[发明专利]基于先验几何约束的空间目标反演方法、装置和设备

权利要求书

1.基于先验几何约束的空间目标反演方法，其特征在于，所述方法包括：

通过预先构建的多尺度卷积神经网络提取空间目标图像的语义特征点；所述语义特征点至少包含当前特征点在所述空间目标图像中的位置信息以及空间信息，其中，所述多尺度卷积神经网络中不同尺度分别提取所述位置信息和所述空间信息；

根据所述空间目标图像中空间目标的结构信息，从所述语义特征点中选择多个与所述结构信息关联的语义特征点；

根据所述结构信息，构建关键点深度解算方程，将与所述结构信息关联的语义特征点代入所述关键点深度解算方程，得到三维语义特征点；

获取所述空间目标图像的成像平面，根据预先构建的参考坐标系，确定所述成像平面向参考坐标系的转化的转换矩阵，根据所述转换矩阵，将所述三维语义特征点转化至所述参考坐标系中；

根据所述参考坐标系中的语义特征点，建立空间目标的本体系，基于本体系中的语义特征点，进行三维目标姿态以及尺寸的反演；

根据所述空间目标图像中空间目标的结构信息，构建所述空间目标的几何结构约束关系；所述结构信息表示空间目标在轨道运行过程中结构关系保持不变；

根据所述几何结构约束关系在所述语义特征点中筛选出多组对应的显著语义特征点；

根据所述几何结构约束关系中的轴线分配深度值，采取两视图重建几何原理确定所述轴线的深度矩阵；

从多幅所述空间目标图像中提取所述显著语义特征点，根据所述显著语义特征点的坐标，构建航迹矩阵；

根据所述深度矩阵与所述航迹矩阵，构建关键点深度解算方程；

通过最小二乘法和随机抽样一致性检验方法求解所述关键点深度解算方程，得到所述三维语义特征点。

2.根据权利要求1所述的方法，其特征在于，通过预先构建的多尺度卷积神经网络提取空间目标图像的语义特征点，包括：

通过预先构建的多尺度卷积神经网络提取空间目标图像的语义特征点；所述多尺度卷积神经网络包括：沙漏网络、预处理网络和预测网络；

所述预处理网络用于对所述空间目标图像进行预处理后得到所述空间目标图像的特征图，根据所述沙漏网络中不同尺度对所述空间目标图像的特征图提取像素级的语义特征点、语义特征点的位置信息以及空间信息，并将其聚合成空间目标图像的语义特征点，通过所述预测网络对所述语义特征点进行概率排布形成概率图像；所述概率图像是由包含所述位置信息以及空间信息的语义特征点构成。

3.根据权利要求2所述的方法，其特征在于，根据所述沙漏网络中不同尺度对所述空间目标图像的特征图提取像素级语义特征点，还包括：

将所述空间目标图像的特征图分别输入所述沙漏网络中不同尺度的通道，分别输出所述像素级的语义特征点的位置信息以及空间信息；

将所述语义特征点位置信息以及空间信息进行上采样或下采样为相同尺度的特征，并聚合为包含位置信息以及空间信息的语义特征点；

根据所述沙漏网络中不同尺度对所述空间目标图像的特征图提取像素级语义特征点。

4.根据权利要求1所述的方法，其特征在于，获取所述空间目标图像的成像平面，根据预先构建的参考坐标系，确定所述成像平面向参考坐标系的转化的转换矩阵，根据所述转换矩阵，将所述三维语义特征点转化至所述参考坐标系中的步骤包括：

当采用光学传感器拍摄所述空间目标图像时，根据所述光学传感器的底片提取投影矢量，以及确定视线方向矢量，根据所述投影矢量、所述视线方向矢量以及所述光学传感器所在测量站的测量信息，确定成像平面在测量站坐标系的坐标表示；

根据传感器拍摄时刻与其相邻时刻两张空间目标图像，确定LVLH参考坐标系在测量站坐标系下的坐标转换矩阵；

当采用ISAR传感器拍摄所述空间目标图像时，根据雷达波束的俯仰角、方位角以及雷达和目标间距的测量信息，确定所在ISAR成像的有效转动量在los向量上的投影矢量，根据所述有效转动量和所述坐标转换矩阵确定所述参考坐标系下的等效旋转矢量，根据等效旋转矢量、距离维投影矢量以及横向投影矢量，确定成像平面在参考坐标系下的坐标表示；

根据光学传感器确定的成像平面的坐标和所述坐标转换矩阵，将所述三维语义特征点转换至参考坐标系中；根据ISAR传感器确定的成像平面在参考坐标系下的坐标，将所述三维语义特征点转换至参考坐标系中。