一种融合深度学习与弧段组合的卫星对接环识别方法技术

本发明专利技术公开了一种融合深度学习与弧段组合的卫星对接环识别方法，包含：步骤S1，自作航天器对接环的数据集；步骤S2，将含有对接环的航天器图像输入到YOLOv3网络进行对接环的二维检测框定位，将对接环的二维检测框定义为活跃集B，计算活跃集区域的二维信息熵，将二维信息熵的值作为Canny算子的阈值T<subgt;h</subgt;；步骤S3，将边拟合成弧段；步骤S4，检验一弧段的任意6个交点是否存在断点；步骤S5，将弧段分类到四个象限，属于同一象限的弧段首尾连接，属于不同象限的弧段判断是否形成一个椭圆；步骤S6，椭圆内接六边形中，六个顶点的连线将与椭圆的中心线相交于3个点；若3个点的特征数等于‑1，所提取的对接环完整，若不等于‑1，所提取的对接环椭圆特征存在虚假。

【技术实现步骤摘要】

本专利技术涉及空间智能操控领域，具体涉及一种融合深度学习与弧段组合的卫星对接环识别方法。

技术介绍

1、椭圆检测是计算机视觉领域的热点问题，基于椭圆特征的视觉导航已经成为航天器、行星探测器等空间飞行器执行交汇对接、行星软着陆等空间探测任务过程中的一种重要自主导航方式，其位姿计算精度高度依赖于导航图像中椭圆检测和拟合的精度。

2、目前，椭圆检测主要有3种成熟的方法，基于椭圆点投票或拟合的检测方法、基于弧段组合的椭圆检测方法和深度学习方法。霍夫变换是最早用于椭圆检测的方法，它主要包括标准霍夫变换方法、随机霍夫变换方、概率霍夫随机变换方法pht、迭代式等，与标准的sht相比，基于sht的改进方法均试图降低对内存空间需要，但无法彻底克服这个问题，并且，这些算法的检测精度会随着图像中椭圆数量的增加而急剧下降。基于弧段组合的椭圆检测算法不再以像素为基本处理单元，而是通过对椭圆弧段整体的几何特征分析实现椭圆检测，其中，椭圆弧段属于椭圆边缘的一部分，包含多个连续的像素点。所以，基于弧段特征的椭圆检测算法通常具有较高的精度和鲁棒性，并且不需要处理高维的参数空间，本文档来自技高网...

【技术保护点】

1.一种融合深度学习与弧段组合的卫星对接环识别方法，其特征在于，包含以下步骤：

2.如权利要求1所述的融合深度学习与弧段组合的卫星对接环识别方法，其特征在于，所述步骤S1包含以下步骤：

3.如权利要求1所述的融合深度学习与弧段组合的卫星对接环识别方法，其特征在于，所述步骤S2包含以下步骤：

4.如权利要求1所述的融合深度学习与弧段组合的卫星对接环识别方法，其特征在于，所述步骤S3包含以下步骤：

5.如权利要求1所述的融合深度学习与弧段组合的卫星对接环识别方法，其特征在于，所述步骤S4包含以下步骤：

6.如权利要求1所述的融合深度...

【技术特征摘要】

1.一种融合深度学习与弧段组合的卫星对接环识别方法，其特征在于，包含以下步骤：

2.如权利要求1所述的融合深度学习与弧段组合的卫星对接环识别方法，其特征在于，所述步骤s1包含以下步骤：

3.如权利要求1所述的融合深度学习与弧段组合的卫星对接环识别方法，其特征在于，所述步骤s2包含以下步骤：

4.如权利要求1所述的融合深度学习与弧段组合的卫星对接环识别方法，...

【专利技术属性】
技术研发人员：牟金震，韩飞，王兆龙，朱文山，武海雷，宋婷，
申请(专利权)人：上海航天控制技术研究所，
类型：发明
国别省市：