• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    自適應(yīng)航天器態(tài)勢分析系統(tǒng)

    2020-03-05 04:25:22雷宇田楊嘉琛滿家寶
    宇航總體技術(shù) 2020年1期
    關(guān)鍵詞:航天器姿態(tài)卷積

    雷宇田,楊嘉琛,滿家寶,奚 萌

    (天津大學(xué)電氣自動化與信息工程學(xué)院,天津 030072)

    0 引言

    在21世紀(jì)各國激烈競爭與博弈的環(huán)境之下,航天器相關(guān)技術(shù)起到了相當(dāng)重要的作用。而對航天器的姿態(tài)及位置偏移量等信息的有效測量,在航天器的組裝及發(fā)射過程中至關(guān)重要。能夠在短時間內(nèi)快速、準(zhǔn)確地測量出航天器姿態(tài)和距離偏移量,并進(jìn)一步實現(xiàn)精準(zhǔn)矯正與控制也成為了航天器在組裝及發(fā)射前的必然要求。

    與此同時,現(xiàn)今國內(nèi)外軍事應(yīng)用領(lǐng)域所使用的航天器組裝及發(fā)射中的態(tài)勢測量與分析系統(tǒng)精度較低,與偏移矯正系統(tǒng)誤差較大,這些問題嚴(yán)重制約了航天器組裝及發(fā)射過程中的精準(zhǔn)化測量,可能導(dǎo)致在組裝過程中出現(xiàn)損耗等問題,進(jìn)而引發(fā)潛在的應(yīng)用風(fēng)險。

    國內(nèi)外許多學(xué)者都對此展開了研究,而基于單目視覺裝置的位置與姿態(tài)測量方案取得了較好的測量效果。在國內(nèi)最新提出的三維姿態(tài)角測量方案中,蘇建東等[1]于2017年提出了基于單目視覺和棋盤靶標(biāo)的平面姿態(tài)測量方法,利用棋盤靶標(biāo)標(biāo)定攝像機(jī),然后利用Givens矩陣分解外參矩陣,求取姿態(tài)角。張浩鵬等[2]提出了基于姿態(tài)加權(quán)核回歸的航天器姿態(tài)估計,通過對視覺輸入的核函數(shù)進(jìn)行加權(quán)學(xué)習(xí)姿態(tài)特征。在利用卷積神經(jīng)網(wǎng)絡(luò)估計物體姿態(tài)方面,王松等[3]進(jìn)行了基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的深度圖姿態(tài)估計算法研究,利用深度圖像和線性回歸估計姿態(tài)函數(shù)。

    在基于三軸陀螺儀和其他相關(guān)測量儀器的位姿測量和解算方面,吳濤等[4]提出了基于卡爾曼濾波的航姿參考系統(tǒng)設(shè)計,利用三軸陀螺儀測量姿態(tài)四元數(shù),然后利用卡爾曼濾波算法將三軸磁傳感器與三軸加速度計的數(shù)據(jù)進(jìn)行融合,從而修正姿態(tài)四元數(shù),提高解算精度。張力軍等[5]提出了基于歐拉角觀測模型的航天器姿態(tài)確定方法,通過研究基于歐拉角的觀測模型,證明了原靈敏度矩陣的缺陷,推導(dǎo)出了正確的矩陣形式并進(jìn)行了數(shù)據(jù)仿真。劉轉(zhuǎn)等[6]提出了導(dǎo)向軸姿態(tài)測量方法研究,利用三軸重力加速度記采集導(dǎo)向軸的姿態(tài)信息,設(shè)計出一套基于導(dǎo)向軸的姿態(tài)測量系統(tǒng)并繼續(xù)了模擬實驗。

    但這些方案仍未擺脫傳統(tǒng)的基于單目視覺的位姿測量對圖像的高精度獲取要求,且使用條件較為嚴(yán)苛,在一定程度上限制了位置與姿態(tài)測量的準(zhǔn)確性。因此,一個能夠降低對測量設(shè)備及環(huán)境的依賴和降低解算法復(fù)雜度的姿態(tài)角測量方法顯得尤為重要。

    基于以上研究及發(fā)展現(xiàn)狀,本文首次利用深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)理論,基于單目視覺系統(tǒng),拍攝已貼放特定標(biāo)識物的航天器影像,通過分析航天器影像數(shù)據(jù),實現(xiàn)對航天器運(yùn)輸及發(fā)射過程中航天器的三維姿態(tài)角、距拍攝點(diǎn)距離以及位置相對拍攝中心偏移量的態(tài)勢精準(zhǔn)測量與自適應(yīng)分析。

    1 模型的建立及樣本的獲取

    1.1 算法思路概述

    本文采用的卷積神經(jīng)網(wǎng)絡(luò)算法的輸入為六維模型的平面圖,輸出為該六維模型的姿態(tài)參數(shù)。采用的模型是對姿態(tài)參數(shù)進(jìn)行估計的回歸模型,輸出的參數(shù)是連續(xù)的。

    本文的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)借鑒了主流網(wǎng)絡(luò)結(jié)構(gòu),利用控制變量法探究神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)率、損失函數(shù)、激活函數(shù)及網(wǎng)絡(luò)結(jié)構(gòu)等來優(yōu)化目標(biāo)函數(shù)。本文算法分為訓(xùn)練階段和測試階段進(jìn)行。訓(xùn)練階段中,用訓(xùn)練集中的圖像作為卷積神經(jīng)網(wǎng)絡(luò)的輸入,輸出為相應(yīng)的姿態(tài)和位置參數(shù),由此訓(xùn)練了一個合適的卷積神經(jīng)網(wǎng)絡(luò)模型。測試階段中,使用測試集中的圖像作為卷積神經(jīng)網(wǎng)絡(luò)的輸入,經(jīng)過預(yù)先訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型后得到相應(yīng)的姿態(tài)和位置參數(shù)輸出,并與其本身的的標(biāo)簽進(jìn)行比較,以此來判斷姿態(tài)和位置參數(shù)估計網(wǎng)絡(luò)的質(zhì)量。

    1.2 訓(xùn)練及測試樣本獲取

    考慮到在位置和姿態(tài)角測量中,搭建實際環(huán)境的難度較高,花費(fèi)的時間過長、費(fèi)用較高,且安裝精度難以控制,會對本文的測量精度產(chǎn)生一定影響,而且卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量不同位置和姿態(tài)角的圖片作為訓(xùn)練樣本,因此實驗采用在PC端仿真的方法來實現(xiàn)對實驗?zāi)P偷拇罱ㄒ约叭繕颖镜墨@取。

    圖1 3d Max模型示意圖Fig.1 The model in 3d Max

    訓(xùn)練及測試樣本全部由3dMax軟件仿真得到。本文用3dMax建立了一個圓柱體模型用來模擬航天器的主體部分,并在主體側(cè)面貼放了合適大小的標(biāo)志物。本次實驗選取航天器主體半徑為1m,高度為2m,標(biāo)識物為半徑0.8m的黑白棋盤格[7],并將圓柱體表面顏色設(shè)置為白色。為了使目標(biāo)物在滾轉(zhuǎn)角和偏航角的轉(zhuǎn)動特征更加明顯,本文將水平的棋盤格旋轉(zhuǎn)45°,改為豎直放置,從而增加其邊緣信息的復(fù)雜度,有效地增加邊緣復(fù)雜度能夠使神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到更多的變化特征。實驗證明,將標(biāo)識物旋轉(zhuǎn)放置的確可以使網(wǎng)絡(luò)對其在相機(jī)拍攝面上的運(yùn)動測量精度上升。棋盤格圖樣及貼放方式如圖1所示。隨后引入攝像機(jī),將其與目標(biāo)物主體的距離設(shè)置為6m,即距標(biāo)識物5m。調(diào)整攝像機(jī)焦距與標(biāo)識物對焦,并適當(dāng)調(diào)整攝像機(jī)的視野范圍,使標(biāo)識物可以占據(jù)拍攝圖片的絕大多數(shù)區(qū)域,同時保證在目標(biāo)物帶動標(biāo)識物進(jìn)行位移、旋轉(zhuǎn)的過程中不會使目標(biāo)物超出相機(jī)拍攝范圍。

    將目標(biāo)主體沿x、y、z軸方向的位移狀態(tài)定為[abc]。由于視角問題,將航天器的俯仰角定義為d,偏航角定義為e,滾轉(zhuǎn)角定義為f。樣本六維姿態(tài)取值范圍如表1所示。

    表1 取值范圍表

    為模擬實際需要,設(shè)置沿軸方向位移的步長均為0.01m,三個旋轉(zhuǎn)角度的步長均為0.01°。由此可得不同的樣本一共有1013×113=1371330631種,由此必須采用隨機(jī)數(shù)組來生成所需的樣本圖片。為了避免生成隨機(jī)數(shù)時的正態(tài)分布情況,借助MATLAB中的unidrnd()函數(shù),在6個維度生成均勻隨機(jī)分布的隨機(jī)數(shù),以此來實現(xiàn)圖片樣本在6個維度上各自范圍內(nèi)的均勻隨機(jī)分布,防止一般隨機(jī)函數(shù)的正態(tài)分布效應(yīng)影響訓(xùn)練結(jié)果。

    用3dMax自帶腳本語言編寫腳本文件,將生成的5萬組隨機(jī)數(shù)導(dǎo)入到腳本文件中,隨后均勻隨機(jī)生成樣本5萬張,作為實驗的基礎(chǔ)樣本。

    基于3dMax生成的基礎(chǔ)樣本以連續(xù)的數(shù)字序列命名,對其進(jìn)行標(biāo)簽化處理,以此和生成的隨機(jī)數(shù)組一一對應(yīng),最終形成實驗的訓(xùn)練集和測試集。

    1.3 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)搭建

    1.3.1 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢

    本文選擇卷積神經(jīng)網(wǎng)絡(luò)而沒有使用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的原因是在特征提取方面,卷積神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)有很大的不同。卷積神經(jīng)網(wǎng)絡(luò)利用局部連接和權(quán)值共享的方法優(yōu)化特征提取,減少神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需的參數(shù)數(shù)量[8]。

    1)局部連接是神經(jīng)網(wǎng)絡(luò)中某一層的神經(jīng)元只連接上一層中一部分的神經(jīng)元,而不進(jìn)行全連接。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)采用全連接,隨著圖片的增大和網(wǎng)絡(luò)深度的增加,參數(shù)會成指數(shù)級增加。而局部連接可以讓神經(jīng)網(wǎng)絡(luò)的參數(shù)大為減少,同時不受圖片大小的影響。

    2)權(quán)值共享是賦予所有神經(jīng)元相同的參數(shù)。如果針對每一個神經(jīng)元都訓(xùn)練一套參數(shù),且隱藏層神經(jīng)元個數(shù)較多,就會導(dǎo)致全局需要海量參數(shù),非常不便于訓(xùn)練。但是參數(shù)權(quán)值共享的方法可以讓全局的神經(jīng)元使用同一套參數(shù),大大減少了所需訓(xùn)練的參數(shù)與數(shù)量,同時也減少了所需的存儲空間。

    1.3.2 卷積神經(jīng)網(wǎng)絡(luò)的概要

    圖2 卷積神經(jīng)網(wǎng)絡(luò)示意圖Fig.2 Convolutional neural network

    卷積神經(jīng)網(wǎng)主要包括輸入層、卷積層、池化層、全連接層和輸出層,同時也需要對激活函數(shù)和損失函數(shù)等進(jìn)行設(shè)置。

    卷積層是對上一層的圖片進(jìn)行卷積操作,相當(dāng)于用一個濾波器對圖像進(jìn)行濾波,生成相對應(yīng)的特征圖(feature map)。

    池化層又稱為采樣,最常用的是最大值采樣,目的是通過采樣來減少特征值,也就減少了計算量,并且還減小了訓(xùn)練期間過擬合的可能性。而為了進(jìn)一步解決過擬合的問題,現(xiàn)在通常使用dropout(隨機(jī)丟棄網(wǎng)絡(luò)節(jié)點(diǎn))方法,可以使神經(jīng)元隨機(jī)失活,從而降低神經(jīng)元之間的相互依賴性。

    激活函數(shù)為整個網(wǎng)絡(luò)提供非線性的擬合,提高神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜程度,使其可以逼近任意函數(shù)。一般常用的激活函數(shù)有sigmoid、tanh、ReLU和ELU等函數(shù)。

    sigmoid函數(shù)的表達(dá)式為

    (1)

    式中,e是自然常數(shù),其值為2.71828;z是自變量,取值范圍為全體實數(shù)集。對應(yīng)表達(dá)圖像如圖3所示。

    圖3 Sigmoid函數(shù)圖像Fig.3 Sigmoid function

    tanh函數(shù)的表達(dá)式為

    (2)

    該函數(shù)為奇函數(shù),當(dāng)輸入z小于0時,取值范圍為[-1,0];當(dāng)輸入z大于0時,取值范圍為[0,1]。其對應(yīng)表達(dá)圖像如圖4所示。

    圖4 tanh函數(shù)圖像Fig.4 tanh function

    Sigmoid函數(shù)將輸入的任意值壓縮至0~1的范圍內(nèi),但在絕對值較大的地方梯度比較平緩,同時它的輸出也不是0均值。tanh函數(shù)可以看作是sigmoid函數(shù)的改進(jìn)版,但只改進(jìn)了輸出均值不為0的問題。由于絕對值大的地方梯度平緩,Sigmoid函數(shù)和tanh函數(shù)均存在梯度消失的問題。ReLU函數(shù)是目前最為常用的激活函數(shù),很好地避免了梯度消失的問題,同時由于它的正半軸是線性函數(shù),所以計算速度和收斂速度都非常快。但ReLU函數(shù)也有缺點(diǎn)——負(fù)半軸輸出均為0,這會導(dǎo)致某些神經(jīng)元永遠(yuǎn)不會被激活,造成網(wǎng)絡(luò)大面積壞死。而ELU函數(shù)針對這個問題做了改進(jìn),在負(fù)半軸有一定的輸出,但負(fù)半軸的輸出一樣存在梯度飽和的問題。

    ReLU函數(shù)的表達(dá)式為

    (3)

    其對應(yīng)表達(dá)圖像如圖5所示。

    圖5 ReLU函數(shù)圖像Fig.5 ReLU function

    ELU函數(shù)的表達(dá)式為

    (4)

    式中,α是一個大于0的參數(shù),用于調(diào)節(jié)該函數(shù)在z≤0時的函數(shù)形狀。其對應(yīng)表達(dá)圖像如圖6所示。

    圖6 ELU函數(shù)圖像Fig.6 ELU function

    1.3.3 神經(jīng)網(wǎng)絡(luò)模型

    由于傳統(tǒng)的淺層神經(jīng)網(wǎng)絡(luò)已經(jīng)能夠進(jìn)行較好地非線性表達(dá),故本文選用了9層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),如圖7所示。由于服務(wù)器計算能力有限,故本文輸入層選用512×256的圖片。由于本文選用了黑白棋盤格作為標(biāo)識物,位置和姿態(tài)參數(shù)估計主要依靠卷積神經(jīng)網(wǎng)絡(luò)所提取的邊緣信息特征,于是選用了最為常用的大小為3×3的卷積核[9-10],同時采用最大值池化,池化層核的大小為2×2,這可以較為顯著地減小計算量。如前所述,本文對于位置和姿態(tài)參數(shù)的估計是一個回歸問題,所以最后一層激活函數(shù)應(yīng)選擇Linear函數(shù),對應(yīng)的表達(dá)式為

    f(z)=az

    (5)

    圖7 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)Fig.7 CNN structure

    本文使用的損失函數(shù)是均方根誤差(MSE),它的含義是計算同一類別中所有樣本的估計值與其預(yù)測值的歐氏距離平方的均值

    (6)

    如果模型預(yù)測的結(jié)果與實際值的誤差滿足正態(tài)分布,那么這個假設(shè)就是合理的。

    2 實驗結(jié)果

    本文實驗分為以下幾個步驟:1)利用3dMax軟件生成本文所需數(shù)據(jù)集;2)對訓(xùn)練集和測試集進(jìn)行標(biāo)簽化和預(yù)處理;3)將樣本集和標(biāo)簽投入網(wǎng)絡(luò),訓(xùn)練合適的神經(jīng)網(wǎng)絡(luò)權(quán)重模型;4)用訓(xùn)練好的模型預(yù)測測試集的位置和姿態(tài)輸出,并與標(biāo)簽進(jìn)行比較,分析誤差。

    本文訓(xùn)練所需樣本的獲取及標(biāo)簽化如前所述。對樣本集和測試集做相同的數(shù)據(jù)預(yù)處理。因電腦的存儲能力限制,本文將原始生成的640×640大小的圖片變換大小到256×512。這是一個常用的圖片大小[11],本文以此作為基準(zhǔn)進(jìn)行對比實驗。由于服務(wù)器性能等原因,使用訓(xùn)練50輪為基準(zhǔn)進(jìn)行對比實驗,因為當(dāng)網(wǎng)絡(luò)訓(xùn)練至50輪時,該卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)可以收斂至一個相對較優(yōu)的結(jié)果。

    為探究不同網(wǎng)絡(luò)對位置和姿態(tài)參數(shù)估計的影響并確定適用于實驗的神經(jīng)網(wǎng)絡(luò),本文選用了9層卷積神經(jīng)網(wǎng)絡(luò),15層卷積神經(jīng)網(wǎng)絡(luò),50層的ResNet網(wǎng)絡(luò),152層的ResNet網(wǎng)絡(luò)和DenseNet網(wǎng)絡(luò)進(jìn)行對比試驗。不同網(wǎng)絡(luò)訓(xùn)練得出的位置和姿態(tài)的平均誤差表如表2所示。(位置誤差單位為m,角度誤差單位為(°),下同)

    表2 不同網(wǎng)絡(luò)的六維度平均誤差

    相對于簡單卷積網(wǎng)絡(luò)CNN,深度殘差網(wǎng)絡(luò)ResNet具有更深的網(wǎng)絡(luò)結(jié)構(gòu),但也不會產(chǎn)生將CNN直接加深后導(dǎo)致的梯度消失和梯度爆炸現(xiàn)象。在此基礎(chǔ)上,密集連接卷積網(wǎng)絡(luò)DenseNet每一塊訓(xùn)練的特征信息來自于前面網(wǎng)絡(luò)的所有塊,保留了更多特征。而從實驗結(jié)果來看,除偏航角外,9層簡單卷積神經(jīng)網(wǎng)絡(luò)的結(jié)果均明顯優(yōu)于其他卷積神經(jīng)網(wǎng)絡(luò)的測量結(jié)果。分析認(rèn)為,作為特征標(biāo)識物的黑白棋盤格的特征較少且容易提取。較之于ResNet和Dense Net等深層網(wǎng)絡(luò)來說,淺層網(wǎng)絡(luò)更易于擬合。同時淺層網(wǎng)絡(luò)也沒有過多信息特征冗余,所以精度更高,效果更好。從ResNet152的測量結(jié)果也可以印證這一點(diǎn)。相比于ResNet50和DenseNet,它基本處于未擬合的狀態(tài),輸入范圍為-0.5°~0.5°,偏航角的平均誤差卻高達(dá)1.7°,效果差于隨意猜測一個值,可見網(wǎng)絡(luò)未能成功描述此函數(shù)關(guān)系。同理,15層卷積神經(jīng)網(wǎng)絡(luò)增加了網(wǎng)絡(luò)的復(fù)雜度,最終得到的特征圖較小,損失了一些關(guān)鍵信息,導(dǎo)致檢測精度下降。

    總的來說,9層卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)可以較好地擬合出從輸入圖片到輸出其位置和姿態(tài)的函數(shù)關(guān)系,無需復(fù)雜的多層網(wǎng)絡(luò)。

    為探究不同激活函數(shù)對位置和姿態(tài)參數(shù)估計的影響,本文選用了ReLU、tanh、ELU和sigmoid這4個常見的激活函數(shù)進(jìn)行對比。激活函數(shù)不同時訓(xùn)練得出的位置和姿態(tài)的平均誤差表如表3所示。(注:激活函數(shù)不同指的是除最后一層激活函數(shù)為Linear不變之外其余全部均做替換)

    表3 不同激活函數(shù)的六維度平均誤差

    從實驗結(jié)果來看,ReLU作為激活函數(shù)時網(wǎng)絡(luò)精度較好,顯著優(yōu)于收斂速度較慢的sigmoid函數(shù)。而另外兩個常用的激活函數(shù)直接導(dǎo)致網(wǎng)絡(luò)不收斂。分析認(rèn)為,激活函數(shù)ReLU負(fù)半軸均為0的性質(zhì)增強(qiáng)了網(wǎng)絡(luò)整體的非線性表達(dá),同時ReLU函數(shù)僅需簡單的判定,這極大地加快了訓(xùn)練網(wǎng)絡(luò)的速度,達(dá)到了最優(yōu)。而sigmoid激活函數(shù)和均方差損失函數(shù)的組合使梯度下降較慢,同時網(wǎng)絡(luò)訓(xùn)練速度慢,最終在訓(xùn)練輪數(shù)相同的情況下,sigmoid函數(shù)激活的網(wǎng)絡(luò)并沒有較好的擬合,精度較差。所以,最終本文選擇了ReLU作為激活函數(shù)。

    為探究學(xué)習(xí)速率對位置和姿態(tài)參數(shù)測量的影響,本文選取0.03、0.04、0.05這3個學(xué)習(xí)速率進(jìn)行探究。學(xué)習(xí)速率不同時訓(xùn)練得出的位置的平均誤差表如表4所示,姿態(tài)的平均誤差表如表5所示。

    表4 不同學(xué)習(xí)速率的位置平均誤差

    表5 不同學(xué)習(xí)速率的姿態(tài)平均誤差

    從實驗結(jié)果來看,在位置平均誤差方面,對于x方向來說,學(xué)習(xí)速率為0.03時網(wǎng)絡(luò)精度最高;對于y方向來說,學(xué)習(xí)速率為0.05時最好;對于z方向來說是0.04時最好。同理,在姿態(tài)平均誤差方面,也出現(xiàn)了這樣分布的特點(diǎn)。分析認(rèn)為,對于攝像機(jī)來說,各位置、姿態(tài)并不等價,雖然在圖片輸入時特征標(biāo)識物為正方形,y和z方向的表現(xiàn)理應(yīng)相同,偏航角和滾轉(zhuǎn)角的表現(xiàn)理應(yīng)相同。但圖像輸入時經(jīng)過了從原始圖像到512*256的統(tǒng)一變換,使位置、姿態(tài)6個維度方向上的表現(xiàn)具有各自的特點(diǎn)。所以不同的學(xué)習(xí)速率在各位置和姿態(tài)的表現(xiàn)并不相同。通過計算平均數(shù)發(fā)現(xiàn),學(xué)習(xí)速率為0.03~0.04較為合適,略優(yōu)于學(xué)習(xí)率為其他時的情況。位置的單位是m,姿態(tài)的單位是(°),兩者沒有直接的可比性。若位置精度要求為1cm時,位置已達(dá)到精度要求,此時應(yīng)選學(xué)習(xí)速率為0.04。

    為探究輸入圖像大小對位置和姿態(tài)參數(shù)估計的影響,本文選取了512×256、480×480、640×640這3個典型尺寸進(jìn)行探究,其中640×640即為原圖像大小。輸入圖像大小即代表著每一張圖片向卷積神經(jīng)網(wǎng)絡(luò)中輸入信息量的多少。512×256=131072,480×480=230400,從包含的像素點(diǎn)來看,后者圖像中包含的信息量大約為前者的1.75倍。而640×640的圖像中包含的信息量大約是480×480中的1.77倍。輸入網(wǎng)絡(luò)中的圖像大小不同時訓(xùn)練得出的位置的平均誤差表如表6所示,姿態(tài)的平均誤差表如表7所示。

    表6 不同圖像輸入大小的位置平均誤差

    表7 不同圖像輸入大小的姿態(tài)平均誤差

    從實驗結(jié)果來看,輸入圖像大小為512×256時對于x方向和俯仰角的訓(xùn)練效果最好,且明顯優(yōu)于其他兩種情況。而在剩下4個維度的訓(xùn)練中,除了z方向上明顯低于輸入圖像為480×480的精度,其余均無明顯差距。而輸入圖像為640×640時全方位的精度均有所下降。分析認(rèn)為,輸入圖像過大會導(dǎo)致圖像特征冗余,反而不利于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。而經(jīng)過512×256變換的圖像在y方向和z方向信息不均等,反而在旋轉(zhuǎn)時為網(wǎng)絡(luò)提供了更鮮明的信息,最終效果佳。最終選擇將圖像變換大小為512×256。

    3 結(jié)論

    1)本文實現(xiàn)了利用卷積神經(jīng)網(wǎng)絡(luò)對帶有標(biāo)識物的航天器6個維度姿態(tài)的測量,通過仿真實驗結(jié)果可知,態(tài)勢分析系統(tǒng)可以較為精確地測量6個維度的位姿。

    2)對于姿態(tài)估計問題,通過仿真實驗結(jié)果證明簡單的9層卷積神經(jīng)網(wǎng)絡(luò)能更好地對航天器姿態(tài)進(jìn)行估計。

    3)在學(xué)習(xí)速率合適的情況下,ReLU作為激活函數(shù)可以給網(wǎng)絡(luò)增加更多的非線性特征,能夠?qū)ψ藨B(tài)估計的非線性函數(shù)進(jìn)行較好的擬合。

    猜你喜歡
    航天器姿態(tài)卷積
    2022 年第二季度航天器發(fā)射統(tǒng)計
    國際太空(2022年7期)2022-08-16 09:52:50
    基于3D-Winograd的快速卷積算法設(shè)計及FPGA實現(xiàn)
    攀爬的姿態(tài)
    2019 年第二季度航天器發(fā)射統(tǒng)計
    國際太空(2019年9期)2019-10-23 01:55:34
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    2018 年第三季度航天器發(fā)射統(tǒng)計
    國際太空(2018年12期)2019-01-28 12:53:20
    全新一代宋的新姿態(tài)
    汽車觀察(2018年9期)2018-10-23 05:46:40
    2018年第二季度航天器發(fā)射統(tǒng)計
    國際太空(2018年9期)2018-10-18 08:51:32
    跑與走的姿態(tài)
    中國自行車(2018年8期)2018-09-26 06:53:44
    基于傅里葉域卷積表示的目標(biāo)跟蹤算法
    亚洲综合精品二区| 考比视频在线观看| 少妇高潮的动态图| 日本与韩国留学比较| 亚洲av男天堂| 日日摸夜夜添夜夜爱| 99热全是精品| 国产精品不卡视频一区二区| 男女边摸边吃奶| 亚洲精品乱久久久久久| 王馨瑶露胸无遮挡在线观看| 黑人巨大精品欧美一区二区蜜桃 | 91精品三级在线观看| 男女免费视频国产| 中文精品一卡2卡3卡4更新| 啦啦啦视频在线资源免费观看| 天堂俺去俺来也www色官网| 男女无遮挡免费网站观看| 久久久久久久久久人人人人人人| 日韩不卡一区二区三区视频在线| 在线观看免费高清a一片| 国产精品国产三级国产专区5o| 高清在线视频一区二区三区| 九九在线视频观看精品| 精品国产一区二区久久| 大片免费播放器 马上看| 国产无遮挡羞羞视频在线观看| 一区二区日韩欧美中文字幕 | 一级,二级,三级黄色视频| 久久久久视频综合| 五月天丁香电影| 久久精品国产鲁丝片午夜精品| 伊人久久精品亚洲午夜| 国产 一区精品| 久久ye,这里只有精品| 亚洲精品国产av成人精品| 18禁观看日本| 亚洲国产精品国产精品| 成人免费观看视频高清| 亚洲熟女精品中文字幕| 国产综合精华液| 韩国av在线不卡| 国产午夜精品一二区理论片| 中文欧美无线码| 在线观看国产h片| 51国产日韩欧美| 在线观看免费视频网站a站| 国产免费福利视频在线观看| 免费av中文字幕在线| 男人爽女人下面视频在线观看| 亚洲国产毛片av蜜桃av| 久久人妻熟女aⅴ| 一本色道久久久久久精品综合| av电影中文网址| 中文字幕人妻熟人妻熟丝袜美| 女性生殖器流出的白浆| 又大又黄又爽视频免费| 春色校园在线视频观看| 十八禁高潮呻吟视频| 国产男女超爽视频在线观看| 大码成人一级视频| 色婷婷久久久亚洲欧美| 男人添女人高潮全过程视频| 欧美亚洲 丝袜 人妻 在线| 国国产精品蜜臀av免费| 国产精品国产三级国产专区5o| 欧美老熟妇乱子伦牲交| 久久99精品国语久久久| 啦啦啦视频在线资源免费观看| 精品99又大又爽又粗少妇毛片| 成年人免费黄色播放视频| 一区在线观看完整版| 天美传媒精品一区二区| 内地一区二区视频在线| 狠狠婷婷综合久久久久久88av| 色吧在线观看| 一级黄片播放器| 熟女av电影| 大香蕉久久成人网| 色视频在线一区二区三区| 美女视频免费永久观看网站| 人妻制服诱惑在线中文字幕| av免费在线看不卡| 亚洲欧美清纯卡通| h视频一区二区三区| 久久久久久久久久久久大奶| 国产综合精华液| 特大巨黑吊av在线直播| 少妇高潮的动态图| 国产男人的电影天堂91| 曰老女人黄片| 亚洲国产精品999| 如日韩欧美国产精品一区二区三区 | 又粗又硬又长又爽又黄的视频| 在线 av 中文字幕| 久久亚洲国产成人精品v| av在线观看视频网站免费| 午夜免费鲁丝| 熟妇人妻不卡中文字幕| 满18在线观看网站| 欧美日韩视频高清一区二区三区二| 蜜桃国产av成人99| 国产熟女欧美一区二区| 97在线视频观看| 午夜激情福利司机影院| 性高湖久久久久久久久免费观看| 国产欧美另类精品又又久久亚洲欧美| 人妻少妇偷人精品九色| 免费大片黄手机在线观看| 国产一区二区在线观看av| 最近手机中文字幕大全| 少妇被粗大的猛进出69影院 | 精品久久久久久电影网| 亚洲国产色片| 在线精品无人区一区二区三| 成人国语在线视频| 一边摸一边做爽爽视频免费| 久久女婷五月综合色啪小说| 2018国产大陆天天弄谢| 欧美丝袜亚洲另类| 亚洲成人av在线免费| 黑人高潮一二区| 人妻少妇偷人精品九色| 不卡视频在线观看欧美| 日本wwww免费看| 婷婷色综合www| 午夜影院在线不卡| 视频在线观看一区二区三区| 18禁在线无遮挡免费观看视频| 国产亚洲精品第一综合不卡 | 久久久精品94久久精品| 精品99又大又爽又粗少妇毛片| 一级毛片黄色毛片免费观看视频| 日韩强制内射视频| 国产深夜福利视频在线观看| 91午夜精品亚洲一区二区三区| 一级二级三级毛片免费看| 女的被弄到高潮叫床怎么办| 寂寞人妻少妇视频99o| 伦理电影免费视频| 日日啪夜夜爽| 超色免费av| 亚洲精品av麻豆狂野| 亚洲少妇的诱惑av| 国产黄色免费在线视频| 久久午夜福利片| 亚洲第一av免费看| 在线观看免费日韩欧美大片 | 我的老师免费观看完整版| 久久久精品94久久精品| 日日啪夜夜爽| 日本与韩国留学比较| 嫩草影院入口| 亚洲欧美成人精品一区二区| 亚洲伊人久久精品综合| 日韩 亚洲 欧美在线| 一个人看视频在线观看www免费| 日本vs欧美在线观看视频| 一本一本综合久久| 岛国毛片在线播放| 一本色道久久久久久精品综合| 少妇 在线观看| 十八禁网站网址无遮挡| 精品午夜福利在线看| 在线免费观看不下载黄p国产| 久久精品国产亚洲av涩爱| 日韩制服骚丝袜av| 三级国产精品片| 五月开心婷婷网| 777米奇影视久久| 秋霞在线观看毛片| 你懂的网址亚洲精品在线观看| 免费久久久久久久精品成人欧美视频 | 欧美 亚洲 国产 日韩一| 少妇的逼水好多| 欧美日韩精品成人综合77777| 最后的刺客免费高清国语| 麻豆成人av视频| 一区二区av电影网| 国产乱来视频区| 国产精品一区二区在线观看99| 亚洲精品乱久久久久久| 丰满饥渴人妻一区二区三| 久久久国产精品麻豆| 久久人人爽人人爽人人片va| 亚洲美女搞黄在线观看| 婷婷色麻豆天堂久久| 91精品国产国语对白视频| 午夜影院在线不卡| 日韩精品有码人妻一区| 九色亚洲精品在线播放| 夜夜看夜夜爽夜夜摸| 91久久精品国产一区二区三区| 久热久热在线精品观看| 全区人妻精品视频| av国产精品久久久久影院| 少妇精品久久久久久久| 最黄视频免费看| av不卡在线播放| 国产成人午夜福利电影在线观看| 最近最新中文字幕免费大全7| 午夜激情福利司机影院| 大话2 男鬼变身卡| 卡戴珊不雅视频在线播放| 大又大粗又爽又黄少妇毛片口| 2022亚洲国产成人精品| 一级毛片我不卡| 国产精品人妻久久久久久| 少妇人妻久久综合中文| 国产精品一区www在线观看| 欧美激情极品国产一区二区三区 | 人妻少妇偷人精品九色| 一级毛片黄色毛片免费观看视频| 免费观看无遮挡的男女| 亚洲丝袜综合中文字幕| 日日撸夜夜添| 亚洲欧美中文字幕日韩二区| 青春草视频在线免费观看| 纵有疾风起免费观看全集完整版| 亚洲国产精品专区欧美| 热re99久久国产66热| 国产日韩欧美亚洲二区| 亚洲人成77777在线视频| 精品久久久久久电影网| 成人无遮挡网站| 97在线人人人人妻| 国产熟女欧美一区二区| 爱豆传媒免费全集在线观看| 日本欧美国产在线视频| 精品久久久噜噜| 亚洲欧美一区二区三区黑人 | 久久久国产精品麻豆| 亚洲国产精品专区欧美| 亚洲av免费高清在线观看| 久热这里只有精品99| 久久精品久久久久久噜噜老黄| 成年人午夜在线观看视频| 欧美激情极品国产一区二区三区 | 少妇熟女欧美另类| 日本黄大片高清| 日本爱情动作片www.在线观看| 一级爰片在线观看| 精品久久久久久电影网| 三上悠亚av全集在线观看| 一级,二级,三级黄色视频| 能在线免费看毛片的网站| 日日摸夜夜添夜夜添av毛片| 有码 亚洲区| 黑人巨大精品欧美一区二区蜜桃 | 观看美女的网站| 亚洲国产精品国产精品| 91aial.com中文字幕在线观看| 亚洲av免费高清在线观看| av有码第一页| 综合色丁香网| 一区二区日韩欧美中文字幕 | 搡老乐熟女国产| 久久久国产欧美日韩av| 亚洲美女视频黄频| 中文字幕制服av| 亚洲一区二区三区欧美精品| 中文乱码字字幕精品一区二区三区| 看十八女毛片水多多多| 国产av国产精品国产| 人妻 亚洲 视频| 久久久久久伊人网av| 国产一级毛片在线| av播播在线观看一区| 日韩亚洲欧美综合| 人人妻人人澡人人爽人人夜夜| 99九九线精品视频在线观看视频| 久久久欧美国产精品| 久久久久久伊人网av| 国产精品久久久久久久久免| 国产午夜精品久久久久久一区二区三区| a级毛片黄视频| 成人亚洲精品一区在线观看| av国产精品久久久久影院| 另类亚洲欧美激情| 亚洲欧洲日产国产| 久久精品熟女亚洲av麻豆精品| 亚洲怡红院男人天堂| 一边摸一边做爽爽视频免费| 亚洲精品亚洲一区二区| 久久久久精品性色| 国产女主播在线喷水免费视频网站| videossex国产| 欧美日本中文国产一区发布| 青青草视频在线视频观看| 久久久精品免费免费高清| 成人国语在线视频| 国产亚洲av片在线观看秒播厂| av免费观看日本| 国产日韩欧美视频二区| 天天躁夜夜躁狠狠久久av| 久久国内精品自在自线图片| 精品国产一区二区三区久久久樱花| 日本爱情动作片www.在线观看| 午夜免费男女啪啪视频观看| 男女高潮啪啪啪动态图| 国产免费又黄又爽又色| 18禁裸乳无遮挡动漫免费视频| 亚洲不卡免费看| 一区在线观看完整版| 国产日韩欧美视频二区| 国产极品天堂在线| 久久人人爽人人片av| 天天操日日干夜夜撸| 高清欧美精品videossex| 久久精品人人爽人人爽视色| 国产成人a∨麻豆精品| 欧美+日韩+精品| 国产视频首页在线观看| 免费看不卡的av| 一级a做视频免费观看| 国产日韩欧美在线精品| 日日撸夜夜添| 丝袜喷水一区| 爱豆传媒免费全集在线观看| 午夜影院在线不卡| 精品午夜福利在线看| 精品亚洲成a人片在线观看| 日韩中字成人| 如何舔出高潮| 久久精品国产自在天天线| 国产精品久久久久久精品古装| 男女边摸边吃奶| 丝袜脚勾引网站| 狠狠婷婷综合久久久久久88av| 18禁在线无遮挡免费观看视频| 国产成人精品福利久久| 毛片一级片免费看久久久久| 国产白丝娇喘喷水9色精品| 最近中文字幕高清免费大全6| 久久亚洲国产成人精品v| a级毛片免费高清观看在线播放| 免费人成在线观看视频色| 日韩中文字幕视频在线看片| 日韩视频在线欧美| 免费久久久久久久精品成人欧美视频 | 亚洲精品国产色婷婷电影| 久久狼人影院| 亚洲欧洲日产国产| 少妇被粗大的猛进出69影院 | 91久久精品国产一区二区成人| 伦精品一区二区三区| 一级二级三级毛片免费看| 国产不卡av网站在线观看| 一级a做视频免费观看| 日韩电影二区| 黑人猛操日本美女一级片| 精品一品国产午夜福利视频| 午夜久久久在线观看| 青春草视频在线免费观看| 中文精品一卡2卡3卡4更新| 又黄又爽又刺激的免费视频.| www.色视频.com| 乱人伦中国视频| 日本wwww免费看| 99久久人妻综合| 国产一区二区在线观看av| 高清毛片免费看| 一区二区av电影网| 国产亚洲精品第一综合不卡 | av电影中文网址| 精品国产露脸久久av麻豆| 午夜老司机福利剧场| 国产av精品麻豆| 亚洲国产最新在线播放| 制服丝袜香蕉在线| 午夜激情av网站| 日韩av不卡免费在线播放| 九色亚洲精品在线播放| 22中文网久久字幕| 亚洲欧美日韩另类电影网站| 久久99蜜桃精品久久| 久久精品国产亚洲网站| 国产精品无大码| 嘟嘟电影网在线观看| 国产一区二区三区av在线| 免费看av在线观看网站| 26uuu在线亚洲综合色| 蜜桃久久精品国产亚洲av| 亚洲av成人精品一二三区| 99热这里只有精品一区| 日韩制服骚丝袜av| 少妇熟女欧美另类| 男人操女人黄网站| 特大巨黑吊av在线直播| 亚洲怡红院男人天堂| 涩涩av久久男人的天堂| 国产成人精品婷婷| 精品人妻在线不人妻| 免费av中文字幕在线| 久久久精品免费免费高清| 伦理电影免费视频| 精品人妻熟女毛片av久久网站| 国产av国产精品国产| 看十八女毛片水多多多| 美女cb高潮喷水在线观看| 国产成人精品久久久久久| 女性被躁到高潮视频| 男的添女的下面高潮视频| 亚洲人与动物交配视频| 在线观看免费日韩欧美大片 | 久久久久久久久大av| 97在线人人人人妻| 国产亚洲欧美精品永久| 热99久久久久精品小说推荐| xxxhd国产人妻xxx| 亚洲经典国产精华液单| 久久国内精品自在自线图片| 日韩av不卡免费在线播放| 人妻系列 视频| 国产午夜精品久久久久久一区二区三区| 婷婷成人精品国产| 亚洲美女视频黄频| 亚洲第一av免费看| 久久ye,这里只有精品| 国产成人一区二区在线| 免费观看无遮挡的男女| 你懂的网址亚洲精品在线观看| 五月天丁香电影| 久久免费观看电影| 美女视频免费永久观看网站| 少妇人妻久久综合中文| 日韩电影二区| 美女xxoo啪啪120秒动态图| 亚洲在久久综合| 亚洲,一卡二卡三卡| 亚洲人成77777在线视频| 国产精品久久久久成人av| 交换朋友夫妻互换小说| 啦啦啦啦在线视频资源| 日韩精品有码人妻一区| 国产一区有黄有色的免费视频| 国产男女内射视频| 亚洲国产精品999| 国精品久久久久久国模美| 国产高清不卡午夜福利| 日本欧美国产在线视频| 汤姆久久久久久久影院中文字幕| 18禁动态无遮挡网站| 九九久久精品国产亚洲av麻豆| 欧美精品高潮呻吟av久久| 国国产精品蜜臀av免费| 免费看光身美女| 国产免费一区二区三区四区乱码| 寂寞人妻少妇视频99o| 免费黄色在线免费观看| 国产极品天堂在线| 亚洲人与动物交配视频| 欧美人与性动交α欧美精品济南到 | av又黄又爽大尺度在线免费看| 两个人免费观看高清视频| 制服人妻中文乱码| 久久久国产精品麻豆| 日本欧美国产在线视频| 只有这里有精品99| 国产在线一区二区三区精| 亚洲av福利一区| 少妇被粗大的猛进出69影院 | 国内精品宾馆在线| 久久99精品国语久久久| 亚洲av在线观看美女高潮| 亚洲国产欧美在线一区| 亚洲国产精品999| 久久韩国三级中文字幕| 国产免费福利视频在线观看| 久久久精品区二区三区| 搡女人真爽免费视频火全软件| 一个人免费看片子| 搡老乐熟女国产| 女人久久www免费人成看片| 婷婷色综合www| 亚洲精品亚洲一区二区| 国产爽快片一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 日韩成人伦理影院| 99久久综合免费| 国产女主播在线喷水免费视频网站| 建设人人有责人人尽责人人享有的| 视频区图区小说| 国产精品麻豆人妻色哟哟久久| 亚洲精品国产色婷婷电影| 岛国毛片在线播放| 中文乱码字字幕精品一区二区三区| 大香蕉久久成人网| 中文字幕人妻熟人妻熟丝袜美| 97在线视频观看| 国产欧美亚洲国产| 五月天丁香电影| 91aial.com中文字幕在线观看| 高清在线视频一区二区三区| 91久久精品国产一区二区三区| av有码第一页| 亚洲欧美中文字幕日韩二区| 欧美日韩精品成人综合77777| 国产高清三级在线| 在线观看国产h片| 亚洲av二区三区四区| 简卡轻食公司| 99热国产这里只有精品6| 一级爰片在线观看| 综合色丁香网| 亚洲第一区二区三区不卡| 建设人人有责人人尽责人人享有的| 草草在线视频免费看| h视频一区二区三区| 啦啦啦中文免费视频观看日本| 中文字幕人妻丝袜制服| 日本黄色片子视频| 国产精品国产三级国产av玫瑰| 97超碰精品成人国产| 久久韩国三级中文字幕| 国产精品 国内视频| 亚洲精品国产av蜜桃| 国产亚洲欧美精品永久| 日本黄色日本黄色录像| 老司机亚洲免费影院| av在线观看视频网站免费| av黄色大香蕉| 成人18禁高潮啪啪吃奶动态图 | 午夜免费鲁丝| 午夜福利在线观看免费完整高清在| 麻豆乱淫一区二区| 桃花免费在线播放| 日韩在线高清观看一区二区三区| 王馨瑶露胸无遮挡在线观看| 久久久午夜欧美精品| 久久精品国产鲁丝片午夜精品| 精品一区在线观看国产| 看免费成人av毛片| 春色校园在线视频观看| 日本av免费视频播放| 久久久久久久亚洲中文字幕| 日本av手机在线免费观看| 国产免费福利视频在线观看| 欧美成人精品欧美一级黄| 中文精品一卡2卡3卡4更新| 国产在线视频一区二区| a级毛片黄视频| 中文精品一卡2卡3卡4更新| 久久精品国产亚洲av涩爱| 国产精品熟女久久久久浪| 亚洲天堂av无毛| 少妇精品久久久久久久| 校园人妻丝袜中文字幕| 人妻夜夜爽99麻豆av| 久久久久久久大尺度免费视频| 2018国产大陆天天弄谢| 看十八女毛片水多多多| 亚洲欧美日韩另类电影网站| 国产成人免费观看mmmm| 亚洲,欧美,日韩| 我要看黄色一级片免费的| 制服诱惑二区| 国产淫语在线视频| 精品少妇内射三级| 亚洲一区二区三区欧美精品| 涩涩av久久男人的天堂| 国产成人av激情在线播放 | 国产高清国产精品国产三级| 十八禁网站网址无遮挡| 好男人视频免费观看在线| 国产免费一级a男人的天堂| 黑丝袜美女国产一区| 草草在线视频免费看| 国产色婷婷99| 一级,二级,三级黄色视频| 国产亚洲最大av| 久久久久国产网址| 91精品国产国语对白视频| 成人综合一区亚洲| 五月玫瑰六月丁香| 亚洲精品一二三| 校园人妻丝袜中文字幕| 国产男女超爽视频在线观看| 欧美精品亚洲一区二区| 18在线观看网站| 在线亚洲精品国产二区图片欧美 | a级毛色黄片| 日韩不卡一区二区三区视频在线| 精品亚洲成国产av| 国产精品欧美亚洲77777| 伊人久久精品亚洲午夜| 一级毛片我不卡| 男的添女的下面高潮视频| 建设人人有责人人尽责人人享有的| av福利片在线| 国产日韩欧美亚洲二区| 国产精品三级大全| 日本黄色日本黄色录像| 午夜老司机福利剧场| 22中文网久久字幕| 婷婷色av中文字幕| 亚洲av男天堂| 另类亚洲欧美激情| 丰满迷人的少妇在线观看| videosex国产| 老司机影院成人| 国产精品偷伦视频观看了| 黑人巨大精品欧美一区二区蜜桃 | 男女高潮啪啪啪动态图| 亚洲精品美女久久av网站| 亚洲综合精品二区| 国产精品 国内视频| 婷婷色av中文字幕| 亚洲av男天堂| 久久这里有精品视频免费| 视频中文字幕在线观看| 欧美日韩综合久久久久久| 国产精品99久久99久久久不卡 | 观看美女的网站| 黑丝袜美女国产一区|