[发明专利]一种基于深度学习的非合作目标相对位姿测量方法、系统

权利要求书

1.一种基于深度学习的非合作目标相对位姿测量方法，其特征在于，包括：

步骤一、构建包括仿真卫星图片和相对位姿标注信息的数据集；

所述仿真卫星图片包括覆盖全范围姿态的远距离目标卫星图片和模拟接近过程的近距离目标卫星图片；

步骤二、对所述仿真卫星图片进行卫星检测，得到检测框，对所述检测框内的图像信息进行裁剪缩放，得到检测图像；

步骤三、利用所述仿真卫星图片进行模型训练，得到相对位置测量模型；利用所述检测图像进行模型训练，得到相对姿态测量模型；所述相对姿态测量模型包括远距离测量模型和接近段测量模型；

步骤四、将目标卫星图片输入至所述相对位置测量模型和所述相对姿态测量模型，即可获得目标卫星的相对位置信息和相对姿态信息。

2.如权利要求1所述的相对位姿测量方法，其特征在于，步骤二中，所述对仿真卫星图片进行卫星检测得到检测框为：采用像素检测方法对目标卫星进行检测，分别从所述仿真卫星图片的左上角点和右下角点开始向中心遍历，所述左上角点和所述右下角点均进行两次遍历，最外循环分别为像素坐标u轴和v轴，若像素值不为零，则停止循环，左上角确定像素坐标(u₁，v₁)、(u₂，v₂)，左下角确定像素坐标(u₃，v₃)、(u₄，v₄)，得到检测框左上角像素坐标为(u₂，v₁)、检测框右下角像素坐标为(u₄，v₃)，进而得到检测框。

3.如权利要求1所述的相对位姿测量方法，其特征在于，步骤三中，所述相对位置测量模型的训练过程为：将仿真卫星图片输入到ResNet50残差网络中，ResNet50输出2048×10×10特征图经全局平均池化层得到2048×1×1特征图，2048×1×1特征图经全连接层和Tanh()激活函数处理后，得到标量距离。

4.如权利要求1所述的相对位姿测量方法，其特征在于，步骤三中，所述远距离测量模型的训练过程为：将由所述仿真卫星图片中的远距离目标卫星图片获得的检测图像输入到ResNet50中，ResNet50输出2048×10×10特征图经全局平均池化层得到2048×1×1特征图，2048×1×1特征图经分类层和权重四元数拟合处理后，得到表示远距离的相对姿态的拟合四元数；

所述接近段测量模型的训练过程为：将由所述仿真卫星图片中的近距离目标卫星图片获得的检测图像输入到ResNet50中，ResNet50输出2048×10×10特征图经全局平均池化层得到2048×1×1特征图，2048×1×1特征图依次经全连接层、Tanh()激活函数和单位化层处理后，得到表示近距离的相对姿态的回归四元数。