基于多尺度残差卷积神经网络的自准直角度测量方法

本发明公开了一种基于多尺度残差卷积神经网络的自准直角度测量方法，属于自准直角度测量技术领域。针对自准直成像光斑定位算法无法准确获取光斑特征进行光斑中心定位而造成的自准直角度测量精度低的问题。具体方法包括对采集的图像进行归一化操作；将归一化处理后的图像利用三种大小不同的卷积核提取光斑尺度特征；对三种尺度特征分别通过残差结构进行深度提取；将深度提取后的三种尺度特征合并为一个特征向量；对特征向量转化输出为光斑图像中心的二维坐标；将光斑中心二维坐标换算得到被测的二维角度数值后输出光斑图像对应的二维角度测量值。该方法采用不同的卷积核与残差模块深度提取多尺度特征，可提升自准直角度测量精度至0.04"量级。