従来の単眼姿勢推定アルゴリズムは、畳み込みネットワークを用いて画像中の複数のキーポイントを検出し、その後2D-3D対応技術に基づいて対象の姿勢を推定します。しかし、衛星上のキーポイントは散在しており、畳み込みネットワークは受容野が限られているため、キーポイントの位置精度が低く、その後の姿勢推定の精度に影響を及ぼします。さらに、従来のプロセスではキーポイント位置と対象のマスクの手動ラベル付けが必要であり、ラベリングのコストが高くなります。この受容野制限の問題を解決するために、畳み込みネットワークに自己注意機構を導入し、グローバルなモデリング能力を持たせ、キーポイントの位置精度を向上させました。従来の方法で多大な手動ラベル付けが必要な問題を改善するために、空間彫刻により対象の点群を再構築し、その点群をピクセル平面に再投影することで、必要なラベルを自動で取得し、手動ラベリングの工程を省略し、アルゴリズムの実用性を向上させました。実験結果は以下の通りです。提案手法はSPEEDデータセットで検証され、キーポイント位置の精度は92%、姿勢の並進誤差は0.236%、姿勢の回転誤差は9.86×10^-3ラジアンであり、アルゴリズムの複雑さを簡素化しつつ精度を向上させました。宇宙船間の相対姿勢推定に効果的に適用可能です。

コンピュータビジョン;姿勢推定;キーポイント検出;自己注意;空間彫刻