| 地球同步轨道目标物深度学习检测方法 |
| |
| 引用本文： | 黄西尧,何羿霆,杜华军,曾祥远,刘天赐,单文婧,程林.地球同步轨道目标物深度学习检测方法[J].宇航学报,2021,42(10):1283-1292. |
| |
| 作者姓名： | 黄西尧 何羿霆 杜华军 曾祥远 刘天赐 单文婧 程林 |
| |
| 作者单位： | 1. 北京理工大学自动化学院，北京 100081；2. 北京航天自动控制研究所宇航智能控制技术国家级重点实验室，北京 100854；3. 北京航空航天大学宇航学院，北京 102206 |
| |
| 基金项目： | 国家重点研发计划（2017YFB1300101）；国家自然科学基金（11972075） |
| |
| 摘 要： | 针对欧空局SpotGEO竞赛中地球同步轨道目标物的检测问题,提出面向低精度CCD空间图像的深度学习检测方法。在图像预处理环节,分别采用高斯过程回归和模板匹配实现前景/背景分割和多帧图像配准。根据地球同步轨道物体的运动特征,采用拓扑扫描提取候选目标物。在此基础上,提出一套基于深度学习的目标物筛选方法。该方法利用卷积神经网络,依次对拓扑扫描前后候选目标物进行筛选,显著减少噪声点数量,提高检测效率。仿真结果表明,该方法达到98%的目标检测准确率,适用于存在光污染、云层遮挡等干扰的复杂环境。
|
| 关 键 词： | 空间目标检测 地球同步轨道 深度学习 拓扑扫描 |
| 收稿时间： | 2020-10-09 |
Geostationary Orbit Object Detection Based on Deep Learning |
| |
| HUANG Xi yao,HE Yi ting,DU Hua jun,ZENG Xiang yuan,LIU Tian ci,SHAN Wen jing,CHENG Lin.Geostationary Orbit Object Detection Based on Deep Learning[J].Journal of Astronautics,2021,42(10):1283-1292. |
| |
| Authors: | HUANG Xi yao HE Yi ting DU Hua jun ZENG Xiang yuan LIU Tian ci SHAN Wen jing CHENG Lin |
| |
| Institution: | 1. School of Automation, Beijing Institute of Technology, Beijing 100081, China;2. National Key Laboratory of Science and Technology on Aerospace Intelligent Control,Beijing Aerospace Automatic Control Institute, Beijing 100854, China;3. School of Astronautics, Beihang University, Beijing 102206, China |
| |
| Abstract: | |
| |
| Keywords: | Space object detection Geostationary orbit Deep learning Topological sweeping |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《宇航学报》浏览原始摘要信息 |
| 点击此处可从《宇航学报》下载免费的PDF全文 |
|
