基于Transformer模型的卫星单目位姿估计方法

鉴于测量精度高、设备成本低等优点，基于单目图像的卫星位姿估计方法在交会对接、空间攻防等应用中具有广泛前景。得益于强大的特征提取与表达能力，卷积神经网络在目标单目位姿估计应用中取得了明显优于传统方法的性能表现，但已有基于卷积神经网络的方法存在诸如归纳偏置、绝对距离描述不直接、长距离建模能力不足等问题。聚焦卫星单目位姿估计应用需求，针对以上问题，创新地将Transformer模型应用于卫星目标位姿估计中，提出了一种新颖的端到端卫星单目位姿估计方法。首先，设计了一种基于关键点集合的卫星目标表示方法，并构建了基于该表示方法的损失函数，进一步，结合关键点回归任务特点，设计了端到端的关键点回归网络模型，并改进了用于特征提取的主干网络结构。在公开数据集上实验测试结果表明：本文方法实现了可靠、高效的卫星目标单目位姿估计，并取得了优于已有同类方法的性能。