[发明专利]基于可见光与激光融合的航天器结构识别方法

权利要求书

1.基于可见光与激光融合的航天器结构识别方法，其特征在于，包括：

S1、对可见光与激光融合的转换矩阵进行标定，建立可见光和激光融合转换矩阵的映射关系；

S2、采用卷积神经网络完成目标航天器的检测与识别；

S3、根据所述映射关系及所述卷积神经网络的图像卷积特性，对所述目标航天器的包络尺寸进行估计，完成所述目标航天器动态参数的辨识。

2.根据权利要求1所述的基于可见光与激光融合的航天器结构识别方法，其特征在于，所述S1包括：

S11、搭建标定实验场景，在所述标定实验场景中设立标准标靶；

S12、在所述标定实验场景中采集所述可见光和所述激光的数据，提取所述可见光和所述激光的数据中含有标靶的数据；

S13、设置特征描述子，对所述含有标靶的数据中的特征描述子进行匹配，从而完成矩阵转换，建立可见光和激光融合转换矩阵的映射关系。

3.根据权利要求1所述的基于可见光与激光融合的航天器结构识别方法，其特征在于，所述S2包括：

S21、依据所述目标航天器的图片，建立卷积神经网络数据集；

S22、利用图片标注工具对所述目标航天器的图片中的各部分结构进行标注，即设置标签；

S23、建立初始状态的卷积神经网络，以所述卷积神经网络数据集作为样本进行训练，得到所述卷积神经网络；

S24、利用所述卷积神经网络对所述目标航天器进行检测与识别。

4.根据权利要求1所述的基于可见光与激光融合的航天器结构识别方法，其特征在于，所述S3包括：

S31、根据所述映射关系，将激光系统下的图像信息投影至可见光系统下的图像信息，即将像素信息由RGB-3维信息扩展至(RGB+XYZ)-6维信息；

S32、根据所述卷积神经网络的卷积特征，对所述目标航天器进行检测，得到动态参数与颜色信息,所述动态参数包括：目标中心位置轨迹、姿态变化轨迹以及包络尺寸大小；

S33、对所述动态参数、颜色信息、标签数据进行处理，根据处理结果，估计所述目标航空器中各结构的包络尺寸。

5.根据权利要求2所述的基于可见光与激光融合的航天器结构识别方法，其特征在于，所述S1包括：

将三个尺寸不同的棋盘标定板设置为3个靶标，靶标边长集合为L_i,(i＝1,2,3)；

选择其中1个标靶，对相机进行标定，得出相机内参矩阵M；

固定激光雷达与相机在空间中的相对位置，对含有三个靶标的场景进行数据采集，激光雷达获得空间中3D点云三维坐标信息为P_N(x,y,z)，相机获得空间中2D图像像素坐标为P_n(u,v)，N为3D点云中点的个数，x，y，z为三维坐标，n为2D图像像素中点的个数，u，v为二维坐标；

对3D点云进行背景滤波与精滤波，得到所述三个靶标的点云数据P_L；

对2D图像中的靶标图像进行角点提取，保留角点的像素坐标；

将点云数据P_L和角点的像素坐标从世界坐标系转换到同一相机坐标系中，根据同一标靶在同一相机坐标系中的不同坐标关系，建立2D图像与3D点云的映射关系：

靶标的2D图像在相机坐标系下的点云为P_C(x_c,y_c,z_c)，标靶在激光雷达坐标系下的点云为P_L(x_l,y_l,z_l)，将P_C和P_L各分为3个聚类，求解3个聚类的中心点位置；

通过ICP(Iterative Closest Point迭代最近点)算法使得P_C和P_L中各个聚类中心相对应，欧氏距离最小点对为同名点对，求解同名点对之间的旋转和平移矩阵R,t使得p_i＝Rp′_i+t，从而使得2D图像与3D点云的配准。