10.19306/j.cnki.2095-8110.2021.03.012
基于深度学习的非合作航天器姿态估计
针对空间非合作航天器姿态测量时受光照和地球背景影响大的问题,提出了一种基于卷积神经网络的端到端姿态估计方法.在该方法中,主干网络采用AlexNet与ResNet.首先,移除主干网络末端的全连接层,并列连接3个全连接层,采用三分支网络分别对姿态角进行估计.然后,设计了将分类问题与回归问题相结合的损失函数,通过分类方法将姿态估计限定在某一范围内,再使用回归方法进一步微调姿态.姿态分类损失函数确定姿态角度基准点,姿态回归损失函数对估计角度进行微调.相较于仅采用回归方法进行姿态估计,此方法能够有效减小姿态估计平均绝对误差、标准差与最大误差.实验对比了不同主干网络的测量精度,平均绝对误差在0.376°~0.746°之间,最优标准差为0.474°.
深度学习、姿态估计、非合作目标
8
TP183;V556.5(自动化基础理论)
国家自然科学基金61773383
2021-06-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
90-97