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！

龙图腾网获悉上海宇航系统工程研究所;复旦大学申请的专利一种基于深度学习的空间目标自适应位姿估计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：CN119515973B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411544097.2，技术领域涉及：G06T7/73；该发明授权一种基于深度学习的空间目标自适应位姿估计系统是由彭立章;肖余之;李江道;靳永强;靳宗向;张文强;唐生勇;赵真;程云龙;金荣璐;蒋成福;梁起豪设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于深度学习的空间目标自适应位姿估计系统在说明书摘要公布了：本发明公开了一种基于深度学习的空间目标自适应位姿估计系统。主要包括空间非合作目标数据集单元、图像预处理单元、深度学习网络模型单元、模型跨域自适应单元和非合作目标高精度位姿估计单元。本发明将3D卫星模型通过渲染后获得图像数据集，通过去噪、数据增强、校正与配准等技术进行图像预处理，利用深度学习构建高鲁棒性的位姿估计模型，同时将模型参数进行跨域自适应优化，从而实现了跨域自适应的非合作目标位姿估计。本发明同时公开了空间非合作目标位姿估计的实现方法，经济、高效地实现了空间非合作目标的高精度位姿估计，为我国在空间自适应非合作目标位姿估计领域做出了巨大贡献。

本发明授权一种基于深度学习的空间目标自适应位姿估计系统在权利要求书中公布了：1.一种基于深度学习的空间目标自适应位姿估计系统，其特征在于包括：空间目标数据集单元、图像预处理单元、深度学习网络模型单元、模型跨域自适应单元和高精度位姿估计单元，其中： 空间目标数据集单元根据真实的材质和环境渲染卫星三维模型，并依据卫星三维模型生成原始图像数据集，并将其分为训练集、验证集和测试集； 图像预处理单元对接收到的原始图像数据集进行图像预处理，得到预处理图像； 深度学习网络模型单元确定网络模型，利用接收的预处理图像结合模型跨域自适应单元对网络模型进行训练，共同生成初步的域自适应关键点位置估计网络模型；使用验证集数据对生成的初步的域自适应关键点位置估计网络模型进行验证，生成关键点位置估计网络模型； 模型跨域自适应单元参与深度学习网络模型单元对网络模型的训练，并对关键点位置估计网络模型进行测试，在测试过程中对该深度学习网络模型进一步优化，生成最终的跨域自适应关键点位置估计网络模型； 高精度位姿估计单元接收深度学习网络模型单元验证过程中输出的关键点坐标，根据每个关键点坐标对应的四元数和平移矩阵计算该点对应的三维坐标，结合PnP方法计算目标的位姿，并判断位姿估计的精度； 生成最终的跨域自适应关键点位置估计网络模型后，向最终的跨域自适应关键点位置估计网络模型输入空间图像序列，得到每张序列图像的跨域自适应位姿估计结果； 深度学习网络模型单元生成关键点位置估计网络模型的方法为：在训练集上训练网络模型，其中网络模型使用Hourglass网络模型；训练过程中使用Hourglass网络模型提取关键点特征，具体包括前向传播和反向传播两个阶段：将BPnP算法加入到反向传播过程中，不断地迭代前向传播和反向传播过程，使用Adam优化算法动态地调整Hourglass网络模型的权重和超参数；与此同时，模型跨域自适应单元进一步调整Hourglass网络模型的权重和超参数，模型跨域自适应单元和深度学习网络模型单元共同生成初步的域自适应关键点位置估计网络模型； 模型跨域自适应单元进一步调整Hourglass网络模型的权重和超参数时，两个单元共同生成初步的域自适应关键点位置估计网络模型，具体过程为：在深度学习网络模型单元的训练过程中得到调整后的Hourglass网络模型的权重和超参数时，模型跨域自适应单元通过伪标签迭代的方法进一步调整Hourglass网络模型的权重和超参数，生成和微调新的伪标签，迭代完成之后，与深度学习网络模型单元共同生成初步的域自适应关键点位置估计网络模型； 模型跨域自适应单元对关键点位置估计网络模型进行测试，在测试过程中对该深度学习网络模型进一步优化，生成最终的跨域自适应关键点位置估计网络模型的方法具体为：在测试过程中，加载深度学习网络模型单元中通过验证集生成的关键点位置估计网络模型，采用ODR方法，只对归一化层的参数进行优化，继续不断迭代训练，优化批归一化层参数，生成最终的跨域自适应关键点位置估计网络模型。

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上海宇航系统工程研究所;复旦大学，其通讯地址为：201108 上海市闵行区金都路3805号；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”。

以上内容由龙图腾AI智能生成。