【技术实现步骤摘要】
一种基于强化学习的行星表面地貌主动感知方法
本专利技术属于任务规划与模式识别
,具体指代一种基于强化学习的行星表面地貌主动感知方法。
技术介绍
处于可靠性的因素考虑,火星巡视器的星载计算机运算及存储能力有限(好奇号的CPU主频仅为200MHz),导致在火星工作日(sol)中,巡视器仅能存储并上传所观测的一小部分科学素材至地面工作站。随着航天技术的快速发展,在远地天体表面执行漫游巡视任务的巡视器尺寸也逐代增长,美国的第四代火星巡视器“好奇号”(Curiosity)长约3米,高达900kg,是前代火星巡视器的2~5倍。体积的增长使好奇号可以搭载更多的科学勘探载荷,它在实际任务中共搭载了17种敏感器,出于可靠性与安全性考虑,巡视器在遇到复杂路况时,需要将现场收集素材回传至地面进行地貌识别与环境理解,并等待地面返回的后续指示来执行后续勘探任务。由于天体与地面之间通讯延迟较长,造成巡视器任务的灵活性与获取科学目标的能力受到很大程度的制约。近年来,航天工作人员一直在探讨探测效率高的自主勘探方案。美国国家航空航天局(NASA)的科学家就提出在巡视器上装备一些主动感知设备,如通过灵巧触碰手触碰壁面来获取岩石硬度,并自主地进行操作分析来提高勘探效率;除此之外,一些科学家也提出利用人工智能方法进行地貌自主分析,如自主提取科学兴趣区域、检测障碍等。相比依赖人工遥控的地貌分析手段,地貌自主感知方法具有很多优势,首先其赋予了星表探索任务更高的自主性。使火星巡视器能够在有限的工作时间内探索更多的科学目标,而不必等待地面工作人员的命令指示,大幅提升了巡视器探索任务的效率,能够获得 ...
【技术保护点】
1.一种基于强化学习的行星表面地貌主动感知方法,其特征在于,包括步骤如下:步骤1):从一系列行星地貌图像集中提取图像SURF局部特征描述子,按照地貌类别逐一编目地貌所对应的特征描述子集合,即将归属同一类地貌的SURF特征描述子以集合的形式编目;步骤2):对SURF特征描述子集合的特征重复度进行检查,剔除相似度高的特征对及特征尺度过小的特征,将剩余的SURF特征描述子保留,并组建特征知识库;步骤3):将地貌感知以观测特征占比特征知识库比例的形式描述,并给出联合分布后验概率,根据该后验概率在增强学习框架中建立相应的奖励函数;步骤4):设定行星地貌主动感知的触发条件,在巡视器漫游巡视过程中,实时分析星载相机的图像局部显著性;当局部图像显著性满足触发条件时,执行SURF局部特征描述子提取,将所提取的SURF局部特征描述子作为观测量传递至强化学习训练体系,在该强化学习体系中控制量为相机云台调整角度θc以及相机的焦距fc;步骤5):将强化学习中策略迭代步骤更改为有限步长模式,并结合步骤3)中所建立的增强学习奖励函数、步骤1)中所建立的特征知识库,训练星载相机识别动作序列,完成地貌主动识别工作;步骤 ...
【技术特征摘要】
1.一种基于强化学习的行星表面地貌主动感知方法,其特征在于,包括步骤如下:步骤1):从一系列行星地貌图像集中提取图像SURF局部特征描述子,按照地貌类别逐一编目地貌所对应的特征描述子集合,即将归属同一类地貌的SURF特征描述子以集合的形式编目;步骤2):对SURF特征描述子集合的特征重复度进行检查,剔除相似度高的特征对及特征尺度过小的特征,将剩余的SURF特征描述子保留,并组建特征知识库;步骤3):将地貌感知以观测特征占比特征知识库比例的形式描述,并给出联合分布后验概率,根据该后验概率在增强学习框架中建立相应的奖励函数;步骤4):设定行星地貌主动感知的触发条件,在巡视器漫游巡视过程中,实时分析星载相机的图像局部显著性;当局部图像显著性满足触发条件时,执行SURF局部特征描述子提取,将所提取的SURF局部特征描述子作为观测量传递至强化学习训练体系,在该强化学习体系中控制量为相机云台调整角度θc以及相机的焦距fc;步骤5):将强化学习中策略迭代步骤更改为有限步长模式,并结合步骤3)中所建立的增强学习奖励函数、步骤1)中所建立的特征知识库,训练星载相机识别动作序列,完成地貌主动识别工作;步骤6):将地貌感知结果保存,巡视器继续漫游巡视任务。2.根据权利要求1所述的基于强化学习的行星表面地貌主动感知方法,其特征在于,所述步骤2)中特征重复度检查及组建特征知识库具体如下:21)采用SURF特征描述子在目标巡视区域卫星图像中进行局部特征提取;22)将所提取出的64维SURF特征描述子进行重复度筛选,剔除相似度高的特征对,其中相似度判定通过特征描述向量归一化后彼此点乘实现,此处将描述子点乘后乘积大于0.9的特征对剔除;23)将特征尺度小于3个像素的特征描述子剔除;24)保留两轮筛选后的特征描述子集合,组建地貌知识库。3.根据权利要求1所述的基于强化学习的行星表面地貌主动感知方法,其特征在于,所述步骤3)中执行SURF局部特征描述子提取范围为显著性检测区域内的局部图像区域。4.根据权利要求1所述的基于强化学习的行星表面地貌主动感知方法,其特征在于,所述步骤3)中奖励函数的设计如下:31)建立特征观测量与地貌特征集的相关性,采用贝叶斯条件后验概率模型描述:其中,为特征知识库中对应第k个地貌的特征描述子集合,为当前观测量与的交集,为第k个地貌与观测量相关性的先验概率,描述为:其中,其中,为不同类地貌被观测的概率,将其统一初始化为1/K,K为特征知识库中地貌的总个数;32)在得到相关性后验概率后,将离散香浓信息熵进行归一化来描述该后验概率分布的完备性:其中,Nm(k)是特征知识库中与从...
【专利技术属性】
技术研发人员:余萌,李爽,孙俊,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。