科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了满足空间任务实施过程中对航天器部件的精细定位需求,针对相同类别部件易出现的混淆问题,本文提出了一种基于孪生网络结构的航天器部件追踪算法。首先通过神经网络模型将航天器部件追踪问题描述为基于数据驱动的航天器部件相似性度量问题,以改进AlexNet网络结构为孪生单元设计本文所用孪生网络模型。其次,使用公开大型数据集GOT-10k训练孪生网络,以随机梯度下降作为网络优化方法,提升网络表征能力。最后针对航天器同类部件外观相似造成的定位混淆问题,提出一种结合运动时序特征的追踪策略,提高了追踪精度。以ESA公开的航天器视频数据作为测试数据,验证所提出算法性能,实验结果表明:本文所提出算法在未使用航天器相关数据训练的条件下,在舱体与太阳能帆板追踪结果交并比达到57.2%与73.1%,速度达到38 FPS,基本满足航天器部件追踪稳定可靠、精度高、抗干扰能力强等要求。
-
单位中国科学院大学; 中国科学院空间应用工程与技术中心
