空间光场环境的干扰，包括阳光直射镜头以及星体相关装置、零部件的漫反射影响。目前通用的基于深度学习的目标识别方法需要巨量的、类别丰富的数据本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的空间目标自主识别方法，其特征在于，包括：/n步骤S1、实时获取若干帧未知空间目标的图像数据；/n步骤S2、根据若干帧前序时刻的所述未知空间目标的图像数据对当前时刻的所述未知空间目标的图像数据进行特征补偿，得到经所述特征补偿的当前时刻的未知空间目标特征图；/n步骤S3、对经所述特征补偿的当前时刻的未知空间目标特征图采用预先训练好的神经网络进行识别，得到识别结果。/n

【技术特征摘要】
1.一种基于迁移学习的空间目标自主识别方法，其特征在于，包括：
步骤S1、实时获取若干帧未知空间目标的图像数据；
步骤S2、根据若干帧前序时刻的所述未知空间目标的图像数据对当前时刻的所述未知空间目标的图像数据进行特征补偿，得到经所述特征补偿的当前时刻的未知空间目标特征图；
步骤S3、对经所述特征补偿的当前时刻的未知空间目标特征图采用预先训练好的神经网络进行识别，得到识别结果。


2.如权利要求1所述的基于迁移学习的空间目标自主识别方法，其特征在于，还包括步骤S4：对所述识别结果进行人工判别，得到判别结果；
将所述判别结果与所述识别结果进行比较，若不一致，则存储所述判别结果并将其反馈至所述神经网络，以迭代训练所述神经网络。


3.如权利要求2所述的基于迁移学习的空间目标自主识别方法，其特征在于，所述步骤S2包括：
采用特征提取网络提取出与每帧所述未知空间目标的图像数据相对应的所述未知空间目标特征图；
采用特征关联方法，将所述当前时刻的未知空间目标特征图与所述前序时刻的未知空间目标特征图进行关联，建立特征图之间的光流场；
基于所述光流场将所述前序时刻的未知空间目标特征图进行特征变换；
通过特征融合方法，将变换后的所述前序时刻的未知空间目标特征图的特征嵌入所述当前时刻的未知空间目标特征图中；
得到所述经所述特征补偿的当前时刻的未知空间目标特征图。


4.如权利要求3所述的基于迁移学习的空间目标自主识别方法，其特征在于，所述基于所述光流场将所述前序时刻的未知空间目标特征图进行特征变换的步骤包括：对未知空间目标位置、姿态和帆板展开状态的特征的变换。

...

【专利技术属性】
技术研发人员：梁彦，孙俊，陈赟，刘珊珊，韩飞，
申请(专利权)人：上海航天控制技术研究所，
类型：发明
国别省市：上海;31