[发明专利]一种基于虚幻引擎的空间目标数据集构建方法

说明书

本发明提出一种基于虚幻引擎的空间目标数据集构建方法，其特征在于，包括以下步骤：步骤一、卫星几何建模；步骤二、空间场景建模；步骤三、空间目标图像生成；步骤四、空间目标图像标注；步骤五、卫星特征部件智能识别。本发明所述空间目标数据集构建方法能够较真实地模拟地球临近空间场景。本发明构建数据集与真实卫星在轨运行图像对比相似度较高，克服了现有数据集背景单一、地球和卫星建模细节较差地不足之处。基于本发明所构建地数据集满足深度学习需求，可实现对空间目标智能识别，区分其天线、帆板、推进系统等特征部件。同时由于本发明生成的空间图像相对真实，因此使用该数据集训练好的神经网络，具备应用到真实航天目标的可能。

【技术领域】

本发明属于空间目标智能识别技术领域，尤其涉及智能识别所需仿真数据集，具体是一种基于虚幻引擎建立空间场景并构建空间目标数据集的方法。

【背景技术】

随着世界各国对空间环境的不断重视，空间态势感知的重要性日渐上升。针对以卫星为主的重要空间目标的攻击、保护和在轨服务已成为世界各国航天技术的重要发展方向，而卫星特征部件(如帆板、天线)的识别技术是其中的关键环节。空间目标识别主要是利用空间目标特性数据，对其身份、姿态和状态等属性进行有效判断和识别。目前国内外在天基目标探测识别的研究大多集中在远距离情况下的点目标探测，针对卫星本体、太阳帆板等重要部件的识别方面研究相对较少。近年来，以深度学习为代表的人工智能算法蓬勃发展。目标检测、语义分割等关键技术已被成功应用于多个领域，这给空间目标识别带来了新的技术突破。

然而由于缺乏训练使用的空间目标数据集，将深度学习应用于航天器智能识别的研究还相对较少。国内外学者一般采用真实图片和仿真图片两种思路，其中，真实图片卫星细节度高，而且常带有地球背景，但是其数量较少，难以满足深度学习需要大量数据集的要求。因此一些学者基于STK等软件仿真卫星运行于地球轨道，截取图片建立卫星数据集，但是受限于卫星和地球的建模质量，构建的卫星图片与真实图片相差较大。使用此种仿真图片训练完成的深度学习算法难以应用于真实在轨卫星识别。因此有必要研究较为真实的、数量较大的空间目标数据集构建方法，克服真实图片数量较少和仿真图片真实度较低的缺点。

虚幻引擎(Unreal Engine)是一款功能强大的游戏开发引擎，具有十分逼真的场景开发能力。因此可以基于虚幻引擎软件建立空间场景，通过导入卫星几何模型的方式模拟卫星在轨运行，批量生成空间目标数据集，为后续基于深度学习方法对航天器特征部件识别提供数据支撑。

【发明内容】

(一)发明的目的

本发明克服现有卫星数据集背景单一、数量较少的不足之处，提供了一种基于虚幻引擎的空间目标数据集构建方法，提供大规模的、背景丰富，与真实航天器运行相似度较高的卫星图片以供航天器特征部件智能识别。

(二)本发明的技术方案

步骤一、卫星几何建模

基于三维建模软件Blender，参照卫星结构图、尺寸图和示意图建立精细的卫星几何模型，严格按照尺寸建立卫星高增益天线、低增益天线、太阳帆板、星上载荷(例如高分辨率镜头、太阳传感器电子设备、惯性测量装置等)等卫星组件，并将各组件按照卫星结构图拼接起来。对各结构施加位移约束，限制其自由移动；施加旋转约束，限制其自由旋转；施加力约束固定各组件位置，例如将低增益天线通过铰链、力约束固定在高增益天线中央；将太阳帆板固定在卫星本体上。

建立完卫星组件，随后对各个组件添加材料属性。从NASA官网、Satellite ToolKit(STK)等官方途径搜集整理卫星模型图片。对比卫星图片，为前述建立的卫星部件添加材质贴图，即通过把二维材质图片覆盖在三维组件上，使卫星各部件颜色、纹理贴合真实模型图片。