基于深度学习的空间非合作目标多模智能重建算法研究

发布时间：2020-07-17 01:05

【摘要】：空间目标三维重建技术是在轨服务中的重要关键技术之一,能够对失效卫星、失控航天器等空间非合作目标的在轨清障与救援任务提供高精度的导航模型。由于空间环境的高复杂性,仅仅利用可见光图像实现对目标的三维重建面临着挑战,为此,本文提出一种基于可见光图像重建点云与激光雷达点云智能融合的空间目标三维重建方法,主要的研究内容如下。首先,研究一种基于激光雷达的空间非合作目标三维重建方法。在空间复杂光照环境下,激光雷达具有一定的优势。在对激光雷达工作原理仿真的基础上,研究了点云数据获取、点云配准拼接、三维网格构造和纹理映射,实现了对目标模型的三维重建,并开展基于激光雷达的三维重建仿真实验。其次,探索空间目标可见光图像品质参数分析方法,提出以图像清晰度、纹理丰富度、曝光度为影响可见光图像三维重建的品质参数,建立图像品质的数学模型,并利用BP神经网络对三个品质参数进行训练,实现了输入图像序列的智能优选。第三,基于卷积神经网络的caffe开放平台搭建了Faster RCNN深度学习框架,构建特征提取网络与RPN结构框架,实现了对图像序列中目标模块的智能识别,进而筛选出带有某部件且清晰完整的目标图像。最后,提出一种基于可见光图像的重建点云与激光雷达扫描点云的多模融合三维重建方法,利用曲率的最近点迭代算法方法实现了重建点云的真实尺度恢复与目标完整性恢复。本论文对仿真模型进行了大量三维重建实验,并与原模型比较进行误差分析,以验证本文上述研究内容的有效性。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V52
【图文】：

激光雷达,三维信息,工程硕士学位,星载激光雷达

哈尔滨工业大学工程硕士学位论文具有很多不可替代的优势。因星载雷达运行轨道高，观测视野观测到世界每一个角落，为构建拼接数字世界地图提供了更多大。还可以用于观测天体，其他目标等用处，也可在海面高度气溶胶垂直分布测量以及气候气象检测的方面发挥作用[19]。于国外在星载激光雷达的研制和应用上，美国航空航天局(NA世界领先地位[20]。1994 年 Clementine 探月系统上,就率先利用达扫描月球表面的获取真实三维信息。图1-1中展示的就是Cl统及搭载的激光雷达。1996 年发射的火星全球勘探者号(Marr)MGS，同样利用该方法获取了火星表面真实三维信息。

原理图,脉冲测量,原理,激光雷达

图 2-1 脉冲测量原理DL-64E2 型激光雷达分析lodyne HDL-64E2 激光雷达为原型进Velodyne HDL-64E2 型激光雷达主要激光雷达水平视野为 360 度，垂直视描频率为 1-15Hz（用户可选），该感兴趣区域部分的三维点云数据及图用了目前较先进的探测设备，有着等优点，专门针对运动目标扫描而度上类似。激光束在射出时角度的面体来控制的，该多面体的转动频。

示意图,配准,示意图,重建过程

配准示意图

【参考文献】