基于深度学习的空间多目标识别方法研究

论文摘要

随着智能感知技术、目标识别技术的快速发展,以卫星为主要代表的太空飞行器已成为各国太空攻防出奇制胜的重要军事资源。精确识别卫星的类型,并精确定位卫星的帆板、喷管、星敏感器等部件是实施太空攻防和在轨维护的重要前提及保障技术。利用基于深度学习的卷积神经网络YOLO模型对空间卫星及其部件进行识别,对两种卫星模型的三维模型及实物模型图片集进行训练,对近距离正视、远距离、遮挡、运动模糊等不同条件下的卫星及卫星部件进行识别,几种情况下卫星及卫星部件的识别准确率均达到了90%以上,对在轨服务、太空攻防对抗等领域有重要意义。

论文目录

• 1 引言
• 2 空间目标特性
• 3 智能识别体系架构
•   3.1 空间多目标识别流程
•   3.2 网络模型设计
•   3.3 误差函数设计
• 4 实验测试与结果
•   4.1 网络模型参数设置
•   4.2 目标数据集
•   4.3 目标训练
•   4.4 识别结果
• 5 结束语

文章来源

类型: 期刊论文

作者: 王柳

关键词: 深度学习,空间多目标,模型,目标识别,卫星部件

来源: 无人系统技术 2019年03期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 武器工业与军事技术,计算机软件及计算机应用,自动化技术

单位: 哈尔滨工业大学智能感知与自主规划实验室

基金: 国家自然科学基金（11672093）

分类号: TP18;TP391.41;E926.4

页码: 49-55

总页数: 7

文件大小: 1832K

下载量: 234