[发明专利]基于深度神经网络的非合作目标位姿测量方法、系统及终端设备

摘要

本发明提供一种基于深度神经网络的非合作目标位姿测量方法、系统及终端设备，方法包括：对非合作目标的不同角度的数据点云和模型点云进行下采样得到点云；用训练好的PointNet网络模型提取得到包含每个点的特征向量的特征矩阵和全局特征向量；根据预先设置的特征点检测筛选阈值对下采样后的点云的特征点进行筛选，并进行特征点匹配得到特征点集；对特征点集进行点云配准，得到位姿转换矩阵；将位姿转换矩阵作用到下采样后的数据点云得到新的点云，并将新的点云和下采样后的模型点云进行点云配准得到新的位姿转换矩阵。本发明的方法在保证相对高的精度的基础上，满足基于空间非合作目标位姿测量的实时性要求。

主权项

1.基于深度神经网络的非合作目标位姿测量方法，其特征在于，包括如下步骤：S1：对非合作目标的不同角度的数据点云P和模型点云Q进行下采样得到点云P'，Q'；S2：用训练好的PointNet网络模型对所述点云P'，Q'进行特征提取得到包含每个点的特征向量的特征矩阵Α_n×1024和全局特征向量Β_1×1024；S3：根据预先设置的特征点检测筛选阈值对所述点云P'，Q'的特征点进行筛选，并按照所述全局特征向量Β_1×1024与所述点云P'，Q'的所述每个点的特征向量的特征矩阵Α_n×1024进行特征点匹配得到特征点集P”，Q”；S4：对所述特征点集P”，Q”进行点云配准，得到位姿转换矩阵T₁＝[R₁,t₁]；S5：将所述位姿转换矩阵T₁作用到点云P'得到点云并将所述点云和所述点云Q'进行点云配准得到位姿转换矩阵T₂＝[R₂,t₂]。