基于点云深度学习的对称结构空间目标相对位姿测量

摘要：

针对对称结构空间目标相对位姿解算过程中点云误匹配带来的误差问题,提出一种基于点云深度学习的对称结构空间目标相对位姿测量方法.首先设计空间目标点云特征提取网络及关键点回归网络,将位姿测量问题转换为空间目标点云关键点回归问题,通过两个并行的回归网络分别输出空间目标平移向量和具有固定标签的目标点云三维边界框角点;其次利用具有连续稳定标签的角点求解目标姿态,可有效解决目标的对称结构导致的点云误配准问题;最后通过仿真数据集的实验表明,该方法相比于传统的点云配准方法有更高的准确率,能够精确求解具有对称结构的空间目标相对位姿.

关键词：空间目标点云、特征提取网络、回归网络、三维边界框角点、位姿测量

所属期刊栏目：44

分类号：V448.22+4(航天仪表、航天器设备、航天器制导与控制)

资助基金：中央高校基本科研业务费专项;基础加强计划;国家自然科学基金

在线出版日期：2023-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：294-302