一种自带图像尺度变换的空间非合作目标姿态评估方法技术

本发明专利技术公开了一种自带图像尺度变换的空间非合作目标姿态评估方法，包括非合作目标边界提取、图像尺度变换、模块化深度可分离卷积网络、三轴姿态输出，算法包含训练和检测两部分，训练过程主要是利用地面有标注的姿态图像数据，利用梯度下降算法对算法网络的相关参数进行训练；检测过程是利用已训练好的参数，对输入的图像，评估出图像中的非合作目标相应的三轴姿态。本发明专利技术摆脱了姿态识别过程中对非合作目标构型的限制，通过模块化的深层次卷积网络，逐步的提取图像的深层次特征，解决了传统方法特征点难以稳健提取，光照适应性差的问题。

【技术实现步骤摘要】
一种自带图像尺度变换的空间非合作目标姿态评估方法
本专利技术涉及非合作目标姿态评估方法，特别是基于图像特征对非合作目标姿态的评估，属于图像处理和模式识别领域。
技术介绍
对空间非合作目标的姿态识别，是近距离对其进行操控和服务的前提。因此，非合作目标姿态的识别是空间领域一个重要的研究方向。基于视觉图像对非合作目标姿态评估主要是通过对图像局部特征点与基准模型进行匹配，获取相应的旋转矩阵，进而利用最小二乘法对超定方程组进行求解，得到相应的姿态角。通常，基于单目视觉图像对非合作目标姿态求解，其难点在于特征点的提取，已有的相关方案大多数是对表面有明显特征，如圆形、直线等特征点进行提取，根据特征点对应匹配关系求解相应的旋转矩阵，计算出姿态角。此类解决方案面临的缺陷在于：第一，手动特征提取通用性差，能够提取的有效点不多，特别是对于没有明显圆形等相关特征，方法往往失效；第二，手动特征稳健性差，在光照、尺度多变的场景，提取的特征点通常不能够实现有效的匹配。
技术实现思路
本专利技术的技术解决问题是：为了克服在对空间非合作目标姿态识别过本文档来自技高网...

【技术保护点】
1.一种自带图像尺度变换的空间非合作目标姿态评估方法，其特征在于包括以下步骤：/n(a1)、非合作目标边界提取：利用Sobel算子，计算图像中目标的边缘轮廓，查询相应的坐标点，计算边界轮廓的最小外切正方形，作为非合作目标的边界坐标；/n(a2)、图像尺度变换：将步骤(a1)的边界坐标，按照最小外切正方形面积的一定比例，对边界进行扩展；根据边界点的坐标，对原图进行截取，并把截取的图像尺寸进行压缩，作为算法网络的输入；/n(a3)、模块化深度可分离卷积网络构建：将步骤(a2)中压缩的图像输入位姿识别网络，按顺序依次进行连接，每层的输出作为后一层的输入，最终输出为特征向量；/n(a4)、三轴姿态输出...

【技术特征摘要】
1.一种自带图像尺度变换的空间非合作目标姿态评估方法，其特征在于包括以下步骤：
(a1)、非合作目标边界提取：利用Sobel算子，计算图像中目标的边缘轮廓，查询相应的坐标点，计算边界轮廓的最小外切正方形，作为非合作目标的边界坐标；
(a2)、图像尺度变换：将步骤(a1)的边界坐标，按照最小外切正方形面积的一定比例，对边界进行扩展；根据边界点的坐标，对原图进行截取，并把截取的图像尺寸进行压缩，作为算法网络的输入；
(a3)、模块化深度可分离卷积网络构建：将步骤(a2)中压缩的图像输入位姿识别网络，按顺序依次进行连接，每层的输出作为后一层的输入，最终输出为特征向量；
(a4)、三轴姿态输出：将步骤(a3)中输出的特征向量，采用全连接的方式，输出1*3的数据，在检测时，1*3的单元数据表示为目标三轴的相对姿态；在训练时，通过1*3单元的值获取相应的损失函数，然后反向传播，通过梯度下降法对网络进行训练。


2.根据权利要求1所述的一种自带图像尺度变换的空间非合作目标姿态评估方法，其特征在于，所述步骤(a2)中的图像尺度变换方法，对于待训练的数据，按10％～50％比例进行随机扩展。


3.根据权利要求1所述的一种自带图像尺度变换的空间非合作目标姿态评估方法，其特征在于，Sobel算子为：

【专利技术属性】
技术研发人员：贺盈波，石永强，徐云飞，华宝成，王立，吴云，
申请(专利权)人：北京控制工程研究所，
类型：发明
国别省市：北京;11