CN113670253A - 空间目标姿态反演方法、装置、计算设备及存储介质 - Google Patents
空间目标姿态反演方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN113670253A CN113670253A CN202110979155.4A CN202110979155A CN113670253A CN 113670253 A CN113670253 A CN 113670253A CN 202110979155 A CN202110979155 A CN 202110979155A CN 113670253 A CN113670253 A CN 113670253A
- Authority
- CN
- China
- Prior art keywords
- particle
- vector
- parameter vector
- dimensional projection
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
- G01S13/9064—Inverse SAR [ISAR]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供了一种空间目标姿态反演方法、装置、计算设备及存储介质,其中方法包括:获取空间目标对应ISAR图像的主轴向量;生成粒子群中每一个粒子分别对应的参数向量;参数向量为预设姿态角参数构成的向量;针对每一个粒子,计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量;并根据该粒子的二维投影向量和主轴向量,构建该粒子的代价函数;根据粒子群优化算法以及每一个粒子的代价函数,对每一个粒子的参数向量进行循环更新,直到达到预先设定的循环跳出条件时,结束循环更新;根据粒子群每一个粒子当前更新后的参数向量,确定空间目标的姿态角。本方案,能够通过简单的计算过程即可实现空间目标姿态的快速反演。
Description
技术领域
本发明实施例涉及目标反演技术领域,特别涉及一种空间目标姿态反演方法、装置、计算设备及存储介质。
背景技术
近年来,随着空间科学技术的发展,航天活动逐年增加,人类进入空间和利用空间的能力越来越强,导致空间环境发生了巨大的变化,空间的战略地位日趋增强。目前,每年各国向空间发射的目标数量大约在200个以上,且有日益增多的趋势,其中尺寸大于10厘米可被检测到的目标大概就有2万多个。数量巨大的目标给空间安全造成了巨大的威胁,因此,对空间目标的监视变得尤为重要。
由于空间目标轨迹和背景的特殊性,基于ISAR(Inverse Synthetic ApertureRadar,逆合成孔径雷达)图像的空间目标的全天候监测技术具有广泛的应用前景。目前,对空间目标的ISAR图像的姿态反演研究,主要集中在目标轮廓特征的提取和三维重构等方面,对于空间目标的姿态反演的研究还鲜有报道。但对空间目标的姿态反演在对空间目标的监视过程中具有重要意义,因此,亟需提供一种能够快速对空间目标进行姿态反演的方法。
发明内容
本发明实施例提供了一种空间目标姿态反演方法、装置、计算设备及存储介质,能够实现空间目标姿态的快速反演。
第一方面,本发明实施例提供了一种空间目标姿态反演方法,包括:
获取空间目标对应ISAR图像的主轴向量;
生成粒子群中每一个粒子分别对应的参数向量;所述参数向量为预设姿态角参数构成的向量;
针对每一个粒子,计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量;并根据该粒子的二维投影向量和所述主轴向量,构建该粒子的代价函数;
根据粒子群优化算法以及每一个粒子的代价函数,对每一个粒子的参数向量进行循环更新,直到达到预先设定的循环跳出条件时,结束所述循环更新;
根据所述粒子群每一个粒子当前更新后的参数向量,确定所述空间目标的姿态角。
优选地,所述生成粒子群中每一个粒子分别对应的参数向量,包括:
确定预设姿态角参数中方位角对应的变化范围和俯仰角对应的变化范围;
针对每一个粒子生成对应的随机值;
针对每一个粒子,根据所述方位角对应的变化范围及该粒子对应的随机值计算得到该粒子对应方位角的初始值,以及根据所述俯仰角对应的变化范围以及该粒子对应的随机值计算得到该粒子对应俯仰角的初始值。
优选地,所述计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量,包括:
获取由轨道坐标系转换为地心固定坐标系的第一转换矩阵;
获取由地心固定坐标系转换为雷达北天东坐标系的第二转换矩阵;
获取由雷达北天东坐标系转换为雷达测量坐标系的第三转换矩阵;
确定所述空间目标的主轴长度;
根据所述第一转换矩阵、所述第二转换矩阵、所述第三转换矩阵、所述主轴长度和该粒子对应的参数向量,计算得到该粒子的二维投影向量。
优选地,所述计算得到该粒子的二维投影向量,包括:
利用如下公式计算该粒子的二维投影向量:
其中,ROC为由轨道坐标系转换为雷达测量坐标系的转换矩阵,ROD为所述第一转换矩阵,RDR为所述第二转换矩阵,RRC为所述第三转换矩阵,ROC(11)、ROC(12)、ROC(13)、ROC(21)、ROC(22)、ROC(23)、ROC(31)、ROC(32)、ROC(33)分别为所述第一转换矩阵、所述第二转换矩阵和所述第三转换矩阵相乘后对应的矩阵参数值,l为所述主轴长度,α、β分别为该粒子对应参数向量中的俯仰角、方位角,为该粒子的二维投影向量。
优选地,所述根据该粒子的二维投影向量和所述主轴向量,构建该粒子的代价函数,包括:
第i个粒子的代价函数如下:
其中,Costi为第i个粒子的代价函数值,Ki为第i个粒子的二维投影向量,K0n为所述空间目标对应N个ISAR图像中第n个ISAR图像的主轴向量;N个ISAR图像为所述空间目标在相邻时刻的图像,N为正整数。
优选地,所述对每一个粒子的参数向量进行循环更新,包括:
针对每一个粒子的参数向量均按照如下公式进行循环更新:
pop_v(i,:)=ω·pop_v(i,:)+c1·rand1·(pbest(i,:)-pop(i,:))+c2·rand2·(gbest(:)-pop(i,:))
pop(i,:)=pop(i,:)+pop_v(i,:)
其中,pop_v(i,:)为第i个粒子的参数向量的变化值,用于表征第i个粒子的速度向量;pop(i,:)为第i个粒子的参数向量,用于表征第i个粒子的位置;ω为惯性权重;c1、c2为学习因子;rand1、rand2均是位于[0,1]之间的随机数;pbest(i,:)为第i个粒子的个体最佳位置;gbest(:)为粒子群中的最佳位置。
优选地,所述循环跳出条件包括:最大循环次数和代价函数阈值;
所述达到预先设定的循环跳出条件,包括:当循环更新的次数达到预先设定的最大循环次数时,则确定达到预先设定的循环跳出条件;或,当循环更新后各粒子对应的参数向量中存在至少一个粒子对应的代价函数值达到预先设定的代价函数阈值时,则确定达到预先设定的循环跳出条件;
和/或,
所述根据所述粒子群每一个粒子当前更新后的参数向量,确定所述空间目标的姿态角,包括:将所述粒子群中最优粒子参数向量所对应的参数值确定为所述空间目标的姿态角。
第二方面,本发明实施例还提供了一种空间目标姿态反演装置,包括:
主轴向量获取单元,用于获取空间目标对应ISAR图像的主轴向量;
参数向量生成单元,用于生成粒子群中每一个粒子分别对应的参数向量;所述参数向量为预设姿态角参数构成的向量;
二维投影向量计算单元,用于针对每一个粒子,计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量;并根据该粒子的二维投影向量和所述主轴向量,构建该粒子的代价函数;
处理单元,用于根据粒子群优化算法以及每一个粒子的代价函数,对每一个粒子的参数向量进行循环更新,直到达到预先设定的循环跳出条件时,结束所述循环更新;
姿态角确定单元,用于根据所述粒子群每一个粒子当前更新后的参数向量,确定所述空间目标的姿态角。
第三方面,本发明实施例还提供了一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。
本发明实施例提供了一种空间目标姿态反演方法、装置、计算设备及存储介质,利用预设姿态角参数构成的参数向量进行变换得到的二维投影向量为该预设姿态角变换后的主轴向量,通过将空间目标对应ISAR的主轴向量与预设姿态角变换后的主轴向量构建代价函数,并通过粒子群优化算法对参数向量进行循环更新以实现参数向量的优化,从而实现空间目标的姿态反演。可见,本方案通过简单的计算过程即可实现空间目标姿态的快速反演。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种空间目标姿态反演方法流程图;
图2是本发明一实施例提供的一种参数向量确定方法流程图;
图3是本发明一实施例提供的四种坐标系的关系示意图;
图4是本发明一实施例提供的一种计算设备的硬件架构图;
图5是本发明一实施例提供的一种空间目标姿态反演装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面描述以上构思的具体实现方式。
请参考图1,本发明实施例提供了一种空间目标姿态反演方法,该方法包括:
步骤100,获取空间目标对应ISAR图像的主轴向量;
步骤102,生成粒子群中每一个粒子分别对应的参数向量;该参数向量为预设姿态角参数构成的向量;
步骤104,针对每一个粒子,计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量;并根据该粒子的二维投影向量和该主轴向量,构建该粒子的代价函数;
步骤106,根据粒子群优化算法以及每一个粒子的代价函数,对每一个粒子的参数向量进行循环更新,直到达到预先设定的循环跳出条件时,结束该循环更新;
步骤108,根据该粒子群每一个粒子当前更新后的参数向量,确定该空间目标的姿态角。
本发明实施例中,利用预设姿态角参数构成的参数向量进行变换得到的二维投影向量为该预设姿态角变换后的主轴向量,通过将空间目标对应ISAR的主轴向量与预设姿态角变换后的主轴向量构建代价函数,并通过粒子群优化算法对参数向量进行循环更新以实现参数向量的优化,从而实现空间目标的姿态反演。可见,本方案通过简单的计算过程即可实现空间目标姿态的快速反演。
下面描述图1所示的各个步骤的执行方式。
首先针对步骤100,获取空间目标对应ISAR图像的主轴向量。
空间目标的ISAR图像是指空间目标各个强散射点在横向和径向上的投影图像,其较为直观地反映了空间目标的外形结构。其中,空间目标一般由主体、矩形太阳板、以及不同形状的天线构成。每个部件都有局部对称性,且空间目标整体关于主轴左右近似对称。
在本发明一个实施例中,本步骤100至少可以通过如下一种方式实现:
首先,针对该空间目标对应ISAR图像进行轮廓特征提取。
其中,提取空间目标的轮廓特征时至少可以利用Canny算法进行轮廓特征提取,得到该ISAR图像中空间目标的轮廓特征。除使用Canny算是进行轮廓特征提取以外,还可以使用其它可实现的轮廓特征提取方法。
然后,对ISAR图像进行Radon变换处理,得到最大线积分值中最大值方位和次大线积分值中最大值方位;
优选地,在对ISAR图像进行Radon变换处理之前,对ISAR图像进行灰度处理,得到ISAR图像的灰度图像,然后本步骤对该ISAR图像的灰度图像进行Radon变换处理。
接下来,利用最大线积分值中最大值方位和次大线积分值中最大值方位以及空间目标的轮廓特征,计算方位线与轮廓交点,得到方位线交点。
最后,计算分割比例,将分割比例最大的确定为主轴,得到主轴向量。
以上过程得到了空间目标对应ISAR图像的主轴向量。除上述方式以外,还可以使用其它能够提取空间目标对应ISAR图像的主轴向量的方式。
在本发明一个实施例中,为了提高空间目标姿态反演的准确性,可以使用空间目标对应的多张ISAR图像进行姿态反演,比如,N张ISAR图像(N为正整数),并利用本步骤获取每一张ISAR图像的主轴向量。优选地,该N张ISAR图像为空间目标在相邻时刻的图像。
然后针对步骤102,生成粒子群中每一个粒子分别对应的参数向量;该参数向量为预设姿态角参数构成的向量。
在基于ISAR图像的主轴向量进行空间目标姿态反演计算时,三维的空间目标的主轴在二维成像面(ISAR成像平面)上的二维投影向量,受主轴自身长度和姿态角共同影响。其中,对于空间目标的主轴长度一般可以预先得到,比如,对于合作空间目标的主轴长度是已知的,对于非合作空间目标的主轴长度可以通过光学图像准确获取。因此,目标主轴对应的姿态角参数不同时,该目标主轴在ISAR成像平面上的二维投影向量不同。其中,姿态角参数包括方位角β和俯仰角α。利用姿态角参数可以构建参数向量p=[β,α]。
由于空间目标对应ISAR图像的主轴向量是直接在ISAR图像上提取得到的,因此只能够获知该空间目标的主轴向量,该主轴向量对应的姿态角(即方位角和俯仰角)是未知的,而该主轴向量对应的姿态角正是本方案所需确定的值,因此,本发明一个实施例中,可以采用粒子群优化算法实现空间目标姿态反演,即针对粒子群中的每一个粒子,均为其生成一个对应的参数向量,该参数向量包括的方位角和俯仰角是预设姿态角参数,且不同粒子对应的参数向量不同,然后确定哪一个粒子的参数向量在二维变换后对应的二维投影向量与主轴向量最接近,则将该最接近的参数向量对应的方位角和俯仰角确定为主轴向量对应的方位角和俯仰角,如此,可以计算得到空间目标姿态的姿态角。
基于上述分析,本步骤中需要确定粒子群中包括的粒子数量,比如为M个(M为不小于2的整数),然后针对生成每一个粒子分别对应的参数向量。
在本发明一个实施例中,在生成每一个粒子分别对应的参数向量时,可以采用人工或自动对预设姿态角直接赋值的方式得到各粒子的参数向量,在赋值时,可以确定空间目标在方位角、俯仰角分别对应的变换范围,然后从方位角的变换范围内随机确定一个数值作为该粒子的参数向量中的方位角,从俯仰角的变换范围内随机确定一个数值作为该粒子的参数向量中的俯仰角。
粒子对应的参数向量除上述直接赋值的方式以外,在本发明一个实施例中,请参考图2,至少还可以使用如下一种方式来实现:
步骤200,确定预设姿态角参数中方位角对应的变化范围和俯仰角对应的变化范围。
假设方位角β的变化范围为m1≤β≤m2(m1,m2∈[-90°,90°]且m2>m1),对于一个空间目标,可以初步确定m1和m2的值,比如,m1=10°,m2=20°,那么可以得到该预设姿态角参数中方位角β的变化范围为10°≤β≤20°。
假设俯仰角α的变化范围为n1≤α≤n2(n1,n2∈[-180°,180°]且n2>n1),同理,对于一个空间目标,可以初步确定n1和n2的值,比如,n1=-10°,n2=5°,那么可以得到该预设姿态角参数中方位角α的变化范围为-10°≤α≤5°。
步骤202,针对每一个粒子生成对应的随机值。
步骤204,针对每一个粒子,根据所述方位角对应的变化范围及该粒子对应的随机值计算得到该粒子对应方位角的初始值,以及根据所述俯仰角对应的变化范围以及该粒子对应的随机值计算得到该粒子对应俯仰角的初始值。
在本发明一个实施例中,在计算粒子对应方位角的初始值、俯仰角的初始值时,可以根据随机值的选择范围来确定计算方式。其中,可以利用如下计算公式进行粒子对应方位角的初始值、俯仰角的初始值:
其中,rand为步骤202中生成的随机值,随机值的取值范围为(0,g)。
为了保证初始值的范围能够位于较集中的范围内,实现对方位角、俯仰角的初始化,优选地,上述公式中g等于1,即随机值的取值范围为(0,1)。
利用该方案,只需生成M个随机值,即可快速得到各粒子对应的参数向量,不仅计算简单,且每一个粒子的参数向量均是初始化后的向量,保证各粒子参数向量的基本一致性,在进行后续步骤的循环更新时,能够使得各参数向量均逐渐向主轴向量靠近,从而使得得到的反演结果更加准确。
接下来针对步骤104,针对每一个粒子,计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量;并根据该粒子的二维投影向量和该主轴向量,构建该粒子的代价函数。
在本发明一个实施例中,步骤102中每一个粒子对应的参数向量均为轨道坐标系中的向量。
空间目标在ISAR成像过程中需要经过多个类型的坐标系转换,包括地心坐标系、雷达北天东坐标系、雷达测量坐标系和轨道坐标系,请参考图3,为上述四种坐标系的示意图,其中,X、Y、Z坐标系为地心坐标系,Xb、Yb、Zb坐标系为轨道坐标系,XR、YR、ZR为雷达北天东坐标系,XC、YC、ZC坐标系为雷达测量坐标系。
在本发明一个实施例中,在执行本步骤中计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量时,即将轨道坐标系的参数向量先转换为地心坐标系的向量,然后在转换为雷达北天东坐标系的向量,接下来转换为雷达测量坐标系的向量,最后将雷达测量坐标系的向量在ISAR成像平面进行投影,得到二维投影向量。
具体地,本步骤可以包括如下步骤:
获取由轨道坐标系转换为地心固定坐标系的第一转换矩阵;
获取由地心固定坐标系转换为雷达北天东坐标系的第二转换矩阵;
获取由雷达北天东坐标系转换为雷达测量坐标系的第三转换矩阵;
确定所述空间目标的主轴长度;
根据所述第一转换矩阵、所述第二转换矩阵、所述第三转换矩阵、所述主轴长度和该粒子对应的参数向量,计算得到该粒子的二维投影向量。
根据步骤102可知,空间目标的主轴长度一般可以预先得到,为l。
对于第一转换矩阵、第二转换矩阵、第三转换矩阵为已知量。
在本步骤计算该例子的二维投影向量时,可以包括:
利用如下公式计算该粒子的二维投影向量:
其中,ROC为由轨道坐标系转换为雷达测量坐标系的转换矩阵,ROD为所述第一转换矩阵,RDR为所述第二转换矩阵,RRC为所述第三转换矩阵,ROC(11)、ROC(12)、ROC(13)、ROC(21)、ROC(22)、ROC(23)、ROC(31)、ROC(32)、ROC(33)分别为所述第一转换矩阵、所述第二转换矩阵和所述第三转换矩阵相乘后对应的矩阵参数值,l为所述主轴长度,α、β分别为该粒子对应参数向量中的俯仰角、方位角,为该粒子的二维投影向量。
通过上述计算公式,在步骤102中得到粒子的参数向量之后,即得到该粒子对应的方位角和俯仰角,进而代入上述计算公式中,可以快速得到该粒子的二维投影向量。
在粒子的二维投影向量与空间目标主轴向量之间的距离越近,表明两者越近似,因此,可以根据粒子的二维投影向量与空间目标主轴向量之间的距离构建粒子的代价函数,具体地,将该粒子的二维投影向量与空间目标对应N个ISAR图像中每一个ISAR图像的主轴向量之间的距离之和确定为该粒子的代价函数值。其中,该距离可以使用闵可夫斯基距离、欧氏距离、曼哈顿军力、切比雪夫距离、夹角余弦中的任意一种。
优选地,该距离为欧式距离。当该距离为欧式距离时,粒子群中第i个粒子的代价函数如下:
其中,Costi为第i个粒子的代价函数值,Ki为第i个粒子的二维投影向量,K0n为所述空间目标对应N个ISAR图像中第n个ISAR图像的主轴向量;N个ISAR图像为所述空间目标在相邻时刻的图像,N为正整数。
其中,Ki=(r,c)T。该公式中的r、c均为对应粒子的二维投影向量的参数值。
继续针对步骤106,根据粒子群优化算法以及每一个粒子的代价函数,对每一个粒子的参数向量进行循环更新,直到达到预先设定的循环跳出条件时,结束该循环更新。
在本发明一个实施例中,在采用粒子群优化算法对粒子的参数向量进行循环更新时,具体地,可以通过如下一种方式实现更新:
针对每一个粒子的参数向量p=[β,α]均按照如下粒子速度进化公式和粒子位置进化公式进行循环更新:
pop_v(i,:)=ω·pop_v(i,:)+c1·rand1·(pbest(i,:)-pop(i,:))+c2·rand2·(gbest(:)-pop(i,:))
pop(i,:)=pop(i,:)+pop_v(i,:)
其中,pop_v(i,:)为第i个粒子的参数向量的变化值,用于表征第i个粒子的速度向量;pop(i,:)为第i个粒子的参数向量,用于表征第i个粒子的位置;ω为惯性权重;c1、c2为学习因子;rand1、rand2均是位于[0,1]之间的随机数;pbest(i,:)为第i个粒子的个体最佳位置;gbest(:)为粒子群中的最佳位置。
需要说明的是,在第一次更新时,上述粒子速度进化公式和粒子位置进化公式中右侧的pop_v(i,:)为预先设定的初始变化值,右侧的pop(i,:)均为第i个粒子的参数向量,即步骤102中针对第i个粒子生成的参数向量。在第一次更新之后,得到更新后的pop_v(i,:)和pop(i,:),即上述两个公式的左侧参数值。在下一次更新时,利用第一次更新后的pop_v(i,:)和pop(i,:)继续代入上述两个公式的右侧进行计算。如此,实现每一次的循环更新。
需要说明的是,在第一次更新时,pbest(i,:)为该第i个粒子对应的代价函数值,在后续每一次更新时,该pbest(i,:)为该第i个粒子在当前次更新前的每一次更新时对应代价函数值的最小值所对应的参数向量。同理,在第一次更新时,gbest(:)为M个粒子中各粒子分别对应代价函数值的最小值所对应粒子的参数向量,在后续每一次更新时,gbest(:)为当前次更新前的每一次更新时所对应代价函数值的最小值中的最小值所对应粒子的参数向量。
在本发明一个实施例中,为了结束该循环更新,可以设定循环跳出条件,以使达到预先设定的循环跳出条件时,结束该循环更新。其中,该循环跳出条件可以包括:最大循环次数和代价函数阈值。
那么该达到预先设定的循环跳出条件,可以包括:当循环更新的次数达到预先设定的最大循环次数时,则确定达到预先设定的循环跳出条件;或,当循环更新后各粒子对应的参数向量中存在至少一个粒子对应的代价函数值达到预先设定的代价函数阈值时,则确定达到预先设定的循环跳出条件。即上述分两个循环跳出条件中,最先达到其中一个循环跳出条件,则结束。
为确定每一次更新后是否达到循环跳出条件,在每一次更新后,均需要进行如下计算:
第一、计算当前更新完成后累计的更新次数,确定该更新次数是否等于最大循环次数。
第二、计算当前更新完成后,每一个粒子对应的代价函数值,确定是否存在设定个数的代价函数值等于代价函数阈值。其中,该设定个数可以为1至M中的任意一个整数,优选地,该设定个数为1。
若上述两个计算中,存在至少一个结果为是,则确定达到循环跳出条件,则结束该循环更新过程。
最后针对步骤108,根据该粒子群每一个粒子当前更新后的参数向量,确定该空间目标的姿态角。
在本发明一个实施例中,当循环更新过程结束后,此时每一个粒子均对应有最新的pop(i,:),即最新的参数向量p=[β,α],在确定空间目标的姿态角时,可以从当前粒子群中随机选择一个粒子,将该粒子当前更新后的参数向量的参数值确定为该空间目标的姿态角。
优选地,为了提高确定准确性,将粒子群中最优粒子参数向量所对应的参数值确定为所述空间目标的姿态角。最优粒子为粒子群中各粒子分别对应的代价函数值中的最小值所对应的粒子。
为确定本方案的反演效果,设定最大循环次数为100,代价函数阈值为0.1,对一个空间目标在其姿态角分别为β=30°,a=-7°时,得到的ISAR图像进行姿态反演,得到反演结果为β=28.9°,a=-5.5°,可见,姿态角反演误差均值为1.3°具有很好的反演准确性。
如图4、图5所示,本发明实施例提供了一种空间目标姿态反演装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图4所示,为本发明实施例提供的一种空间目标姿态反演装置所在计算设备的一种硬件架构图,除了图4所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的计算设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图5所示,作为一个逻辑意义上的装置,是通过其所在计算设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种空间目标姿态反演装置,包括:
主轴向量获取单元501,用于获取空间目标对应ISAR图像的主轴向量;
参数向量生成单元502,用于生成粒子群中每一个粒子分别对应的参数向量;所述参数向量为预设姿态角参数构成的向量;
二维投影向量计算单元503,用于针对每一个粒子,计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量;并根据该粒子的二维投影向量和所述主轴向量,构建该粒子的代价函数;
处理单元504,用于根据粒子群优化算法以及每一个粒子的代价函数,对每一个粒子的参数向量进行循环更新,直到达到预先设定的循环跳出条件时,结束所述循环更新;
姿态角确定单元505,用于根据所述粒子群每一个粒子当前更新后的参数向量,确定所述空间目标的姿态角。
在本发明一个实施例中,所述参数向量生成单元502,具体用于:确定预设姿态角参数中方位角对应的变化范围和俯仰角对应的变化范围;针对每一个粒子生成对应的随机值;针对每一个粒子,根据所述方位角对应的变化范围及该粒子对应的随机值计算得到该粒子对应方位角的初始值,以及根据所述俯仰角对应的变化范围以及该粒子对应的随机值计算得到该粒子对应俯仰角的初始值。
在本发明一个实施例中,所述二维投影向量计算单元503,具体用于:获取由轨道坐标系转换为地心固定坐标系的第一转换矩阵;获取由地心固定坐标系转换为雷达北天东坐标系的第二转换矩阵;获取由雷达北天东坐标系转换为雷达测量坐标系的第三转换矩阵;确定所述空间目标的主轴长度;根据所述第一转换矩阵、所述第二转换矩阵、所述第三转换矩阵、所述主轴长度和该粒子对应的参数向量,计算得到该粒子的二维投影向量。
在本发明一个实施例中,所述二维投影向量计算单元503在执行所述计算得到该粒子的二维投影向量时,具体用于利用如下公式计算该粒子的二维投影向量:
其中,ROC为由轨道坐标系转换为雷达测量坐标系的转换矩阵,ROD为所述第一转换矩阵,RDR为所述第二转换矩阵,RRC为所述第三转换矩阵,ROC(11)、RoC(12)、RoC(13)、RoC(21)、RoC(22)、RoC(23)、RoC(31)、RoC(32)、RoC(33)分别为所述第一转换矩阵、所述第二转换矩阵和所述第三转换矩阵相乘后对应的矩阵参数值,l为所述主轴长度,α、β分别为该粒子对应参数向量中的俯仰角、方位角,为该粒子的二维投影向量。
在本发明一个实施例中,所述二维投影向量计算单元503在执行所述根据该粒子的二维投影向量和所述主轴向量,构建该粒子的代价函数时,具体用于:第i个粒子的代价函数如下:
其中,Costi为第i个粒子的代价函数值,Ki为第i个粒子的二维投影向量,K0n为所述空间目标对应N个ISAR图像中第n个ISAR图像的主轴向量;N个ISAR图像为所述空间目标在相邻时刻的图像,N为正整数。
在本发明一个实施例中,所述处理单元504在执行所述对每一个粒子的参数向量进行循环更新时,具体用于:针对每一个粒子的参数向量均按照如下公式进行循环更新:
pop_v(i,:)=ω·pop_v(i,:)+c1·rand1·(pbest(i,:)-pop(i,:))+c2·rand2·(gbest(:)-pop(i,:))
pop(i,:)=pop(i,:)+pop_v(i,:)
其中,pop_v(i,:)为第i个粒子的参数向量的变化值,用于表征第i个粒子的速度向量;pop(i,:)为第i个粒子的参数向量,用于表征第i个粒子的位置;ω为惯性权重;c1、c2为学习因子;rand1、rand2均是位于[0,1]之间的随机数;pbest(i,:)为第i个粒子的个体最佳位置;gbest(:)为粒子群中的最佳位置。
在本发明一个实施例中,所述循环跳出条件包括:最大循环次数和代价函数阈值;
处理单元504在确定是否达到预先设定的循环跳出条件时,具体用于:当循环更新的次数达到预先设定的最大循环次数时,则确定达到预先设定的循环跳出条件;或,当循环更新后各粒子对应的参数向量中存在至少一个粒子对应的代价函数值达到预先设定的代价函数阈值时,则确定达到预先设定的循环跳出条件;
在本发明一个实施例中,所述姿态角确定单元505,具体用于将所述粒子群中最优粒子参数向量所对应的参数值确定为所述空间目标的姿态角。
可以理解的是,本发明实施例示意的结构并不构成对一种空间目标姿态反演装置的具体限定。在本发明的另一些实施例中,一种空间目标姿态反演装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本发明任一实施例中的一种空间目标姿态反演方法。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行时,使所述处理器执行本发明任一实施例中的一种空间目标姿态反演方法。
具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种空间目标姿态反演方法,其特征在于,包括:
获取空间目标对应ISAR图像的主轴向量;
生成粒子群中每一个粒子分别对应的参数向量;所述参数向量为预设姿态角参数构成的向量;
针对每一个粒子,计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量;并根据该粒子的二维投影向量和所述主轴向量,构建该粒子的代价函数;
根据粒子群优化算法以及每一个粒子的代价函数,对每一个粒子的参数向量进行循环更新,直到达到预先设定的循环跳出条件时,结束所述循环更新;
根据所述粒子群每一个粒子当前更新后的参数向量,确定所述空间目标的姿态角。
2.根据权利要求1所述的方法,其特征在于,所述生成粒子群中每一个粒子分别对应的参数向量,包括:
确定预设姿态角参数中方位角对应的变化范围和俯仰角对应的变化范围;
针对每一个粒子生成对应的随机值;
针对每一个粒子,根据所述方位角对应的变化范围及该粒子对应的随机值计算得到该粒子对应方位角的初始值,以及根据所述俯仰角对应的变化范围以及该粒子对应的随机值计算得到该粒子对应俯仰角的初始值。
3.根据权利要求1所述的方法,其特征在于,所述计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量,包括:
获取由轨道坐标系转换为地心固定坐标系的第一转换矩阵;
获取由地心固定坐标系转换为雷达北天东坐标系的第二转换矩阵;
获取由雷达北天东坐标系转换为雷达测量坐标系的第三转换矩阵;
确定所述空间目标的主轴长度;
根据所述第一转换矩阵、所述第二转换矩阵、所述第三转换矩阵、所述主轴长度和该粒子对应的参数向量,计算得到该粒子的二维投影向量。
6.根据权利要求1所述的方法,其特征在于,所述对每一个粒子的参数向量进行循环更新,包括:
针对每一个粒子的参数向量均按照如下公式进行循环更新:
pop_v(i,:)=ω·pop_v(i,:)+c1·rand1·(pbest(i,:)-pop(i,:))+c2·rand2·(gbest(:)-pop(i,:))
pop(i,:)=pop(i,:)+pop_v(i,:)
其中,pop_v(i,:)为第i个粒子的参数向量的变化值,用于表征第i个粒子的速度向量;pop(i,:)为第i个粒子的参数向量,用于表征第i个粒子的位置;ω为惯性权重;c1、c2为学习因子;rand1、rand2均是位于[0,1]之间的随机数;pbest(i,:)为第i个粒子的个体最佳位置;gbest(:)为粒子群中的最佳位置。
7.根据权利要求1-6中任一所述的方法,其特征在于,
所述循环跳出条件包括:最大循环次数和代价函数阈值;
所述达到预先设定的循环跳出条件,包括:当循环更新的次数达到预先设定的最大循环次数时,则确定达到预先设定的循环跳出条件;或,当循环更新后各粒子对应的参数向量中存在至少一个粒子对应的代价函数值达到预先设定的代价函数阈值时,则确定达到预先设定的循环跳出条件;
和/或,
所述根据所述粒子群每一个粒子当前更新后的参数向量,确定所述空间目标的姿态角,包括:将所述粒子群中最优粒子参数向量所对应的参数值确定为所述空间目标的姿态角。
8.一种空间目标姿态反演装置,其特征在于,包括:
主轴向量获取单元,用于获取空间目标对应ISAR图像的主轴向量;
参数向量生成单元,用于生成粒子群中每一个粒子分别对应的参数向量;所述参数向量为预设姿态角参数构成的向量;
二维投影向量计算单元,用于针对每一个粒子,计算该粒子对应的参数向量在ISAR成像平面上的二维投影向量;并根据该粒子的二维投影向量和所述主轴向量,构建该粒子的代价函数;
处理单元,用于根据粒子群优化算法以及每一个粒子的代价函数,对每一个粒子的参数向量进行循环更新,直到达到预先设定的循环跳出条件时,结束所述循环更新;
姿态角确定单元,用于根据所述粒子群每一个粒子当前更新后的参数向量,确定所述空间目标的姿态角。
9.一种计算设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979155.4A CN113670253B (zh) | 2021-08-25 | 2021-08-25 | 空间目标姿态反演方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110979155.4A CN113670253B (zh) | 2021-08-25 | 2021-08-25 | 空间目标姿态反演方法、装置、计算设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113670253A true CN113670253A (zh) | 2021-11-19 |
CN113670253B CN113670253B (zh) | 2023-05-26 |
Family
ID=78545950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110979155.4A Active CN113670253B (zh) | 2021-08-25 | 2021-08-25 | 空间目标姿态反演方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113670253B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114660606A (zh) * | 2022-05-19 | 2022-06-24 | 西安电子科技大学 | 低信噪比isar图像序列匹配搜索的空间目标姿态反演方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0933649A (ja) * | 1995-07-21 | 1997-02-07 | Toshiba Corp | Isar画像目標識別処理装置 |
JP2004212187A (ja) * | 2002-12-27 | 2004-07-29 | Mitsubishi Electric Corp | 画像レーダ装置 |
CN102353945A (zh) * | 2011-03-31 | 2012-02-15 | 北京航空航天大学 | 基于isar像序列的散射点三维位置重构方法 |
CN103256920A (zh) * | 2012-02-15 | 2013-08-21 | 天宝导航有限公司 | 利用图像处理测定倾斜角和倾斜方向 |
US20140156219A1 (en) * | 2011-06-24 | 2014-06-05 | Trimble Navigation Limited | Determining tilt angle and tilt direction using image processing |
CN105353376A (zh) * | 2015-11-24 | 2016-02-24 | 北京环境特性研究所 | 一种基于isar图像的空间目标姿态反演方法 |
RU2597148C1 (ru) * | 2015-03-20 | 2016-09-10 | федеральное государственное бюджетное образовательное учреждение высшего образования "Российский государственный гидрометеорологический университет" | Способ измерения векторного поля скорости океанских и речных течений в космическом рса |
CN108287334A (zh) * | 2018-02-06 | 2018-07-17 | 西安四方星途测控技术有限公司 | 一种基于rcs测量数据的自旋卫星姿态估计方法及系统 |
CN108469613A (zh) * | 2018-03-23 | 2018-08-31 | 中国人民解放军国防科技大学 | 一种空间目标isar序列成像数据快速自动选取方法 |
CN109241654A (zh) * | 2018-09-27 | 2019-01-18 | 北京环境特性研究所 | 基于角度耦合解算的大双站角覆盖目标姿态模拟方法 |
CN111208513A (zh) * | 2020-01-15 | 2020-05-29 | 西安电子科技大学 | 空间目标isar图像序列能量反向投影与三维重构方法 |
-
2021
- 2021-08-25 CN CN202110979155.4A patent/CN113670253B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0933649A (ja) * | 1995-07-21 | 1997-02-07 | Toshiba Corp | Isar画像目標識別処理装置 |
JP2004212187A (ja) * | 2002-12-27 | 2004-07-29 | Mitsubishi Electric Corp | 画像レーダ装置 |
CN102353945A (zh) * | 2011-03-31 | 2012-02-15 | 北京航空航天大学 | 基于isar像序列的散射点三维位置重构方法 |
US20140156219A1 (en) * | 2011-06-24 | 2014-06-05 | Trimble Navigation Limited | Determining tilt angle and tilt direction using image processing |
CN103256920A (zh) * | 2012-02-15 | 2013-08-21 | 天宝导航有限公司 | 利用图像处理测定倾斜角和倾斜方向 |
RU2597148C1 (ru) * | 2015-03-20 | 2016-09-10 | федеральное государственное бюджетное образовательное учреждение высшего образования "Российский государственный гидрометеорологический университет" | Способ измерения векторного поля скорости океанских и речных течений в космическом рса |
CN105353376A (zh) * | 2015-11-24 | 2016-02-24 | 北京环境特性研究所 | 一种基于isar图像的空间目标姿态反演方法 |
CN108287334A (zh) * | 2018-02-06 | 2018-07-17 | 西安四方星途测控技术有限公司 | 一种基于rcs测量数据的自旋卫星姿态估计方法及系统 |
CN108469613A (zh) * | 2018-03-23 | 2018-08-31 | 中国人民解放军国防科技大学 | 一种空间目标isar序列成像数据快速自动选取方法 |
CN109241654A (zh) * | 2018-09-27 | 2019-01-18 | 北京环境特性研究所 | 基于角度耦合解算的大双站角覆盖目标姿态模拟方法 |
CN111208513A (zh) * | 2020-01-15 | 2020-05-29 | 西安电子科技大学 | 空间目标isar图像序列能量反向投影与三维重构方法 |
Non-Patent Citations (5)
Title |
---|
LI, WENCHEN等: "Rotational parameters estimation of maneuvering target in ISAR imaging" * |
ZHOU, YEJIAN等: "Dynamic Analysis of Spin Satellites Through the Quadratic Phase Estimation in Multiple-Station Radar Images" * |
朱玉鹏等: "基于最大变差范数准则的ISAR自聚焦方法" * |
邢孟道: "基于实测数据的雷达成像方法研究" * |
霍超颖等: "基于雷达图像特征的空间目标载荷指向估计方法" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114660606A (zh) * | 2022-05-19 | 2022-06-24 | 西安电子科技大学 | 低信噪比isar图像序列匹配搜索的空间目标姿态反演方法 |
CN114660606B (zh) * | 2022-05-19 | 2022-09-09 | 西安电子科技大学 | 低信噪比isar图像序列匹配搜索的空间目标姿态反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113670253B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108335353B (zh) | 动态场景的三维重建方法、装置和系统、服务器、介质 | |
US10438408B2 (en) | Resolution adaptive mesh for performing 3-D metrology of an object | |
Sharma | Comparative assessment of techniques for initial pose estimation using monocular vision | |
CN112085844B (zh) | 面向野外未知环境的无人机影像快速三维重建方法 | |
Jiang et al. | Efficient structure from motion for oblique UAV images based on maximal spanning tree expansion | |
CN106952338B (zh) | 基于深度学习的三维重建的方法、系统及可读存储介质 | |
EP2573734B1 (en) | Systems and methods for evaluating plane similarity | |
KR102526542B1 (ko) | 지오아크를 이용한 2차원 운송수단 국소화 | |
CN113048980B (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
Taylor et al. | Automatic calibration of multi-modal sensor systems using a gradient orientation measure | |
Sveier et al. | Object detection in point clouds using conformal geometric algebra | |
CN115457492A (zh) | 目标检测方法、装置、计算机设备及存储介质 | |
JP2018072316A (ja) | ジオアーク(geoarc)を使用したビークルの二次元位置の特定 | |
Mehralian et al. | EKFPnP: extended Kalman filter for camera pose estimation in a sequence of images | |
Bu et al. | Semi-direct tracking and mapping with RGB-D camera for MAV | |
Han et al. | DiLO: Direct light detection and ranging odometry based on spherical range images for autonomous driving | |
CN112219225A (zh) | 定位方法、系统及可移动平台 | |
CN115081195A (zh) | 一种激光雷达仿真的方法、装置、电子设备及存储介质 | |
CN113670253A (zh) | 空间目标姿态反演方法、装置、计算设备及存储介质 | |
CN113822996A (zh) | 机器人的位姿估计方法及装置、电子设备、存储介质 | |
CN115239899B (zh) | 位姿图生成方法、高精地图生成方法和装置 | |
Goshin et al. | Parallel implementation of the multi-view image segmentation algorithm using the Hough transform | |
Bulyshev et al. | A super-resolution algorithm for enhancement of FLASH LIDAR data | |
Singhirunnusorn et al. | Single‐camera pose estimation using mirage | |
Mueller et al. | Combination of wide baseline image matching and tracking for autonomous uav approaches to a window |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |