基于深度学习目标识别的航天员训练场景理解技术 |
| |
引用本文: | 陈炜,孙庆伟,胡福超,晁建刚.基于深度学习目标识别的航天员训练场景理解技术[J].载人航天,2023(2):143-149. |
| |
作者姓名: | 陈炜 孙庆伟 胡福超 晁建刚 |
| |
作者单位: | 1. 中国航天员科研训练中心人因工程重点实验室;2. 中国航天员科研训练中心;3. 航天工程大学宇航科学与技术系 |
| |
摘 要: | 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。
|
关 键 词: | 目标识别 点云匹配 增强现实 航天员训练 场景理解 |
|
|