关键词:
位姿测量
单目视觉
轻量化
深度学习
语义关键点
摘要:
非合作目标位姿单目测量是未来太空任务的关键技术之一,基于深度神经网络的方法已取得优于传统方法的位姿测量精度。然而,由于在轨条件计算资源受限,已有方法使用的神经网络参数量大、计算复杂度高,不能满足在轨实时测量的需求。当模型参数减小时,神经网络的特征提取表达能力下降,导致位姿测量精度降低,因此通过轻量化神经网络实现高精度位姿测量是一个亟待解决的难题。为此,采用基于语义关键点的技术路线,提出了一种基于轻量化神经网络的非合作目标位姿测量方法。首先设计用于热力图回归的轻量级神经网络,其参数量仅为1.1×10^(6)。然后,为提升语义关键点定位和位姿测量的精度,提出一种基于亚像素解码的语义关键点定位方法,同时实现了端到端监督。最后,提出辅助层监督训练方法,以进一步提升语义关键点定位精度。在公开数据集上的实验表明,所提方法在参数量小于10^(7)的轻量化模型中,以最少的参数量实现了最高的位姿测量精度。在嵌入式开发板上的实验表明,所提方法在10W和30W的功率模式下,分别达到5Hz和11Hz的测量频率。