一种基于空间映射学习的非合作目标姿态估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113706619A(43)申请公布日2021.11.26(21)申请号202111225153.2(22)申请日2021.10.21(71)申请人南京航空航天大学地址211106江苏省南京市江宁区将军大道29号(72)发明人李爽胡茄乾杨彬黄旭星刘旭(74)专利代理机构江苏圣典律师事务所32237代理人徐晓鹭(51)Int.Cl.G06T7/73(2017.01)G06N3/08(2006.01)权利要求书1页说明书7页附图3页(54)发明名称一种基于空间映射学习的非合作目标姿态估计方法(57)摘要本发明公开了一种基于空间映射学习的非合作目标姿态估计方法，步骤如下：通过Blender和Blensor建模非合作目标的仿真场景，模拟相机和激光雷达的联合成像，大量收集点云和图像融合数据；构建数据集，训练一个人工神经网络，仅从RGB图像预测物体的类别标签、实例掩膜、彩色标签；使用迭代最近点法对齐预测三维模型与点云，计算出物体的姿态。本发明通过Blender建模获得大量点云和图像信息，构建数据集训练人工神经网络，利用神经网络预测图像与坐标空间之间的映射，通过点云对齐技术实现对空间非合作目标的姿态估计。CN113706619ACN113706619A权利要求书1/1页1.一种基于空间映射学习的待预测物体姿态估计方法，其特征在于，所述方法包括以下步骤：S1，通过模拟相机和激光雷达对待预测物体进行联合成像，采集对齐的点云数据和RGB图像数据；S2，建立数据集，训练基于区域的神经网络，根据RGB图像数据得到物体的类别标签、实例掩膜、彩色标签，利用实例掩膜结合测量点云获得局部特征的测量点云，利用彩色标签重构局部特征三维点云模型；S3，将所述点云数据进行缩放，之后使用迭代最近点法将三维模型与点云数据进行对齐，获得待预测物体的姿态。2.根据权利要求1所述的一种基于空间映射学习的待预测物体姿态估计方法，其特征在于，所述S1中点云和图像数据获取过程如下：S11，建立模拟待预测物体的三维模型，在其机体上的相应位置设置对应的材料，然后添加光源和相机，模拟空间待预测物体的成像环境；S12，控制相机光轴指向坐标系原点，控制相机不动、待预测物体模型中心位置保持在坐标系原点，将所述三维模型绕三轴依次旋转并制作动画，并且所述三维模型每旋转相同角度拍摄一张照片，以获取待预测物体不同姿态的RGB图像；S13，将所述待预测物体的动画以及成像场景复制到点云仿真软件中，将相机替换为激光雷达，重复所述S12的过程，以获得待预测物体不同姿态下的点云数据，即模拟了相机和激光雷达的联合成像；S14，控制相机在光轴上移动，重复所述步骤S11至S13，即可获得不同距离的成像结果。3.根据权利要求2所述的一种基于空间映射学习的待预测物体姿态估计方法，其特征在于，所述S2具体包括：S21，对所述S1中获取的待预测物体的RGB图像，构建局部特征的分割标签和类别标签；S22，制作局部特征逐一像素渐变的彩色三维模型，并根据所述S1中获取的待预测物体RGB图像对应的姿态进行成像，以获得局部特征的彩色标签；S23，所述S21以及S22中的RGB图像和标签随机选取80%作为训练集，剩下的作为测试集，利用训练集训练基于区域的神经网络，利用测试集测试网络的泛化性能和准确性；S24，采集待预测物体的图像，输入到所述S23中训练的神经网络，预测所述待预测物体局部类特征的类别标签、实例掩膜、彩色标签；其中彩色标签用于标识待预测物体的外形和尺寸；S25，根据局部特征实例掩膜结合所述S1中获得的点云数据，获得所述待预测物体局部特征三维点云数据P，根据所述彩色标签得到局部特征三维模型获得点云数据Q。4.根据权利要求3所述的一种基于空间映射学习的待预测物体姿态估计方法，其特征在于，所述S3具体包括：S31，求取所述S24中获得的点云数据P和Q之间的缩放比；S32，利用迭代最近点法对齐预测三维模型与点云，获得待预测物体的姿态。2CN113706619A说明书1/7页一种基于空间映射学习的非合作目标姿态估计方法技术领域[0001]本发明属于人工智能（智能导航制导与控制技术）领域，具体涉及一种基于空间映射学习的非合作目标姿态估计方法。背景技术[0002]在空间在轨服务任务中，合作目标的交会对接技术已经成熟，并在多个工程项目中得到了应用，比如：XSS‑11、DART和OrbitalExpress等任务。相比之下，非合作目标由于没有合作标记，缺乏先验信息，其实现自主服务的难度更大，目前还依然处于理论研究阶段。各国航天局提出了多个研究计划，比如SUMO，DEOS等。为了实现自主交会任务，许多位姿测量系统被提出。轨道快车AVGS系统：该系统使用两个不同波长激光