[发明专利]一种基于空间映射学习的非合作目标姿态估计方法

说明书

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。

技术领域

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

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Orbital Express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识别合作卫星上的标识点，该系统只能用于合作目标。TriDAR系统使用扫描式激光雷达感知目标卫星表面的点，然后将所获取的 3D点与一个3DCAD 模型进行迭代最近点配准（ICP）计算出相应的位置和姿态。该方法可以应用于合作目标以及非合作目标的位姿测量。ETS-VII视觉系统基于一个手眼相机使用圆形标识物进行位姿测量。对接闪光激光雷达系统工作方式与 TriDAR 系统相似，不同之处在于该系统使用激光雷达来扫描目标卫星的表面，该系统可用于对空间非合作目标的相对位姿测量。

在在轨服务中，一步很重要的工作是对提取的非合作目标的姿态。绝大部分目前已有的研究中都采用了三维重构的方法，利用三维重构的方法获得目标的三维模型，利用三维模型实现对目标的姿态估计，但是目前的三维重构算法需要序列图像，比较复杂。基于学习的方法可以实现从单张图像中重构目标的三维模型，但是目前没有开源的非合作目标点云和图像融合数据集。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于空间映射学习的非合作目标姿态估计方法，通过Blender和Blensor建模非合作目标相机和激光雷达联合成像模型，获得大量点云和图像融合数据，构建数据集训练神经网络实现从单张图像重构非合作目标三维模型，通过点云对齐技术实现对空间非合作目标的姿态估计。

为达到上述目的，本发明采用的技术方案如下：

本发明为一种基于空间映射学习的待预测物体姿态估计方法，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。

进一步的，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；