上海科技大学知识管理系统

针对空间在轨服务等任务中的非合作目标部件的检测问题，因缺乏大规模的带标签数据，提出了一种基于无监督学习的空间非合作目标部件检测算法。具体地，该算法首先利用基于文本提示的生成式模型生成类别可知的空间非合作目标的典型部件；然后，将部件进行结构拼接组成完整卫星模型；最后，随机化卫星的位置与姿态，模拟其与观测星的相对状态，并基于光线投影模拟点云的遮挡效果，生成逼近深度相机实际采集的非完整点云数据及伪标签。利用这些生成的类别可知的伪标签进行训练，并在开源卫星点云数据上进行测试。实验结果表明，本文提出的方法在无监督条件下达到了42.88类别平均精度（mAP），相比基于类别不可知的聚类的无监督方法提高了9.18，验证了其在空间目标检测领域的有效性与潜力。