1.一种结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计方法,其特征在于,包括以下步骤:获取非合作航天器的拍摄图像;
将该拍摄图像输入预先构建的目标姿态估计模型,得到非合作航天器的姿态估计,包括位置向量和方向向量;
其中,模型的训练过程具体包括以下步骤:
通过构建的初始目标姿态估计模型对训练集中不同视角下拍摄的图像进行全局特征图和局部特征图提取;对图像中的非合作航天器目标进行检测,得到目标的几何特征并估计目标大小;根据预先设置生成全局特征图和局部特征图的空间权重,并根据目标大小生成全局特征图和局部特征图的尺度权重,对两种权重分别融合得到两种特征图的融合权重;根据融合权重对两种特征图分别加权再融合,通过位置估计头结合目标的几何特征和融合后的特征图进行估计,得到估计位置向量;通过方向估计头对加权后的局部特征图进行估计,得到估计方向向量;
计算目标的估计位置信息、估计方向信息与实际位置信息、实际方向信息之间的误差,根据误差生成相应的权重调整量,对融合权重进行优化更新,再重新进行姿态估计;不断更新权重调整量,对模型进行迭代优化,并通过验证集进行验证,得到最优的目标姿态估计模型。
2.根据权利要求1所述的结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计方法,其特征在于,还包括步骤:对获取的非合作航天器的拍摄图像进行预处理,包括旋转、亮度和对比度调整。
3.根据权利要求1所述的结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计方法,其特征在于,训练集和验证集中的每幅图像包括非合作航天器的方向向量、位置向量、目标边界框的标签。
4.根据权利要求1所述的结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计方法,其特征在于,目标姿态估计模型中具体通过多个深度可分离卷积层进行全局特征图和局部特征图的提取,同时对图像中的非合作航天器目标进行检测得到边界框,并根据边界框的坐标得到目标的几何特征。
5.根据权利要求1所述的结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计方法,其特征在于,位置估计头包括全局路径与局部路径,具体对加权了融合权重的全局特征与局部特征分别进行卷积与池化处理,提取全局位置信息与局部结构信息;
将全局路径与局部路径的输出特征经拼接与卷积融合,形成融合位置特征;
融合特征经位置回归网络输出目标的初步三维位置;
将目标的几何特征与初步三维位置融合,再经回归网络输出目标的最终三维位置。
6.根据权利要求1所述的结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计方法,其特征在于,融合权重具体是将空间权重和尺度权重进行加权平均。
7.根据权利要求1所述的结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计方法,其特征在于,通过权重调整量对融合权重进行优化更新时,具体在融合权重的基础上增加经误差学习率加权的权重调整量。
8.一种结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计系统,其特征在于,包括:图像获取模块,用于获取非合作航天器的拍摄图像;
姿态估计模块,用于将该拍摄图像输入预先构建的目标姿态估计模型,得到非合作航天器的姿态估计,包括位置向量和方向向量;
模型训练模块,用于模型训练,具体包括:通过构建的初始目标姿态估计模型对训练集中不同视角下拍摄的图像进行全局特征图和局部特征图提取;对图像中的非合作航天器目标进行检测,得到目标的几何特征并估计目标大小;生成全局特征图和局部特征图的空间权重,并根据目标大小生成全局特征图和局部特征图的尺度权重,对两种权重分别融合得到两种特征图的融合权重;根据融合权重对两种特征图进行分别加权再融合,通过位置估计头结合目标的几何特征和融合后的特征图进行估计,得到估计位置向量;通过方向估计头对加权后的局部特征图进行估计,得到估计方向向量;
计算目标的估计位置信息、估计方向信息与实际位置信息、实际方向信息之间的误差,根据误差生成相应的权重调整量,对融合权重进行优化更新,再重新进行姿态估计;不断更新权重调整量,对模型进行迭代优化,并通过验证集进行验证,得到最优的目标姿态估计模型。
9.根据权利要求8所述的结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计系统,其特征在于,该系统还包括图像预处理模块,用于对获取的非合作航天器的拍摄图像进行预处理,包括旋转、亮度和对比度调整。
10.一种计算机存储介质,其特征在于,其内存储有可被处理器执行的计算机程序,该计算机程序执行权利要求1-7中任一项所述的结合尺度敏感动态权重与局部特征多尺度提取的非合作航天器单目姿态估计方法。