[发明专利]一种基于表示学习的星图识别方法有效
| 申请号： | 201910450340.7 | 申请日： | 2019-05-28 |
| 公开（公告）号： | CN110132263B | 公开（公告）日： | 2023-01-31 |
| 发明（设计）人： | 江洁;徐立凯 | 申请（专利权）人： | 北京航空航天大学 |
| 主分类号： | G01C21/02 | 分类号： | G01C21/02;G01C21/20;G01C21/24 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100191*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于表示学习的星图识别方法，该方法利用端对端的、基于表述学习的神经网络模型RPNet，用于快速高效且鲁棒性强的全天星图识别任务。RPNet从海量随机仿真的星图样本里学习到每颗星独特的星模式R‑Pattern，随后再对这些星模式进行分类。RPNet主要分两部分组成：(1)基于星模式生成网络的星模式生成器，产生样本的特征星模式R‑Pattern。(2)对前端产生的特征星模式R‑Pattern进行分类的星模式分类器。本发明还提出了一种权重搜索验证算法，用于对RPNet网络识别出来的导航星主星进行筛选和验证，进一步大大提高了该算法对单幅星图的识别能力。 | ||
| 搜索关键词： | 一种 基于 表示 学习 星图 识别 方法 | ||
【主权项】：
1.一种基于表示学习的星图识别方法，其特征在于：该方法包括如下步骤：步骤(1)对原始星库进行筛选，得到可供RPNet网络识别的导航星；步骤(2)根据导航星及其邻星的分布特点，构建网络的初始输入；步骤(3)构建端对端的、基于表述学习的神经网络模型RPNet，用于快速高效且鲁棒性强的全天星图识别任务，其中RPNet从海量随机仿真的星图样本里学习到每颗星独特的星模式R‑Pattern，随后再对这些星模式进行分类，RPNet主要分两部分组成：1)基于星模式生成网络的星模式生成器，产生样本的特征星模式R‑Pattern；2)对前端产生的特征星模式R‑Pattern进行分类的星模式分类器；步骤(4)利用权重搜索验证算法对RPNet网络识别出来的导航星主星进行筛选和验证；步骤(5)输入实际星图，输出识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京航空航天大学，未经北京航空航天大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910450340.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种星敏感器高平面度实现方法
- 下一篇：一种具有冗余独立传感元件的惯性传感器
