[发明专利]空间非合作目标位姿测量方法、装置、计算机设备及介质

权利要求书

1.空间非合作目标位姿测量方法，其特征在于，包括：

获取空间非合作目标上各语义关键点在空间非合作目标体坐标系下的坐标；

获取包含空间非合作目标的样本图像，将各语义关键点在空间非合作目标体坐标系下的坐标投影到图像坐标系，得到每幅样本图像中各语义关键点的坐标，得到每幅样本图像上空间非合作目标的语义关键点真值集合并以此构建训练数据集，其中每幅样本图像上空间非合作目标的语义关键点真值集合由所有语义关键点元素组成，第i个语义关键点元素由一个描述第i个语义关键点元素与空间非合作目标体坐标系上语义关键点的对应关系的索引分类项、一个描述第i个语义关键点元素在图像X轴上坐标的X轴图像坐标分类项和一个描述第i个语义关键点元素在图像Y轴上坐标的Y轴图像坐标分类项组成；语义关键点真值集合中语义关键点元素数量等于空间非合作目标上语义关键点的数量；

构建预测语义关键点集合的深度神经网络；

使用所述训练数据集训练所述深度神经网络，直至训练收敛；

使用所述训练好的深度神经网络预测输入图像中空间非合作目标的语义关键点集合，得到预测的语义关键点集合中各语义关键点在图像坐标系的坐标与其在空间非合作目标体坐标系下的坐标的对应关系；

基于所述对应关系，求解输入图像中空间非合作目标在相机坐标系下的位置和姿态，包括：

通过预测得到的输入图像的语义关键点集合中的第i个语义关键点元素的X轴图像坐标分类项、Y轴图像坐标分类项、得到第i个语义关键点元素在图像坐标系X轴、Y轴上的坐标位置、；

，

其中和分别是第i个语义关键点元素的X轴图像坐标分类项、Y轴图像坐标分类项在第j个位置上的概率，和分别是输入图像的宽和高，为一个系数，是坐标分类项分辨率与图像尺度的比值；

获取预测得到的输入图像的语义关键点集合中的第i个语义关键点元素在图像坐标系X轴、Y轴上的位置不确定度，如下：

，

通过预测得到的输入图像的语义关键点集合中的第i个语义关键点元素的索引分类项，得到第个语义关键点元素对应的空间非合作目标体坐标系下的坐标：

，

其中，表示第i个语义关键点元素到预定义的语义关键点的索引；

构建带加权的N点透视模型，通过求解所述带加权的N点透视模型得到非合作目标在相机坐标系下的位置和姿态，其中所述带加权的N点透视模型为：

，

其中，语义关键点预测值集合中语义关键点元素数量为，且；和分别是空间非合作目标在相机坐标系下的旋转矩阵和平移向量的最佳估计值，称两者为空间非合作目标的位姿；是一个指示函数，当且仅当括号内的条件成立是为1，否则等于0；是鲁棒估计函数；是加权的重投影残差，表示为：

，

，

其中，为相机的内参数矩阵，为空间非合作目标的位姿，其中为空间非合作目标在相机坐标系下的旋转矩阵，为空间非合作目标在相机坐标系下的平移向量，为第i个语义关键点元素对应的空间非合作目标体坐标系下的坐标，为第i个语义关键点元素的摄影深度，是第个语义关键点在图像坐标系下的齐次坐标。

2.根据权利要求1所述的空间非合作目标位姿测量方法，其特征在于，所述空间非合作目标上的语义关键点的数量大于等于4。