星载观测平台的视线误差分析

为分析星载观测平台各项误差源对视线测量精度的影响,研究了一种基于多参量的视线测量误差建模与评价方法.不同于以往卫星、相机的空间测量方式,针对卫星、转台、相机的观测结构,构建了从惯性空间到光学传感器像平面的目标成像模型及星载观测平台视线测量模型.通过推导星载观测平台视线测量误差与观测中13项误差源的关系,提出一种基于灵敏度分析的误差评价方法,并在三个轴向上分析了各项误差源对星载观测平台视线测量精度的影响.利用蒙特卡罗仿真试验验证了理论模型的有效性.结果表明,卫星轨道误差、卫星姿态误差、载荷平台角振动误差、内外框架转动误差、像平面目标像点的位置量化误差是影响星载观测平台视线测量精度的主要因素.该方法能够科学评估各项误差源对星载观测平台视线测量精度的影响,对星载观测平台的总体设计具有重要的应用价值.      

深空探测活动年表(三)

<正>~~     

基于深度学习的无人机航拍视频多目标检测与跟踪研究进展

随着无人机航拍的数据采集愈加便捷，以无人机为平台的多目标检测与跟踪技术发展迅速，在智慧城市、环境监测、地质探测、精准农业和灾害预警等民用和军事领域有着广泛的应用前景，近年来深度学习的突飞猛进也为其提供了多种更为有效的解决思路。然而，无人机视角下目标外观发生突变、目标区域被严重遮挡以及目标消失和重现等挑战性的问题尚未完全解决。综述了基于深度学习的无人机航拍视频多目标检测与跟踪算法，总结了该领域的最新进展，包括多目标检测、多目标跟踪2个模块。多目标检测模块划分为双阶段与单阶段两个部分。对于多目标跟踪模块则依据基于检测的跟踪和联合检测的跟踪2个经典框架，分别阐述了2类算法的原理并分析其优缺点。随后对现有的公开数据集进行统计分析，并对基于无人机航拍视频的多目标检测与跟踪领域内标杆挑战赛VisDrone Challenge近年来的最优方案进行了对比分析。最后总结了无人机视角下多目标检测与跟踪亟待解决的问题并展望未来可能的研究方向，为后续相关研究的人员提供参考。