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！

摘要：一种基于深度学习的复杂环境下多尺度空间目标相对位姿估计方法及系统，属于空间目标位姿估计技术领域。本发明为了应对空间目标在空间环境高动态的复杂光学条件和位姿快速解算需求而提出的。技术要点：根据不同位置姿态下空间目标三维模型虚拟仿真，获取位姿样本集；构建目标关键点二维位置回归网络；根据位姿样本集输入回归网络，得到目标训练模型；利用随机一致性透视n点法求解位姿；本发明基于深度学习构建对空间目标关键点二维投影的回归网络，网络样本数据集图像输入到以Darknet53为骨干网络构成的网络，本发明构建了针对空间目标关键点二维位置的回归网络，之后根据位姿样本集对该网络进行训练，以得到能够精准预测目标位姿的训练模型。

主权项：1.一种基于深度学习的复杂环境下多尺度空间目标相对位姿估计方法，其特征在于，所述方法的实现过程为：步骤一、根据不同位置姿态下空间目标三维模型虚拟仿真，获取位姿样本集：在渲染引擎软件中导入开源的空间目标三维模型，模拟空间目标的不同空间位置和姿态，采用设定内参K相机进行拍摄；所述位姿样本集包含空间目标位姿变化数据，其中以姿态变换矩阵R和位置平移向量T形式存在；该样本集包含从多个角度和距离观察空间目标时的图像数据，覆盖广泛的光照条件和环境背景；步骤二、构建目标关键点二维位置回归网络：构建对空间目标关键点二维投影的回归网络，网络样本数据集图像输入到以Darknet53为骨干网络构成的网络，然后将下采样的图像特征传递给FPN特征金字塔网络中，之后进行上采样处理，对关键点二维投影进行回归，最后经过特征融合得到预测的关键点二维位置；步骤三、根据位姿样本集输入回归网络，得到目标训练模型：构建针对空间目标关键点二维位置的回归网络之后，根据位姿样本集对该网络进行训练，以得到能够精准预测目标位姿的训练模型；此过程的训练设置关键在于确保模型能够从位姿样本集中学习到空间目标的各种可能姿态，进而实现对未知姿态的准确预测；步骤四、利用随机一致性透视n点法求解位姿在获得关键点二维投影后，结合关键点在目标本体坐标系下的坐标，首先选取控制点，将其他点表示为这些控制点的线性组合；随后进行：利用随即一致性透视n点法求得目标本体坐标系和相机坐标系之间的相对位姿，再构建一个关于控制点在相机坐标系下位置的线性方程，使用奇异值分解SVD找到最优解，得到了控制点在相机坐标系下的位置，通过比较控制点在世界坐标系和相机坐标系中的位置，计算出相机的旋转和平移矩阵。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于深度学习的复杂环境下多尺度空间目标相对位姿估计方法及系统