【技术实现步骤摘要】
本专利技术涉及航天器导航领域，具体空间非合作目标位姿估计方法。
技术介绍
1、在空间对抗和在轨服务任务中，己方航天器需要执行针对空间非合作目标的绕飞、逼近、抓捕、交会对接等任务，空间非合作目标的相对姿态估计是其中的关键技术，与合作航天器不同，研究人员与空间非合作目标无法交流难以获取先验信息，这对位姿估计技术带来了很大的难度。位姿估计可以实时确定空间物体的位置、大小和运动状态，单目相机以其体积小、功耗低、硬件要求简单等优点被广泛应用于空间姿态估计任务。
2、传统的单目位姿估计方法主要是基于图像特征提取技术，如orb、sift方法从图像中提取局部特征，并将其与模型上获得的特征进行比较，建立2d-3d特征点匹配，利用对应关系来解决几何问题。然而传统的位姿估计方法要求空间非合作目标图像具有清晰的纹理细节，这在光照变化剧烈、背景复杂的太空环境中受到了很大的限制。
3、随着人工智能的兴起，深度学习以其具备自主学习能力、鲁棒性强的优势为空间非合作目标位姿估计技术提供了新的方向。深度学习技术可以通过对大量数据的学习，提高图像处理...
【技术保护点】
1.基于多尺度密集结构神经网络的空间非合作目标位姿估计方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的基于多尺度密集结构神经网络的空间非合作目标位姿估计方法，其特征在于：所述步骤一中获取空间非合作目标图像、空间非合作目标的位置信息和空间非合作目标的四元数信息；
3.根据权利要求2所述的基于多尺度密集结构神经网络的空间非合作目标位姿估计方法，其特征在于：所述步骤二中将步骤一的训练集中的四元数信息转换为欧拉角，基于软分类思想对欧拉角进行编码，得到每个欧拉角的概率质量函数真值；
4.根据权利要求3所述的基于多尺度密集结构神...
【技术特征摘要】
1.基于多尺度密集结构神经网络的空间非合作目标位姿估计方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的基于多尺度密集结构神经网络的空间非合作目标位姿估计方法，其特征在于：所述步骤一中获取空间非合作目标图像、空间非合作目标的位置信息和空间非合作目标的四元数信息；
3.根据权利要求2所述的基于多尺度密集结构神经网络的空间非合作目标位姿估计方法，其特征在于：所述步骤二中将步骤一的训练集中的四元数信息转换为欧拉角，基于软分类思想对欧拉角进行编码，得到每个欧拉角的概率质量函数真值；
4.根据权利要求3所述的基于多尺度密集结构神经网络的空间非合作目标位姿估计方法，其特征在于：所述步骤三中构建多尺度密集结构位姿估计网络，获得训练好的多尺度密集结构位姿估计网络；具体过程为：
5.根据权利要求4所述的基于多尺度密集结构神经网络的空间非合作目标位姿估计方法，其特征在于：所述步骤三一中构建多尺度密集结构位姿估计网络；具体过...
【专利技术属性】
技术研发人员：周栋，张钊，孙光辉，邵翔宇，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
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。