10.3969/j.issn.1674-5825.2023.02.001
基于深度学习目标识别的航天员训练场景理解技术
增强现实(AR)是航天员训练的有效途径,其关键技术是场景重建与空间定位.针对当前AR设备只能进行场景空间静态识别,无法感知目标动态变化的问题,提出了深度学习与AR技术相结合的目标识别与位姿估计方法.采用YOLO v5神经网络实现了小训练样本量的操作目标识别,结合深度信息实现了目标点云分割,与目标CAD模型点云进行ICP匹配后估计出目标的三维空间位姿,从而在AR显示空间中实现目标的动态定位与虚实融合.结果表明:YOLO v5的识别平均精度可以达到0.995,虚实结构可以准确叠加.该方法可有效提高AR设备的场景理解能力,扩展航天员AR训练手段.
目标识别、点云匹配、增强现实、航天员训练、场景理解
29
R857.1;V19(航空航天医学)
人因工程重点实验室基金;人因工程重点实验室基金
2023-04-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
143-149