【技术实现步骤摘要】
一种面向太空中非合作目标的实时位姿跟踪方法及其系统
[0001]本专利技术涉及追踪定位
,尤其涉及一种面向太空中非合作目标的实时位姿跟踪方法及其系统。
技术介绍
[0002]位姿跟踪技术在深度学习网络的加持下,在过去几十年中取得了前所未有的突破。深度特征摆脱了传统特征的限制,使跟踪效果不再受限于手动设计的特征。甚至可以通过端到端的模型,直接从图像生成位姿结果。现有技术可分为两类:一类需要已知待跟踪物体的3D模型,通过将实时获取的图像数据与待跟踪物体的标准3D模型进行比对,来得到当前帧的位姿结果;另一类不需要待跟踪物体的3D模型,但会在跟踪过程中不断对物体进行3D建模,再将实时采集到的数据与建模结果比较。
[0003]然而,在实际应用场景中,待跟踪物体的形状轮廓往往是未知的。尤其是在航天领域,太空中非合作目标的3D模型属于涉密信息,无法获取,这使得第一类技术不适用于此场景。太空环境复杂,对待跟踪物体进行多方位的观测建模需要本体航天器频繁变换轨道,燃料消耗大且安全性低,第二类技术也无法满足实际应用需求。
专 ...
【技术保护点】
【技术特征摘要】
1.一种面向太空中非合作目标的实时位姿跟踪方法,其特征在于,包括以下步骤:步骤一:对相机拍摄到的原始RGB图像进行目标检测与实例分割,确定待跟踪物体的目标区域;步骤二:提取所述步骤一获得的目标区域的关键点信息,所述关键点信息包括关键点的位置及关键点的特征向量;步骤三:匹配当前帧与前一帧的关键点;具体操作为:归一化当前帧的关键点特征,建立当前帧的归一化后的关键点之间的邻接关系,并构建所述归一化后的关键点图结构,更新所述归一化后的关键点图结构的中心点的特征向量,得到当前帧的新关键点;以当前帧为基础,正向匹配前一帧中与当前帧匹配的新关键点;以前一帧为基础,反向匹配当前帧中与前一帧匹配的新关键点;基于所述正向匹配和所述反向匹配,初步构建当前帧中的新关键点和前一帧中的新关键点的匹配关系,再剔除误匹配,得到优化后的匹配结果;步骤四:计算所述当前帧的位姿;步骤五:利用历史帧的数据,对所述步骤四得到的当前帧的位姿进行优化。2.根据权利要求1所述的面向太空中非合作目标的实时位姿跟踪方法,其特征在于,所述步骤三具体通过以下子步骤实现:(3.1)归一化关键点特征:对当前帧的特征向量做零均值归一化,保持当前帧的特征向量维度不变,使各维度数值均值为0,方差为1;将归一化后的关键点记为特征点;(3.2)建立当前帧特征点之间的邻接关系:计算所述特征点两两之间的距离及余弦相似度,将横向和纵向距离都不超过设定阈值、余弦相似度高于设定阈值的两个所述特征点互相标记为临近点;每个所述特征点至多有10个所述临近点,每个所述特征点的所有所述临近点构成该特征点的领域信息;对于某个所述特征点,若符合其临近点条件的特征点超过10个,则只保留与其欧式距离最近的10个特征点作为临近点;若没有符合其临近点条件的特征点,则认为该特征点无临近点;(3.3)构建特征点图结构:将每个所述特征点与其邻域内的每个所述临近点建立连接关系,令所述邻域内与每个临近点相连的特征点为中心特征点;每条连接边的一端连接中心特征点,所述连接边的另一端连接所述中心特征点邻域内的一个所述临近点,且每条所述连接边只连接两个点;每条连接边的长度值,反比于该连接边连接的两个特征点的余弦相似度;将中心特征点的所有连接边的长度进行零均值归一化处理,使中心特征点的所有连接边的长度均值为0,方差为1;(3.4)更新所述中心特征点的特征向量,使更新后所述中心特征点的特征向量在每一个维度上的数值,等于更新前所述中心特征点的特征向量在对应维度上的值与所述中心特征点邻域内的临近点的特征向量在对应维度上的值分别加权求和的结果;且更新前所述中心特征点的特征向量的权重为1,所述中心特征点邻域内的临近点的特征向量的权重等于该临近点对应连接边的长度;将更新后的所述中心特征点记作新关键点;(3.5)正向匹配新关键点:以所述当前帧为基础,找到所述前一帧的新关键点中与所述当前帧新关键点匹配的点;具体步骤为:针对当前帧中的每一个新关键点,与前一帧的所有新关键点进行比较,在与当前帧中的某一新关键点横向和纵向距离都不超过设定阈值、余弦相似度高于设定阈值的前一帧的所有新关键点中,选择余弦相似度最大的新关键点作为当前帧中的该新关键点的匹配点;若没有符合要求的点,则视为当前帧中的该新关键点无
匹配点;(3.6)反向匹配新关键点:以所述前一帧为基础,参考(3.5)中所述的步骤,找到所述当前帧的新关键点中与所述前一帧新关键点匹配的点;(3.7)初步构建匹配关系:对于正向匹配中的匹配关系p1
‑
p2,如果反向匹配中也存在匹配关系p2
‑
p1,则视为p1与p2具有匹配关系,p1与p2构成一组匹配点对,否则认为p1没有匹配点;所述p...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。