公开(公告)号：CN112651437A

公开(公告)日：2021-04-13

申请号：CN202011551484.0

申请日：2020-12-24

Applicant: 北京理工大学

Inventor： 佘浩平 ,  杨兴昊 ,  李海超 ,  宋建梅

IPC: G06K9/62 ,  G06T7/73 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的空间非合作目标位姿估计方法，一、划分姿态类别区间，生成空间非合作目标图像数据并标注姿态类别标签、姿态数值标签、位置标签，得到空间非合作目标的标注数据集，包括训练集、测试集和验证集；二、基于AlexNet网络构建应用于空间非合作目标位姿估计的神经网络，移除网络末端全连接层后并列连接四个全连接层；三、设计四个分支的损失函数；四、将训练集与验证集输入构建的神经网络中，利用设计的损失函数对网络进行训练，当损失函数收敛至全局最小值时保存神经网络模型；五、利用训练好的神经网络模型对空间非合作目标进行位姿估计；本发明能够通过单摄像机、单幅图像实现对空间非合作目标的位姿估计。

公开(公告)号：CN112651437B

公开(公告)日：2022-11-11

申请号：CN202011551484.0

申请日：2020-12-24

Applicant: 北京理工大学

Inventor： 佘浩平 ,  杨兴昊 ,  李海超 ,  宋建梅

IPC: G06V10/82 ,  G06V10/764 ,  G06T7/73 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的空间非合作目标位姿估计方法，一、划分姿态类别区间，生成空间非合作目标图像数据并标注姿态类别标签、姿态数值标签、位置标签，得到空间非合作目标的标注数据集，包括训练集、测试集和验证集；二、基于AlexNet网络构建应用于空间非合作目标位姿估计的神经网络，移除网络末端全连接层后并列连接四个全连接层；三、设计四个分支的损失函数；四、将训练集与验证集输入构建的神经网络中，利用设计的损失函数对网络进行训练，当损失函数收敛至全局最小值时保存神经网络模型；五、利用训练好的神经网络模型对空间非合作目标进行位姿估计；本发明能够通过单摄像机、单幅图像实现对空间非合作目标的位姿估计。