基于深度学习的非合作目标关键点检测及匹配方法OA北大核心CSTPCD
针对非合作目标相对位姿测量任务中特征点检测及双目匹配环节易受环境干扰、鲁棒性弱的问题,提出一种更具实用价值的方法。首先,将具有代表性的某型号卫星模型视为非合作目标实验对象,并针对其结构特点开发了关键点标注软件,以生成数据集并用于深度卷积神经网络(DCNN)模型的训练;之后使用不同算法对DCNN模型输出的两类信息进行分析,完成关键点检测;最后通过对识别对象进行双目匹配,从而间接完成关键点双目匹配。将该方法应用到自主搭建的系统平台,并与传统算法进行对比,结果表明,该算法可在实际应用环境中完成非合作目标的关键点检测及其双目匹配,并具有较强的鲁棒性,为非合作目标相对位姿测量任务的关键环节提供了一种新思路。
宋佳秋;朱浩然;刘福才;
燕山大学工程训练中心,秦皇岛066004 燕山大学智能控制系统与智能装备教育部工程研究中心,秦皇岛066004燕山大学智能控制系统与智能装备教育部工程研究中心,秦皇岛066004
计算机与自动化
非合作目标相对位姿测量深度学习关键点检测双目立体视觉
《高技术通讯》 2024 (008)
P.832-841 / 10
河北省自然科学基金(F2022203043);载人航天领域预研(2016040301);省级重点实验室绩效补助经费(22567612H)资助项目。
评论