[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

说明书

本发明提出了基于先验几何约束的空间目标反演方法、装置和设备，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，根据空间目标图像中空间目标的结构信息，从语义特征点中选择多个与结构信息关联的语义特征点，其中，语义特征点至少包含当前特征点在空间目标图像中的位置信息以及空间信息。将语义特征点代入由结构信息构建的关键点深度解算方程，得到三维语义特征点，根据预先构建的参考坐标系，将三维语义特征点转化至参考坐标系中，并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。采用本方法提高了空间目标的特征提取和三维信息反演的稳定性与精确度。

技术领域

本申请涉及空间目标反演技术领域，特别是涉及一种基于先验几何约束的空间目标反演方法、装置和设备。

背景技术

随着航空航天技术的发展，对于空间目标的探测与识别技术是发掘和利用空间的重要基础，主流空间目标识别技术有雷达目标识别和光学目标识别，利用外部传感器对空间目标进行在轨姿态与结构尺寸分析，确定可能对航天系统构成的威胁的目标的尺寸、形状和轨道参数等重要目标特性。在军事航天领域，需要获取空间目标的三维姿态来确定其在轨工作状态和传感器指向等信息，同时需要获取空间目标的三维结构以判断目标载荷性能与作战能力。在民用领域，对于失效的航天器进行状态分析、陨落预报以及在轨捕获和修复等任务的开展都需要目标三维信息做支撑。

传统空间目标三维信息分析方式，通常基于多视图几何原理解析二维图像获取目标三位信息，提取目标特征进行匹配关联，进而利用对极几何或者矩阵分解的方法获得目标关键点三维坐标。然而在空间监视图像中，由于成像条件限制，在光学图像和雷达图像中提取的特征质量模糊且匹配困难，其中先验模型算法对于成像过程中空间目标受遮挡的情况会造成误匹配，ISAR成像过程中的散射点角闪烁、角度敏感性等特点将极大地影响ISAR图像特征提取性能，且噪声点较多，导致后续反演空间目标的三维信息精确度降低。

基于以上空间目标三维信息分析过程中的问题，需要一种能够精确、稳定的提取空间目标三维信息的特征点，并且解决光学和雷达两种传感器获取的图像特征匹配不稳定的方法。

发明内容

基于此，有必要针对上述技术问题，提供一种能够稳定提取空间目标在轨姿态与结构尺寸的基于先验几何约束的空间目标反演方法、装置和设备。

一种基于先验几何约束的空间目标反演方法，该方法包括如下步骤：

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。

语义特征点至少包含当前特征点在空间目标图像中的位置信息以及空间信息，其中，多尺度卷积神经网络中不同尺度分别提取位置信息和空间信息。

根据空间目标图像中空间目标的结构信息，从语义特征点中选择多个与结构信息关联的语义特征点。

根据结构信息，构建关键点深度解算方程，将语义特征点代入关键点深度解算方程，得到三维语义特征点。

获取空间目标图像的成像平面，根据预先构建的参考坐标系，确定成像平面向参考坐标系的转化的转换矩阵，根据转换矩阵，将三维语义特征点转化至参考坐标系中。

根据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。

在其中一个实施例中，还包括：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。

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。

预处理网络用于对空间目标图像进行预处理后得到空间目标图像的特征图，根据沙漏网络中不同尺度对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，通过预测网络对语义特征点进行概率排布形成概率图像；概率图像是由包含位置信息以及空间信息的语义特征点构成。