买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深空探测实验室(天都实验室)申请的专利一种人造卫星位姿估计方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118196197B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410376715.0，技术领域涉及：G06T7/73；该发明授权一种人造卫星位姿估计方法及系统是由丁运来;林笑;程骞;潘晓扬;杜易;范项媛;王鑫;张兴华设计研发完成，并于2024-03-29向国家知识产权局提交的专利申请。

本一种人造卫星位姿估计方法及系统在说明书摘要公布了：本发明公开了一种人造卫星位姿估计方法及系统，涉及人工智能技术领域，包括以下步骤：随机采样多组人造卫星位姿序列，在人造卫星3D模型上预先定义关键点，对人造卫星位姿序列进行模拟渲染，得到带标签的数据集；将带标签的数据集输入至特征提取网络模型内，得到多尺度图像特征图；对多尺度图像特征图进行语义分割，得前景掩码图像，对于前景掩码图像的每个前景像素进行关键点偏移向量预测，得到关键点偏移向量场；使用RANSAC算法处理关键点偏移向量场从而寻找关键点2D坐标的最佳估计，得到人造卫星关键点的像素坐标，使用PnP算法对人造卫星关键点的像素坐标和对应在3D模型上的坐标进行拟合，得到目标人造卫星相对于相机的位姿。

本发明授权一种人造卫星位姿估计方法及系统在权利要求书中公布了：1.一种人造卫星位姿估计方法，其特征在于，方法包括以下步骤： 随机采样多组人造卫星位姿序列，在人造卫星3D模型上预先定义一组关键点，利用人造卫星3D模型对人造卫星位姿序列进行模拟渲染，得到带标签的数据集； 所述对人造卫星位姿序列进行模拟渲染通过3dMax在模拟的太空环境中渲染RGB图像序列{Ii}，从而获取带标签的数据集{Ii,Ri,Ti}；其中，表示物体在i时刻的旋转矩阵，表示物体在i时刻的平移向量； 将带标签的数据集输入至预先建立的特征提取网络模型内，提取图像的多尺度特征，输出得到多尺度图像特征图； 所述预先建立的特征提取网络模型采用UNet++，所述UNet++的公式如下： embedding＝encoderI,f＝multi-scale-decoderembedding, 其中，为输入图像，为网络中编码以及下采样后的特征，为图像经过multi-scale-decoder和上采样后获取的特征图； 所述将带标签的数据集输入至预先建立的特征提取网络模型内，提取图像的多尺度特征，输出得到多尺度图像特征图的过程： 利用多尺度金字塔的结构提取图像的多尺度特征，并引入残差连接，加入空洞卷积，通过在卷积核之间引入空洞增加感受野，而不引入额外的参数，使得网络更好地捕捉不同大小的人造卫星特征，最终输出多尺度图像特征图为 对多尺度图像特征图进行语义分割，得到前景掩码图像，对于前景掩码图像的每个前景像素进行关键点偏移向量预测，得到关键点偏移向量场； 所述对多尺度图像特征图进行语义分割：通过语义分割头进行分类得到前景掩码图像对于每个前景像素[px,py]，关键点偏移向量场预测头通过网络预测一个二维的偏移向量[Δx,Δy]，其含义代表预先定义的第i个关键点的2D坐标为[px+Δx,py+Δy]，假设预先在人造卫星模型上定义的关键点坐标有K个，对于每个前景像素就会产生K个偏移向量的预测，最终所有前景像素的预测输出为作为关键点偏移向量场； 使用RANSAC算法处理关键点偏移向量场从而寻找关键点2D坐标的最佳估计，得到人造卫星关键点的像素坐标，使用PnP算法对人造卫星关键点的像素坐标和对应在3D模型上的坐标进行拟合，得到目标人造卫星相对于相机的位姿； 所述使用PnP算法对人造卫星关键点的像素坐标求解，得到目标人造卫星相对于相机的位姿的过程： 通过将人造卫星关键点的3D坐标通过位姿变化到相机坐标系后，再利用相机内参与估计的人造卫星关键点2D坐标进行对比，通过优化以下重投影误差来获取最终的3D旋转R和3D平移T： 其中，k为相机内参，和分别为检测到的关键点的3D坐标和2D像素坐标，R,T为待优化的旋转和平移参数，R*,T*为所求的能够使得重投影误差最小的最优估计。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深空探测实验室(天都实验室)，其通讯地址为：230088 安徽省合肥市高新区创新产业园三期A1栋10-13楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。