排序方式: 共有51条查询结果,搜索用时 15 毫秒
11.
截止到今年3月10日,美国航宇局火星勘测轨道卫星(MRO)已经在火星轨道整整服役5年时间,获得了大量珍贵数据,可谓硕果累累。自从2006年3月10日它进入这颗红色行星的轨道以来,这个轨道器已经向地球传回大约有131万亿字节的信息和7 相似文献
12.
13.
8月10日,NASA宣布,经近3年跋涉,其机遇号火星漫游车8月9日抵达称为"奋进"的大型陨石坑,将对以往从未见过的岩石进行研究。机遇号驶抵位置称为"勇气点",位于奋进坑边缘。该漫游车自打从维多利亚坑爬出后,已行驶了约21千米。 相似文献
14.
火星探测器勇气号于2004年1月3日在火星南半球的古谢夫陨石坑着陆,预定的科学考察使命为90天,实际上考察时间大大延长。火星上沙尘暴和尘卷风并没有预计的严重,探测器的除尘功能有效发挥,使得探测器太阳能帆板的寿命大大延长,能量吸收非常良好,为科学考察提供了至关重要的充足电源。 相似文献
16.
17.
18.
陨石坑是月球表面最重要的地形特征,对于研究月球的地质状况和地理状况具有重要的意义。充分考虑低太阳高度角影像中陨石坑特殊的拓扑结构和灰度分布特点,提出一种新的基于光照方向的陨石坑边缘连接方法,综合边缘线判别、边缘线组合、陨石坑判别的陨石坑筛选三步法,形成一套完整的低太阳高度角月球影像陨石坑自动提取流程。用低太阳高度角Lunar Orbit影像进行实验,检测成功率达到了73.9%,表明该方法对于低太阳高度角月球影像陨石坑的自动提取有较好的适用性。 相似文献
19.
一种基于自动特征学习的陨石坑区域检测算法 总被引:1,自引:1,他引:0
基于陨石坑的视觉导航技术成为一种新颖的高精度空间探测自主导航方式,如何从导航图像中精确地提取陨石坑区域是实现基于陨石坑视觉导航的首要条件。针对这一问题,根据陨石坑导航图像特点,提出了一种基于自动特征学习的陨石坑区域检测算法。首先,基于最大稳定极值区域检测算法提取陨石坑候选区域;其次,利用卷积神经网络(CNN)自动学习提取候选区域的特征;最后,通过支持向量机(SVM)实现候选区域的精确分类,得到真实的陨石坑区域。大量的仿真实验表明:与传统的基于人工特征的陨石坑区域检测算法相比,提出的基于自动特征学习的陨石坑区域检测算法具有更高的检测精度和更好的鲁棒性,在通用火星表面陨石坑数据集上,所提算法的F 1度量指标较于传统算法高出8%,可以广泛地应用于基于陨石坑的视觉导航算法中的陨石坑区域提取,为基于陨石坑视觉导航算法提供精确的导航路标输入。 相似文献
20.