一种基于深度学习的非合作目标相对位姿测量方法、系统

    公开(公告)号:CN114266824B

    公开(公告)日:2024-10-29

    申请号:CN202111508657.5

    申请日:2021-12-10

    Abstract: 本发明公开了一种基于深度学习的非合作目标相对位姿测量方法、系统,通过仿真目标卫星图片及其对应的相对位姿信息构建数据集,其中仿真卫星图片包括覆盖全范围姿态的远距离目标卫星图片和模拟接近过程的近距离目标卫星图片;利用检测算法对图片进行卫星检测并裁剪缩放,得到检测图像,将仿真卫星图片输入到ResNet50残差网络中进行学习训练得到相对位置测量模型,将检测图像输入到ResNet50残差网络中进行学习训练得到相对姿态测量模型,其中相对姿态测量模型包括远距离测量模型和接近段测量模型;训练过程中的模型,通过预测结果与相对位姿标注信息的损失函数进行优化,由此获得的测量模型可以更高精度的对航天器进行相对位姿测量。

    一种基于深度学习的非合作目标相对位姿测量方法、系统

    公开(公告)号:CN114266824A

    公开(公告)日:2022-04-01

    申请号:CN202111508657.5

    申请日:2021-12-10

    Abstract: 本发明公开了一种基于深度学习的非合作目标相对位姿测量方法、系统,通过仿真目标卫星图片及其对应的相对位姿信息构建数据集,其中仿真卫星图片包括覆盖全范围姿态的远距离目标卫星图片和模拟接近过程的近距离目标卫星图片;利用检测算法对图片进行卫星检测并裁剪缩放,得到检测图像,将仿真卫星图片输入到ResNet50残差网络中进行学习训练得到相对位置测量模型,将检测图像输入到ResNet50残差网络中进行学习训练得到相对姿态测量模型,其中相对姿态测量模型包括远距离测量模型和接近段测量模型;训练过程中的模型,通过预测结果与相对位姿标注信息的损失函数进行优化,由此获得的测量模型可以更高精度的对航天器进行相对位姿测量。

Patent Agency Ranking