买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院上海技术物理研究所申请的专利一种中低轨道光学载荷热形变视线误差修正方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119672124B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411663542.7，技术领域涉及：G06T7/80；该发明授权一种中低轨道光学载荷热形变视线误差修正方法是由饶鹏;李瑶;陈忻设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种中低轨道光学载荷热形变视线误差修正方法在说明书摘要公布了：本发明涉及光学传感器校准和深度学习技术领域，公开了一种中低轨道光学载荷热形变视线误差修正方法，包括以下步骤：S1，构建基于恒星的在轨相机成像模型，根据成像模型得到相机视线矢量；S2，分析太阳光照对相机视线矢量造成误差的原因并构建特征参数；S3，构建相机热形变误差模型，计算不同特征参数下的热形变误差矩阵RSTD；S4，改进BP神经网络，使用牛顿‑拉夫逊优化器调节其网络结构，使用雾凇优化算法对其网络参数进行初始化；S5:将特征参数和热形变误差矩阵RSTD作为输入数据，使用改进后的BP神经网络进行训练，预测热形变误差。本发明能减少相机视线偏移误差，解决频繁的在轨相机视线校正问题。

本发明授权一种中低轨道光学载荷热形变视线误差修正方法在权利要求书中公布了：1.一种中低轨道光学载荷热形变视线误差修正方法，其特征在于，包括以下步骤： S1，构建基于恒星的在轨相机成像模型，根据成像模型得到相机视线矢量，具体为： S11：构建中低轨道相机成像模型的内部定位模型，用内部定位模型将像素坐标系转换为相机坐标系，得到相机坐标系下的相机出射矢量； S12：构建中低轨道相机成像模型的外部定位模型，用外部定位模型将相机坐标系转换为天球坐标系，得到天球坐标系下的相机出射矢量，天球坐标系下的相机出射矢量为相机视线矢量； S2，分析太阳光照对相机视线矢量造成误差的原因并构建特征参数，具体为： S21:计算天球坐标系下太阳矢量和卫星矢量之间的夹角θSun-Sat，所述夹角θSun-Sat为由太阳光照造成的空间热环境温度变化对载荷热形变影响的特征参数； S22：计算天球坐标系下太阳矢量和相机视线矢量之间的夹角θSun-LOS，所述夹角θSun-LOS为太阳光照对相机光学畸变模型造成影响的特征参数； S3，构建相机热形变误差模型，计算不同特征参数下的热形变误差矩阵RSTD，构建相机热形变误差模型的方法具体为： S31，假设空间热环境下的热形变误差矩阵RSTD仅与两个特征参数θSun-Sat和θSun-LOS有关，且固定空间热环境下的热形变误差矩阵RSTD相同； S32，构建特征参数与热形变误差矩阵RSTD之间的映射关系； S4，改进BP神经网络，使用牛顿-拉夫逊优化器调节BP神经网络的网络结构，使用雾凇优化算法对BP神经网络的网络参数进行初始化，改进方法具体为： S41：使用牛顿-拉夫逊优化器对BP神经网络中的学习率、收敛误差和隐藏层节点数量进行调节； S42：使用雾凇优化算法对BP神经网络的权重和偏置进行初始化，权重值包括输入层到隐层、各隐层之间的权重值，偏置值包括各隐层的偏置值； S5:将S2中的特征参数和S3中的热形变误差矩阵RSTD作为输入数据，将输入数据使用S4中改进后的BP神经网络进行训练，预测热形变误差，完成相机视线误差的校正，具体为： S51：将两个特征参数θSun-Sat和θSun-LOS作为自变量，将热形变误差矩阵RSTD作为因变量，制作数据集； S52：将数据集以7:3的比例划分为训练集和测试集，将训练集输入到改进的BP神经网络中进行训练，得到表征特征参数和热形变误差矩阵映射关系的网络； S53：将测试集的自变量部分输入到训练好的网络中，预测因变量热形变误差矩阵RSTD； S54：用热形变误差矩阵RSTD矫正相机视线矢量，所述矫正的公式为式1： LOSJ-correct＝RSTD·LOSJ-cal1； 其中，LOSJ-cal为相机视线矢量计算值，LOSJ-correct为相机视线矢量的校正值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院上海技术物理研究所，其通讯地址为：200083 上海市虹口区玉田路500号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。