開啟主選單

求真百科

基於卷積神經網絡的返回艙識別

來自 搜狐網 的圖片

基於卷積神經網絡的返回艙識別隨着科學技術的發展,世界上很多國家根據自己發展的需求,對航天領域的探索欲望愈加強烈,這將會有越來越多的航天器[1]發射到外太空,執行相關的探測任務和活動,同時各類航天器的出現也為人類的生產生活提供了很大的便利。必要時,需要從探測目標天體上帶回相應樣品,或者在載人航天任務中,需要將宇航員安全送回地球等等。這些任務中就需要在火箭的結構中配置返回艙,通過推進艙提供動力、後期分離,將密閉的返回艙送入環地軌道,並逐漸降低軌道高度,最終降落到地面。返回艙承載了宇航員及大量的精密試驗儀器,然而成功回收是載人航天工程中至關重要的一個環節。返回艙在返回地面的過程中,一般都採用降落傘來降低其着陸速度。由於受降落傘的設計着陸速度限制,載人航天返回艙在陸地上的着陸速度一般為6-7m/s,而對無人返回艙達到10-14m/s。在返回艙返回的進程中,都是按照既定軌道線路降落的。由於返回艙中都安裝有信號指引裝置,當返回艙按照既定軌道線路進入地球大氣層時,信息指引裝置所發出的信號,夠被地面的接收設備所追蹤到。但返回艙的降落經歷的是高速狀態下的持續減速過程,返回艙真正在大氣層降落時受到外界因素的干擾具有不確定性,導致運行軌跡就無法通過精確的導航引導系統進行操控,只能預測到一定的區間範圍內,外加通常返回艙的降落地點都會選擇人煙稀少的區域,而且確保返回的宇航員和採集樣品的安全,都需要出動大隊人馬進行搜尋。為解決以上等問題,更加精準識別和跟蹤返回艙,提高對航天器的搜尋效率是非常必要的。

目錄

二、技術方案

(一)實驗流程

(二)實驗準備

1、數據集要求

數據集中所包含的數據量要大,以保證能得到足夠充分的訓練。

圖片:清晰且目標清楚的白天正常彩色圖像和夜晚紅外黑白圖像

視頻:完整且真實的白天正常彩色視頻和夜晚紅外黑白視頻,並按幀轉化為圖片

2、實驗環境

實驗是在Window10服務器上完成的。

服務器CPU: Intel(R)Xeon(R)Silver4116,CPU@2.1GHz2.1GHz (2處理器)。

顯卡:NVIDIAGeForceRTX-309032GB,cuda11.1.0_456.43_win10,cudnn-11.1-windows-x64-v8.0.4.30

Aanconda3-2020.02-Windows-x 86_64。

版本搭建:Pytorch1.7,python3.7.6, pycharm-community-2020.1.3x64。內存32GB。

(三)實驗方法

1、搜集圖片及視頻

通過搜集有關返回艙載入大氣層後落地跟蹤的真實視頻(包括光學儀器[2]拍攝的紅外光視頻和可見光視頻),實現視頻的讀取和與圖片幀的轉換。採集到的圖片集包括可見光圖片4000張和紅外光圖片1500張。

2、獲得數據集

將採集的圖像經過排序獲得原始數據集。對於訓練數據中存在的位置偏差,採用幾何變換方法,可實現平移、旋轉、翻折、裁剪等操作。

3、標註圖片

一般的訓練數據集需要給數據集打標籤,這裡我們採用圖像標註工具labelImg,對返回艙或降落傘進行標記,得到xml標記文件。labelImg是一種矩形標註工具,常用於目標識別和目標檢測。打開原始數據集進行標註,在HWfhc(紅外返回艙)、HWjls(紅外降落傘)、ZCfhc(正常返回艙)、ZCjls(正常降落傘)這四種類型中選擇合適的類型。

4、訓練標註圖片

將標註圖像進行訓練,分別在YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x這四種模型中訓練100次和200次,得到訓練結果並進行分析。

(四)注意問題

1、返回艙在降落過程中需要降落傘來提供阻力,所以降落傘會比返回艙更好識別。且在現實情況下,返回艙降落的時間可能是白天也可能是晚上。所以在標註圖像時,既要標註返回艙也要標註降落傘,既要標註正常光學圖像,也要標註黑白的紅外圖像。

2、對於圖像中模糊不清或占據較大空間的目標,其意義不大,可以放棄,不對其進行標註。

三、創新設計

1、將降落傘和返回艙分開識別,並且作為一個整體跟蹤

由於返回艙目標小,特徵不明顯,當返回艙按照既定軌道線路進入地球大氣層時,識別較為困難,容易跟丟。而返回艙在降落過程中需要降落傘來提供阻力,二者是一體的,相比於返回艙而言,降落傘目標更大,顏色更鮮艷,特徵更明顯所以降落傘會比返回艙更容易識別和跟蹤。

2、將數據集分為可見光和紅外光

在現實情況下,返回艙降落的時間可能是白天也可能是晚上,所以考慮實際,數據集應包括可見光下的彩色數據集和紅外光下的黑白數據集,這樣使得整個實驗更加全面,可全天時進行識別跟蹤。

參考文獻