(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210568852.5 (22)申请日 2022.05.24 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 张凯　杨尧　何嘉　 (74)专利代理 机构 西安方诺专利代理事务所 (普通合伙) 61285 专利代理师 景丽娜 (51)Int.Cl. G01C 21/00(2006.01) G01S 17/89(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/73(2017.01) (54)发明名称 一种空间非合作目标姿态估计方法 (57)摘要 本发明公开了一种空间非合作目标姿态估 计方法， 包括以下步骤， S1： 获取空间非合作目标 的图像； S2： 基于误差椭圆与Hough变换， 从目标 图像中识别目标方向角信息； S3： 利用Hu的不变 矩进行目标姿态图像描述， 然后再利用模式分类 器进行俯仰角识别； S4： 基于步骤S2和步骤S3中 得到的目标方向角信息和目标机轴信息， 利用射 影集合方法重建目标的三维姿态。 本发明针对红 外导引头末制导阶段近距成像信息丰富的特点， 对制导信息挖掘技术开展研究， 采用图像模式识 别和计算机视觉的方法识别飞机目标姿态这一 新型制导信息， 对提高我国红外制导技术的智能 化水平和作战效能， 实现跨越式发展有重要意 义。 权利要求书2页 说明书11页 附图12页 CN 115031717 A 2022.09.09 CN 115031717 A 1.一种空间非合作目标姿态估计方法， 其特 征在于， 包括以下步骤， S1： 获取空间非合作目标的图像； S2： 基于误差椭圆与Hough变换， 从目标图像中识别目标 方向角信息； S3： 利用Hu的不变矩进行目标姿态图像描述， 然后再利用模式分类 器进行俯仰角识别； S4： 基于步骤S2和步骤S3中得到的目标方向角信息和俯仰角信息， 利用射影集合方法 重建目标的三维姿态。 2.根据权利要求1所述的一种空间非合作目标姿态估计方法， 其特征在于， 步骤S2的具 体操作包括以下步骤， S21： 将目标图像进行 滤波和分割预处 理， 得到二 值图像； S22： 利用形态学开 运算去掉二值图像中的小细线和毛刺； S23： 基于误差椭圆理论， 计算目标图像点阵分布， 获得误差椭圆的长短轴和对应角度； S24： 设计裁剪模板图像， 根据步骤S23中得到的误差椭圆两条主轴的角度 和 旋转 裁剪模板图像， 并与原始目标图像进行 “与”操作， 得到两幅仅由长短主轴附近像素构成的 细长条区域图像， 也即裁 剪图像； S25： 利用Hough变换 方法提取两幅裁 剪图像的主轴， 由此 得到最长的两条主轴； S26： 利用逻辑推理确认目标机 头所在的主轴， 输出目标机 头对应的方向角φ。 3.根据权利要求2所述的一种空间非合作目标姿态估计方法， 其特征在于， 步骤S26的 具体操作包括以下步骤， S261： 根据Hough变换方法得到的两条主轴， 确定两条主轴的四个端点与形心的距离， 记为{L1， L2， S1， S2}， 其中， {L1， L2}分别表示长轴线L对应的两端点与形心之间的距离， L1+L2 ＝L； {S1， S2}分别表示短轴线S对应的两端点与形心之间的距离， S1+S2＝S； S262： 若max{L1， L2， S1， S2}＝max{L1， L2}不成立， 则认为机头是在短轴上， max{S1， S2}对 应机头的位置； S263： 若max(L1， L2， S1， S2}＝max{L1， L2}成立， 且同时满足 则认为机头 是在短轴上， max{S1， S2}对应机头的位置； 式 中， th为长度许 可阈值； S263： 若max(L1， L2， S1， S2)＝max{L1， L2}成立， 但是 不成立， 则认为机头是 在长轴上， max{L1， L2}对应机头的位置 。 4.根据权利要求2所述的一种空间非合作目标姿态估计方法， 其特征在于， 步骤S3的具 体操作包括以下步骤， S31： 将红外成像获得的实时目标姿态图像经 过图像分割转 化为二值目标图像； S32： 在二值化目标图像中提取目标 区域中心矩向量， 求取Hu的七个不变矩或者计算目 标区域中心扩展的12维 RTS不变量； S33： 对步骤S32中计算得到的Hu矩向量进行归一 化处理； S34： 由不同姿态条件下得到的归一化Hu矩构 建训练数据集， 构建三或四层神经网络结 构， 用Levenberg ‑marquardt学习算法训练神经网络分类器， 采用Nguyen ‑Widrow算法初始 化网络权值和阈值；权　利　要　求　书 1/2 页 2 CN 115031717 A 2S35： 对步骤S33中得到的归一化Hu矩向量输入神经网络分类器， 利用BP或RBF神经网络 逼近能力拟合得 出飞机空间主轴与成像平面的夹角， 即俯仰角 θ 。 5.根据权利要求4所述的一种空间非合作目标姿态估计方法， 其特征在于， 步骤S4的具 体操作包括以下步骤， S41： 建立弹体坐标系MXYZ， 以及目标投影面坐标系oxyz， Mo为弹目连线， 利用CD表示空 间机轴， EF为对应目标横向机翼两端连线， 机轴在xoy平面内的投影为IJ， 目标机坐标系 为 TxTyTzT， zT为机身法向 向上， 假设翼端连线与yT轴重合， 并与XMZ平面的交点 为H； S42： 令qφ和qθ为导引头测量到的视线偏角和视线倾角， 定义目标机法向与平面CDM直接 的夹角为γ， 目标机法 向与平面AB O之间的夹角为γTM， 由此可确定目标机体相对于弹体坐 标系的方位角φTM、 高低角 θTM和滚转角γTM； S43： 通过成像系统获取目标机相对于图像坐标系的三个欧拉角， 即可得到目标机相对 于导弹的姿态； S44： 将目标机相对于导弹的姿态加上弹目距离R， 确定目标机相对于导弹的空间位姿； S45： 根据弹体坐标系相对于地面坐标系的旋转矩阵， 以及目标机相对于导弹的空间位 姿， 可推导出目标机相对于地 面坐标系的偏航、 俯仰和滚转角。权　利　要　求　书 2/2 页 3 CN 115031717 A 3