小行星场景下基于循环卷积网络的位姿估计方法

摘要：

针对小行星探测绕飞阶段采用视觉导航,小行星表面光照变化会影响视觉图像特征的稳定性而影响相对位姿估计的问题,提出了一个基于单应性矩阵的位姿估计方法.其采用一个基于循环神经网络-卷积神经网络(RNN-CNN)的深度学习框架估计单应性矩阵.实验结果表明:该网络提高了光照变化下单应性矩阵估计的精度.通过被用于小行星表面图像序列的位姿估计,证明了该方法的有效性及其在精度和效率方面优于传统方法.

关键词：小行星、循环神经网络-卷积神经网络(RNN-CNN)、单应性矩阵、位姿估计

所属期刊栏目：39

分类号：TP391.4;TP212(计算技术、计算机技术)

资助基金：空间科学预研基金资助项目XDA15014700

在线出版日期：2020-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：55-57,61