视觉感知启发的面向出舱活动的物体识别技术研究

• 作者: 何双亮 周革强 张菊莉 贺占庄 马钟
• 来源期刊: 载人航天
• 学科: 工学
• 关键词: 出舱活动 视觉感知 物体识别 二值化赋范梯度 深度卷积神经网络
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 工程技术
• 页码范围: 41-47
• 页数: 7页
• 分类号: TP391.4
• 字数: 5196字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-5825.2018.01.007

摘要

为提高航天员出舱活动(EVA)的工效,提出了一种基于视觉感知启发的物体识别方法.首先对视觉观察到的一定区域内的图像进行采集,然后进行二值化赋范梯度的特征提取,并预测物体所在区域的矩形框,选取比该矩形框扩大一定范围的图像作为输入,传递给深度卷积神经网络CNN进行类别识别和精定位.在自建的数据集上进行测试验证,结果表明:该方法达到了88.2％的平均识别准确率,识别速率为0.047 s,可以满足舱外物体识别需求.该方法可为信息化、智能化的出舱活动任务提供参考,对提高出舱活动任务的工效具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺占庄		53	534	14.0	21.0
2	马钟		8	3	1.0	1.0
3	周革强		8	9	2.0	2.0
4	张菊莉		2	13	1.0	2.0
5	何双亮		3	1	1.0	1.0