DMANet:针对空间非合作目标位姿估计的密集多尺度注意力网络

利用单目相机对空间非合作目标进行准确的姿态估计对于空间碎片清除、自主交会和其他在轨服务至关重要。然而,单目姿态估计方法缺乏深度信息,导致尺度不确定性问题,大大降低了其精度和实时性。本文首先提出了一种多尺度注意块(Multi-scale attention block, MAB),从输入图像中提取复杂的高维语义特征。其次,基于MAB模块,提出了空间非合作目标6自由度位姿估计的密集多尺度注意网络(Dense multi-scale attention network, DMANet),该网络由平面位置估计、深度位置估计和姿态估计3个分支组成,通过引入基于欧拉角的软分类方法,将位姿回归问题表述为经典分类问题。此外,设计了空间非合作目标模型,并利用Coppeliasim构建了姿态估计数据集。最后,与其他最先进的方法相比,在SPEED+、URSO数据集和本文数据集上全面评估了所提出的方法。实验结果表明,该方法具有较好的姿态估计精度。

双目标无线回传拓扑整数规划模型及算法

在实际的Relay部署中,站点的布局及连接受成本、距离、回传质量等多种因素的限制,给站点的拓扑规划带来了挑战。针对通信基站的布局规划问题,建立了成本和路损最小的双目标整数规划模型,并基于K-means聚类算法和Prim算法设计了求解该NP难题的启发式算法。仿真结果表明,该模型和算法可以有效解决无线回传拓扑中的站点规划问题,在降低算法复杂度的同时具有较好的适用性和有效性。