失重状态下旋转陀螺交互操作的仿真研究

针对在地面难以使用实物进行空间操作任务训练的问题,提出了一种基于人机交互和物理引擎技术的交互操作虚拟仿真方法,并实现了失重状态下旋转陀螺的虚拟操作训练。实现中首先建立航天员和陀螺的三维图形模型和用于碰撞检测的物理模型,并采用虚拟现实设备数据手套和位置跟踪仪实时跟踪获取受训人体的实时运动数据,用于交互控制虚拟航天员的运动,最终通过物理引擎及仿真算法计算失重状态下旋转陀螺的运动状态。结果显示,该方法较好地解决了旋转陀螺定轴特性仿真问题,能够满足虚拟训练的实时性和有效性要求。     

基于深度学习目标识别的航天员训练场景理解技术

增强现实(AR)是航天员训练的有效途径,其关键技术是场景重建与空间定位。针对当前AR设备只能进行场景空间静态识别,无法感知目标动态变化的问题,提出了深度学习与AR技术相结合的目标识别与位姿估计方法。采用YOLO v5神经网络实现了小训练样本量的操作目标识别,结合深度信息实现了目标点云分割,与目标CAD模型点云进行ICP匹配后估计出目标的三维空间位姿,从而在AR显示空间中实现目标的动态定位与虚实融合。结果表明：YOLO v5的识别平均精度可以达到0.995,虚实结构可以准确叠加。该方法可有效提高AR设备的场景理解能力,扩展航天员AR训练手段。