摘要
本发明涉及空间航天器位姿估计方法,具体涉及一种基于高分辨率网络的轻量化空间航天器位姿估计方法,解决了现有空间航天器位姿估计方法中关键点回归难以同时满足精度和效率要求的技术问题。本发明中关键点回归模型基于高分辨率网络,在特征提取过程中采用深度可分离卷积,大幅减少了参数量和计算量,同时结合混合注意力机制,不仅在特征提取上保留了较高的表达能力,还进一步提高了轻量化程度,实现了精度和效率的平衡;在特征融合过程中采用空洞卷积扩大感受野,能够捕获图像中的全局信息,更准确地推断被遮挡关键点的像素位置,再结合混合注意力机制聚焦于关键的局部和全局特征,进一步提升特征表示的有效性,提高关键点回归精度。
技术关键词
空间航天器
关键点
位姿估计方法
深度卷积特征
分支
坐标
注意力机制
图像
加权特征
特征提取模块
粒子群优化算法
融合特征
网络
卷积模块
通道
信息校准
数据
标签
系统为您推荐了相关专利信息
饮食推荐方法
肝硬化患者
深度强化学习
蒙特卡洛树搜索
在线增量学习
面部微表情
面部关键点
面部特征
深度学习模型
采集设备
动作识别方法
图像分类模型
阶段
置信度阈值
计算机执行指令