非合作目標關鍵載荷辨識與相對位姿解算方法研究
發(fā)布時間:2021-03-24 15:05
隨著空間探測、空間攻防等領域在國內的興起,空間服務航天器對目標航天器的觀測與在軌服務等相關技術得到重視,而對非合作目標所攜帶載荷的辨識,與非合作目標相對位姿測量,將成為非合作目標相對導航與成功接管的重要基礎。因此,本文就空間非合作目標關鍵載荷辨識與相對位姿解算方法進行研究,搭建了基于多層全連接神經網絡的空間非合作目標關鍵載荷辨識框架,驗證了點云ICP算法,并針對ICP誤匹配與局部最優(yōu)問題對傳統(tǒng)ICP算法進行改進。針對基于神經網絡的圖像分類辨識任務,對現(xiàn)有方案進行調研,深入研究多層全連接神經網絡與卷積神經網絡結構,結合圖像分類辨識任務分析其網絡結構與參數(shù)設定。搭建多層全連接神經網絡,使用現(xiàn)有圖像數(shù)據(jù)集完成網絡調整與訓練,并使用測試集對訓練結果進行測試。結合非合作目標關鍵載荷識別任務,提出了關鍵載荷圖像素材尺寸壓縮與灰度化的圖像處理方案,進而完成圖像數(shù)據(jù)集構建框架,并搭建用于非合作目標關鍵載荷分類辨識的多層全連接神經網絡。結合基于點云的空間非合作目標相對位姿解算課題需求,需構建其外輪廓點云模型;赟olidworks繪制某通訊衛(wèi)星物理模型,轉為URDF文件后進入Gazebo物理仿真環(huán)境并...
【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數(shù)】:75 頁
【學位級別】:碩士
【部分圖文】:
圖像素材尺寸壓縮結果示例1
取的某關鍵載荷圖像為例,壓縮后圖片素材像素寬度 d 定為 50,圖像壓縮結果如圖 3-3、圖 3-4 所示(為展示大小關系,展示程序輸出截屏): 圖 3-3 圖像素材尺寸壓縮結果示例 1
OpenCV庫進行圖片讀入,圖像數(shù)據(jù)存儲為cv::Mat類型格式,圖像標簽存儲為int類型格式,進而建立cv::Mat類容器與int類容器對全部圖像內容及隸屬標簽進行存儲,最終調用fstream頭文件中包含的ofstream類,使用文件建立函數(shù)open(·)按照預設命名生成圖像數(shù)據(jù)存儲文件與標簽數(shù)據(jù)存儲文件,設定輸出格式為ios::binary二進制格式,分別輸出圖像數(shù)據(jù)與標簽數(shù)據(jù)并存儲與對應文件中。將訓練集、測試集圖像分別存儲,并按上述流程進行命名后,運行程序對訓練集、測試集的圖像數(shù)據(jù)與標簽數(shù)據(jù)進行二進制打包輸出。程序輸出結果如下:圖3-7二進制文件輸出結果其中,四個文件類型均為二進制文件,文件命名均與文件格式無關。為與手寫MNIST數(shù)據(jù)集格式盡可能保持一致以減少后續(xù)對多層全連接神經網絡訓練程序的修改,命名規(guī)則保持為:包含“t10k”字樣文件為測試用數(shù)據(jù)集,包含“train”字樣文件為訓練用數(shù)據(jù)集,“image”與“l(fā)abel”分別存儲圖像數(shù)據(jù)與標簽數(shù)據(jù),“idx”表示二進制數(shù)維度,圖像數(shù)據(jù)為三維(單張像素行數(shù)×單張像素列數(shù)×圖像數(shù)),標簽數(shù)據(jù)為一維(圖像數(shù))。
【參考文獻】:
期刊論文
[1]空間非合作目標物柔性捕獲技術進展[J]. 郭吉豐,王班,譚春林,劉永健,孫國鵬. 宇航學報. 2020(02)
[2]航天器姿態(tài)預設性能控制方法綜述[J]. 魏才盛,羅建軍,殷澤陽. 宇航學報. 2019(10)
[3]基于雙目視覺的非合作目標自主姿態(tài)估計方法[J]. 胡啟陽,王大軼. 深空探測學報. 2019(04)
[4]基于雙目光學圖像信息的空間非合作目標自主相對導航方法[J]. 王大軼,張磊,朱衛(wèi)紅,史紀鑫,黃美麗,鄒元杰. 中國科學:物理學 力學 天文學. 2019(02)
[5]基于凸包的非合作目標視覺導航系統(tǒng)特征點選擇方法[J]. 寧明峰,張世杰,王詩強. 紅外與激光工程. 2019(03)
[6]行星車視覺導航與自主控制進展與展望[J]. 郭延寧,馮振,馬廣富,郭宇晴,張米令. 宇航學報. 2018(11)
[7]基于深度學習的高效電力部件識別[J]. 歐家祥,史文彬,張俊瑋,丁超. 電力大數(shù)據(jù). 2018(09)
[8]非合作目標超近距離光學相對導航方法及半物理仿真系統(tǒng)研究[J]. 彭楊,張翰墨,王兆龍,曹姝清,劉宗明,武海雷. 上海航天. 2017(06)
[9]高軌失穩(wěn)目標單載荷相對位姿測量方法[J]. 李榮華,李金明,陳鳳,肖余之. 宇航學報. 2017(10)
[10]復雜機電系統(tǒng)關鍵部件辨識方法及應用[J]. 林帥,賈利民,王艷輝,張冬雪. 系統(tǒng)工程理論與實踐. 2017(07)
博士論文
[1]空間非合作目標自主隨動跟蹤與控制研究[D]. 李元凱.上海交通大學 2010
[2]空間非合作目標飛行器在軌交會控制研究[D]. 張立佳.哈爾濱工業(yè)大學 2008
碩士論文
[1]基于卷積神經網絡與稀疏編碼的接觸網關鍵部件及異物檢測的研究[D]. 王佳祺.西南交通大學 2018
[2]動車底部部件異常辨識輔助分析管理系統(tǒng)設計[D]. 王鈺.大連交通大學 2017
[3]考慮機械臂柔性的非合作目標慣性參數(shù)辨識研究[D]. 舒巨.哈爾濱工業(yè)大學 2015
[4]空間非合作目標關鍵部件識別及自旋穩(wěn)定目標轉動參數(shù)測量方法研究[D]. 徐志強.國防科學技術大學 2014
本文編號:3097934
【文章來源】:哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數(shù)】:75 頁
【學位級別】:碩士
【部分圖文】:
圖像素材尺寸壓縮結果示例1
取的某關鍵載荷圖像為例,壓縮后圖片素材像素寬度 d 定為 50,圖像壓縮結果如圖 3-3、圖 3-4 所示(為展示大小關系,展示程序輸出截屏): 圖 3-3 圖像素材尺寸壓縮結果示例 1
OpenCV庫進行圖片讀入,圖像數(shù)據(jù)存儲為cv::Mat類型格式,圖像標簽存儲為int類型格式,進而建立cv::Mat類容器與int類容器對全部圖像內容及隸屬標簽進行存儲,最終調用fstream頭文件中包含的ofstream類,使用文件建立函數(shù)open(·)按照預設命名生成圖像數(shù)據(jù)存儲文件與標簽數(shù)據(jù)存儲文件,設定輸出格式為ios::binary二進制格式,分別輸出圖像數(shù)據(jù)與標簽數(shù)據(jù)并存儲與對應文件中。將訓練集、測試集圖像分別存儲,并按上述流程進行命名后,運行程序對訓練集、測試集的圖像數(shù)據(jù)與標簽數(shù)據(jù)進行二進制打包輸出。程序輸出結果如下:圖3-7二進制文件輸出結果其中,四個文件類型均為二進制文件,文件命名均與文件格式無關。為與手寫MNIST數(shù)據(jù)集格式盡可能保持一致以減少后續(xù)對多層全連接神經網絡訓練程序的修改,命名規(guī)則保持為:包含“t10k”字樣文件為測試用數(shù)據(jù)集,包含“train”字樣文件為訓練用數(shù)據(jù)集,“image”與“l(fā)abel”分別存儲圖像數(shù)據(jù)與標簽數(shù)據(jù),“idx”表示二進制數(shù)維度,圖像數(shù)據(jù)為三維(單張像素行數(shù)×單張像素列數(shù)×圖像數(shù)),標簽數(shù)據(jù)為一維(圖像數(shù))。
【參考文獻】:
期刊論文
[1]空間非合作目標物柔性捕獲技術進展[J]. 郭吉豐,王班,譚春林,劉永健,孫國鵬. 宇航學報. 2020(02)
[2]航天器姿態(tài)預設性能控制方法綜述[J]. 魏才盛,羅建軍,殷澤陽. 宇航學報. 2019(10)
[3]基于雙目視覺的非合作目標自主姿態(tài)估計方法[J]. 胡啟陽,王大軼. 深空探測學報. 2019(04)
[4]基于雙目光學圖像信息的空間非合作目標自主相對導航方法[J]. 王大軼,張磊,朱衛(wèi)紅,史紀鑫,黃美麗,鄒元杰. 中國科學:物理學 力學 天文學. 2019(02)
[5]基于凸包的非合作目標視覺導航系統(tǒng)特征點選擇方法[J]. 寧明峰,張世杰,王詩強. 紅外與激光工程. 2019(03)
[6]行星車視覺導航與自主控制進展與展望[J]. 郭延寧,馮振,馬廣富,郭宇晴,張米令. 宇航學報. 2018(11)
[7]基于深度學習的高效電力部件識別[J]. 歐家祥,史文彬,張俊瑋,丁超. 電力大數(shù)據(jù). 2018(09)
[8]非合作目標超近距離光學相對導航方法及半物理仿真系統(tǒng)研究[J]. 彭楊,張翰墨,王兆龍,曹姝清,劉宗明,武海雷. 上海航天. 2017(06)
[9]高軌失穩(wěn)目標單載荷相對位姿測量方法[J]. 李榮華,李金明,陳鳳,肖余之. 宇航學報. 2017(10)
[10]復雜機電系統(tǒng)關鍵部件辨識方法及應用[J]. 林帥,賈利民,王艷輝,張冬雪. 系統(tǒng)工程理論與實踐. 2017(07)
博士論文
[1]空間非合作目標自主隨動跟蹤與控制研究[D]. 李元凱.上海交通大學 2010
[2]空間非合作目標飛行器在軌交會控制研究[D]. 張立佳.哈爾濱工業(yè)大學 2008
碩士論文
[1]基于卷積神經網絡與稀疏編碼的接觸網關鍵部件及異物檢測的研究[D]. 王佳祺.西南交通大學 2018
[2]動車底部部件異常辨識輔助分析管理系統(tǒng)設計[D]. 王鈺.大連交通大學 2017
[3]考慮機械臂柔性的非合作目標慣性參數(shù)辨識研究[D]. 舒巨.哈爾濱工業(yè)大學 2015
[4]空間非合作目標關鍵部件識別及自旋穩(wěn)定目標轉動參數(shù)測量方法研究[D]. 徐志強.國防科學技術大學 2014
本文編號:3097934
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3097934.html
最近更新
教材專著