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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于掩码自蒸馏域适应的跨域航天器位姿估计方法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：CN121120776B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511249227.4，技术领域涉及：G06T7/73；该发明授权一种基于掩码自蒸馏域适应的跨域航天器位姿估计方法是由冯淑倩;刘晓坤;王桐;金东焱;崔文超;邱剑彬设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本一种基于掩码自蒸馏域适应的跨域航天器位姿估计方法在说明书摘要公布了：本发明属于航天器位姿估计技术领域，具体涉及一种基于掩码自蒸馏域适应的跨域航天器位姿估计方法，步骤一：输入完整图像，采用FasterR‑CNN算法定位航天器边界框；应用轨道环境数据增强策略提升模型鲁棒性；基于检测框提取目标ROI区域作为关键点回归网络输入。步骤二：划分源域与目标域ROI数据；优化热图监督损失学习关键点定位知识。步骤三：随机掩码增强目标域数据输入学生模型；原始目标域数据输入教师模型；构建可学习共享原型空间，通过热图一致性损失和语义一致性损失引导自蒸馏。步骤四：联合优化关键点回归网络三损失，实现源域标注知识向目标域的渐进迁移。步骤五：通过EPnP求解航天器相对相机的6D位姿。本发明实现对目标航天器鲁棒的六自由度位姿估计。

本发明授权一种基于掩码自蒸馏域适应的跨域航天器位姿估计方法在权利要求书中公布了：1.一种基于掩码自蒸馏域适应的跨域航天器位姿估计方法，其特征在于：包括以下步骤： 步骤一：基于完整图像输入，利用FasterR-CNN目标检测算法定位并获取目标航天器的边界框；在训练阶段，采用针对航天器真实轨道环境特性设计的数据增强策略训练检测网络，根据检测到的边界框，提取图像中对应的目标航天器感兴趣区域ROI，作为后续关键点回归网络的输入数据； 步骤二：将步骤一获得的ROI输入数据划分为标记的源域数据和未标记的目标域数据，保持相位谱不变，利用混合后的幅度谱与原相位谱重建图像，得到增强后的混合域数据；基于预训练ViT模型构建结构相同的教师模型和学生模型；将增强后的、标记的源域数据输入学生模型，通过计算预测热图与其真实标注之间的源域监督热图损失，对学生模型进行微调； 所述步骤二中： 一个图像的傅里叶变换： ； 其中和分别表示空间域坐标和频率域坐标；将上式表达成复数形式： ； 其中幅度谱和相位谱的公式为： ； 随机选取两个域中的图像和，使用比例因子混合两个域的幅度谱得到混合幅度谱： ； 组合图像原先的相位谱与混合幅度谱，经过傅里叶反变换后得到增强后的源域图像和目标域图像；除了频谱混合增强外，源域数据的增强策略还包括简单的直方图均衡化和随机擦除； 在源域上使用非对称的编码器和解码器训练；模型处理经目标检测裁剪的输入图像，编码器实现输入图像到高阶语义特征的映射；解码器输出多通道热图张量；真值热图通过在关键点坐标处施加标准差的二维高斯核生成；定义源域热图损失函数： ； 通过非极大值抑制提取各关键点的最大响应位置作为二维检测结果，将2d-3d对应关系转换到原始图像中，进而基于EPnP算法和RANSAC算法求解最优位姿参数； 步骤三：将增强后的、未标记的目标域数据经随机掩码处理，然后输入学生模型进行预测，将原始未经过增强的、未标记的目标域数据输入教师模型进行预测；利用自蒸馏机制，通过最小化师生模型预测热图一致性损失，引导学生模型学习局部判别特征及其空间上下文关联信息；同时，通过引入一组可优化的共享原型向量，分别引导师生模型提取的特征向这些原型靠近，实现语义一致性匹配； 步骤四：联合优化三个损失函数；三个损失函数分别是：源域监督热图损失、目标域掩码热图一致性损失、跨域语义一致性损失，共同指导关键点回归网络的训练过程；在训练过程中，利用指数移动平均策略更新教师模型的参数；教师模型对完整目标域图像进行预测，所获得的鲁棒表征能够为目标域生成更准确的伪标签，实现源域标注知识向目标域的渐进迁移； 步骤五：基于已知的航天器3D关键点模型和步骤四预测得到的2D图像关键点，建立3D-2D点对应关系；通过透视N点算法，求解航天器相对于相机坐标系的6D位姿；6D位姿包括3D位置和3D姿态。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。