基于深度学习目标识别的航天员训练场景理解技术

摘要：

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.

关键词：目标识别、点云匹配、增强现实、航天员训练、场景理解

所属期刊栏目：29

分类号：R857.1;V19(航空航天医学)

资助基金：人因工程重点实验室基金;人因工程重点实验室基金

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：143-149