[发明专利]空间目标多源数据参数化仿真与MixCenterNet融合检测方法

权利要求书

1.空间目标多源数据参数化仿真与MixCenterNet融合检测方法，其特征在于所述方法具体过程包括以下步骤：

步骤一、获取光学渲染图像；

步骤二、获得空间目标ISAR仿真图像，包括以下步骤：

步骤二一、对3D空间目标模型进行预处理；

步骤二二、将预处理后的3D空间目标模型进行射线追踪获得ISAR仿真图像；

步骤三、将光学渲染图像和ISAR仿真图像进行MixCenterNet融合检测，包括以下步骤：

步骤三一、根据步骤一和步骤二获得成对的光学渲染图像与ISAR仿真图像，构成仿真样本库；

步骤三二、选取全部仿真样本中的一部分样本作为训练样本，输入MixCenterNet进行训练，获得训练好的MixCenterNet网络模型；

步骤三三、将剩余的全部仿真样本中的另一部分作为测练样本，输入步骤三二获得的训练好的MixCenterNet网络模型进行测试，若得到的空间目标融合检测结果准确率大于预设阈值则执行步骤三四，若得到的空间目标融合检测结果准确率小于预设阈值则重新获取成对的光学渲染图像与ISAR仿真图像继续训练；

步骤三四、将待检测的仿真的光学图像和仿真的ISAR图像输入训练好的MixCenterNet网络模型中获得空间目标融合检测结果，包括以下步骤：

步骤三四一、将成对的光学渲染图像和ISAR仿真图像输入MixCenterNet网络模型中；

步骤三四二、光学图像经34层的ResNet骨干网络处理，ISAR图像经16层的VGG骨干网络处理；

步骤三四三、光学图像经骨干网络处理后，分别利用级联角点池化与中心池化两种方式生成角点热图与中心点热图，通过角点热图与中心点热图确定目标在光学图像中的位置；

步骤三四四、ISAR图像经16层的VGG骨干网络处理所得特征图，连同光学图像经34层的ResNet骨干网络处理所得特征图一并输入到全连接层，再经Softmax层输出目标类别信息。

2.根据权利要求1所述的空间目标多源数据参数化仿真与MixCenterNet融合检测方法，其特征在于：所述步骤一中获取光学渲染图像，包括以下步骤：

步骤一一、获得3D空间目标模型的数字化表示：

所述空间目标3D模型用面元矩阵F、顶点矩阵V、颜色矩阵C三个矩阵共同描述：

式中，为3D模型中第i个三角面元中a顶点的空间坐标，代表3D模型中第i个三角面元中a顶点的空间坐标在顶点矩阵V中的行号，为3D模型其中第i个三角面元的a、b、c三个顶点集合，i＝1,2,...,N，模型共计N个三角面元，(Rⁱ,Gⁱ,Bⁱ)为3D模型其中第i个三角面元的在RGB颜色空间颜色值；

步骤一二、利用空间目标坐标、姿态参数对3D空间目标模型进行相对坐标求解；

步骤一三、利用步骤一二获得相对坐标对空间目标3D模型进行预处理；

步骤一四、将步骤一三预处理后的模型向yOz平面投影获得光学渲染图像。

3.根据权利要求2所述的空间目标多源数据参数化仿真与MixCenterNet融合检测方法，其特征在于：所述步骤一二中利用空间目标坐标、姿态参数对3D空间目标模型进行相对坐标求解，包括以下步骤：

步骤一二一、获取观测点指向目标中心时观测点法线方向

其中，为观测点在笛卡尔坐标系下的坐标，是目标在笛卡尔坐标系下的坐标；

步骤一二二、建立以观测点S^axis为坐标原点、以观测方向向量为x轴正方向的相对坐标系，获取目标在相对坐标系下的相对坐标为和目标在相对坐标系下的相对姿态为