[发明专利]基于可见光与激光融合的航天器结构识别方法

说明书

本发明公开了基于可见光与激光融合的航天器结构识别方法，涉及目标检测与识别应用领域，能够将可见光与激光融合的基础，通过人工智能学习的方式对传统航天器的结构进行训练和测试，最终实现对航天器整体或部分进行检测识别。本发明包括：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；采用卷积神经网络完成目标航天器的检测与识别；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。本发明实现对目标结构包络尺寸的估计与动态参数的辨识，最终得到丰富的航天器数据，实现对航天器整体或部分的检测识别。

技术领域

本发明涉及目标检测与识别应用领域，尤其涉及了基于可见光与激光融合的航天器结构识别方法。

背景技术

随着航天技术的发展，计算机视觉与激光测距技术作为其重要分支发展迅猛，其中，可见光视觉系统能够通过捕获航天器图像，获得高分辨率高质量的色彩信息；激光雷达通过扫描航天器表面以获得高密度离散点云数据。

然而，依靠可见光视觉捕获的图像中仅包含二维数据，无法获取目标的准确位置；激光获得的物体表面信息仅包含三维坐标，缺少色彩、纹理及轮廓等特征信息。由于空间环境复杂多变，可见光捕获设备易受空间光照影响，导致图像出现失真、过曝、缺失等现象，激光仪器设备需对目标进行近距离数据采集。因此，融合可见光与激光技术可同时得到含有空间三维距离信息与表面颜色、纹理信息的航天器表面数据，即可应用于非合作目标的检测、识别与定位。

其中，基于卷积神经网络的目标的识别与检测是当前目标检测的研究热点。然而，目前国内外没有基于航天器结构数据库的深度学习进行目标识别与检测的实例。

发明内容

本发明提供了基于可见光与激光融合的航天器结构识别方法，能够在可见光与激光融合的基础上，建立航天器的结构数据库，通过人工智能学习的方式对传统航天器的结构(航天器本体、天线、对接环与太阳帆板)进行训练和测试，最终实现对航天器整体或部分进行检测识别。

为达到上述目的，本发明采用如下技术方案：

基于可见光与激光融合的航天器结构识别方法，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。

进一步的，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。

进一步的，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。

进一步的，所述S3包括：