基于C-TOF成像的位姿测量与地物目标识别技术研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于C-TOF成像的位姿测量与地物目标识别技术研究

卢纯青, 杨孟飞, 武延鹏, 梁潇

文章导航 > 红外与激光工程 > 2020 > 49(1): 0113005-0113005(9)

卢纯青, 杨孟飞, 武延鹏, 梁潇. 基于C-TOF成像的位姿测量与地物目标识别技术研究[J]. 红外与激光工程, 2020, 49(1): 0113005-0113005(9). doi: 10.3788/IRLA202049.0113005

引用本文:

卢纯青, 杨孟飞, 武延鹏, 梁潇. 基于C-TOF成像的位姿测量与地物目标识别技术研究[J]. 红外与激光工程, 2020, 49(1): 0113005-0113005(9). doi: 10.3788/IRLA202049.0113005

Lu Chunqing, Yang Mengfei, Wu Yanpeng, Liang Xiao. Research on pose measurement and ground object recognition technology based on C-TOF imaging[J]. Infrared and Laser Engineering, 2020, 49(1): 0113005-0113005(9). doi: 10.3788/IRLA202049.0113005

Citation:

Lu Chunqing, Yang Mengfei, Wu Yanpeng, Liang Xiao. Research on pose measurement and ground object recognition technology based on C-TOF imaging[J]. Infrared and Laser Engineering, 2020, 49(1): 0113005-0113005(9). doi: 10.3788/IRLA202049.0113005

基于C-TOF成像的位姿测量与地物目标识别技术研究

doi: 10.3788/IRLA202049.0113005

1. 北京控制工程研究所, 北京 100080;
2. 中国空间技术研究院, 北京 100094

基金项目:

十三五预研基金

作者简介:
卢纯青(1988-),男,工程师,博士,主要从事空间成像感知与智能导航控制技术方面的研究。Email:cust0702@sina.com

中图分类号: TP391.41

Research on pose measurement and ground object recognition technology based on C-TOF imaging

1. Beijing Institute of Control Engineering, Beijing 100080, China;
2. China Academy of Space Technology, Beijing 100094, China

摘要: 深空探测器的功耗和体积有限，任务工况多样，与低轨道地球探测器相比，深空探测器对导航敏感器的任务能力提出了更高的需求。提出了一种基于飞行时间成像的快速位姿测量和地物目标识别技术。为了在保证位姿测量精度的前提下满足对位姿测量时间性能的需求，提出了一种基于深度信息的动态尺度估计方法。该方法提升了物方多尺度变化条件下点云配准的时间稳定性，平均配准时间缩短60%以上，平均配准精度约为0.04 m。为了满足多尺度、多形态地物目标识别的需求，使用了基于轻量化深度神经网络，可根据场景深度信息进行地物检测。结果表明，该方法可对地物特征进行快速感知，在真实场景中的准确率达到70%以上。
- 深空探测 /
- 飞行时间成像 /
- 正态分布变换 /
- 语义分割
Abstract: Deep space probes have limited power consumption and volume, and have diverse mission conditions. Compared with low-orbit earth probes, deep space probes have higher requirements for the mission capabilities of navigation sensors. This paper proposed a fast pose measurement and ground object recognition technology based on time-of-flight imaging. In order to meet the time requirements of pose measurement under the premise of ensuring the accuracy of pose measurement, a dynamic scale estimation method based on depth information was proposed. This method improved the temporal stability of point cloud registration under multi-scale object-side changes. The average registration time was reduced by more than 60% and the average registration accuracy was about 0.04 m. In order to meet the needs of multi-scale and multi-morph object recognition, a light-weight deep neural network was used to detect ground objects based on scene depth information. The results show that this method can quickly perceive the features of ground features, and the accuracy rate is more than 70% in real scenes.
- deep space exploration /
- time-of-flight imaging /
- normal distribution transformation /
- semantic segmentation

[1]	Yano H, Kubota T, Miyamoto H, et al. Touchdown of the Hayabusa spacecraft at the Muses Sea on Itokawa[J]. Science, 2006, 312(5778):1350-1353.
[2]	Tsuchiyama A, Uesugi M, Matsushima T, et al. Three-dimensional structure of Hayabusa samples:origin and evolution of Itokawa regolith[J]. Science, 2011, 333(6046):1125-1128.
[3]	Tsuda Y, Yoshikawa M, Abe M, et al. System design of the Hayabusa 2-Asteroid sample return mission to 1999 JU3[J]. Acta Astronautica, 2013, 91:356-362.
[4]	Tsuda Y, Yoshikawa M, Saiki T, et al. Hayabusa2-Sample return and kinetic impact mission to near-earth asteroid Ryugu[J]. Acta Astronautica, 2019, 156:387-393.
[5]	Titterton D H. Military Laser Technology and Systems[M]. US:Artech House, 2015.
[6]	Rusu R B, Blodow N, Beetz M. Fast point feature histograms (FPFH) for 3D registration[C]//2009 IEEE International Conference on Robotics and Automation. IEEE, 2009:3212-3217.
[7]	Zhang Z. Iterative point matching for registration of free-form curves and surfaces[J]. International Journal of Computer Vision, 1994, 13(2):119-152.
[8]	Rusinkiewicz S, Levoy M. Efficient variants of the ICP algorithm[C]//3-D Digital Imaging and Modeling, 2001. Proceedings. Third International Conference on. IEEE, 2001:145-152.
[9]	Biber P, Strasser W. The normal distributions transform:A new approach to laser scan matching[C]//Proceedings 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS 2003)(Cat. No. 03CH37453). IEEE, 2003, 3:2743-2748.
[10]	Yue X, Wu B, Seshia S A, et al. A lidar point cloud generator:from a virtual world to autonomous driving[C]//Proceedings of the 2018 ACM on International Conference on Multimedia Retrieval. ACM, 2018:458-464.
[11]	Wu B, Wan A, Yue X, et al. Squeezeseg:Convolutional neural nets with recurrent crf for real-time road-object segmentation from 3d lidar point cloud[C]//2018 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2018:1887-1893.
[12]	Wu B, Zhou X, Zhao S, et al. Squeezesegv2:Improved model structure and unsupervised domain adaptation for road-object segmentation from a lidar point cloud[C]//2019 International Conference on Robotics and Automation (ICRA). IEEE, 2019:4376-4382.
[13]	Srivastava N, Hinton G, Krizhevsky A, et al. Dropout:a simple way to prevent neural networks from overfitting[J]. Journal of Machine Learning Research, 2014, 15(1):1929-1958.

[1]	邵家起, 陈洪雷, 丁瑞军. 线性APD混合飞行时间测距模型及读出电路设计 . 红外与激光工程, 2023, 52(9): 20220892-1-20220892-10. doi: 10.3788/IRLA20220892
[2]	林森, 赵振禹, 任晓奎, 陶志勇. 基于语义信息补偿全局特征的物体点云分类分割 . 红外与激光工程, 2022, 51(8): 20210702-1-20210702-12. doi: 10.3788/IRLA20210702
[3]	杜中强, 唐林波, 韩煜祺. 面向嵌入式平台的车道线检测方法 . 红外与激光工程, 2022, 51(7): 20210753-1-20210753-8. doi: 10.3788/IRLA20210753
[4]	孙旭旦, 吴清, 赵春艳, 张满囤. 语义增强引导特征重建的遮挡行人检测 . 红外与激光工程, 2022, 51(9): 20210924-1-20210924-10. doi: 10.3788/IRLA20210924
[5]	朱祯悦, 吕淑静, 吕岳. 基于图匹配网络的小样本违禁物品分割算法 . 红外与激光工程, 2021, 50(11): 20210075-1-20210075-9. doi: 10.3788/IRLA20210075
[6]	苏云征, 郝群, 曹杰, 闫雷, 武帅. 合并分割块的点云语义分割方法 . 红外与激光工程, 2021, 50(10): 20200482-1-20200482-10. doi: 10.3788/IRLA20200482
[7]	朱琳琳, 韩璐, 杜泓, 范慧杰. 基于U-Net网络的多主动轮廓细胞分割方法研究 . 红外与激光工程, 2020, 49(S1): 20200121-20200121. doi: 10.3788/IRLA20200121
[8]	王立, 吴奋陟, 梁潇. 我国深空探测光学敏感器技术发展与应用（特约） . 红外与激光工程, 2020, 49(5): 20201004-20201004-6. doi: 10.3788/IRLA20201004
[9]	邓力, 陈钱, 贺元骅, 隋修宝. 基于自适应MIMO技术的深空探测对流层延迟预测 . 红外与激光工程, 2020, 49(5): 20190471-20190471-5. doi: 10.3788/IRLA20190471
[10]	邱家稳, 王强, 马继楠. 深空探测技术（特约） . 红外与激光工程, 2020, 49(5): 20201001-20201001-10. doi: 10.3788/IRLA20201001
[11]	范斌, 刘彦丽, 赵海博, 徐婧, 孙权森, 王旭. 新型深空高光谱衍射计算成像探测技术（特约） . 红外与激光工程, 2020, 49(5): 20201005-20201005-6. doi: 10.3788.IRLA20201005
[12]	卢纯青, 宋玉志, 武延鹏, 杨孟飞. 基于相关法飞行时间三维感知的误差机理研究 . 红外与激光工程, 2019, 48(11): 1113002-1113002(9). doi: 10.3788/IRLA201948.1113002
[13]	刘奉昌, 李威, 董吉洪, 赵伟国, 赵海波, 李晓波. 深空探测相机超轻主支撑结构优化设计 . 红外与激光工程, 2019, 48(12): 1214003-1214003(8). doi: 10.3788/IRLA201948.1214003
[14]	黄民双, 刘晓晨, 马鹏. 脉冲飞行时间激光测距系统中周期误差补偿 . 红外与激光工程, 2018, 47(3): 317004-0317004(5). doi: 10.3788/IRLA201847.0317004
[15]	罗海波, 何淼, 惠斌, 常铮. 基于双模全卷积网络的行人检测算法(特邀) . 红外与激光工程, 2018, 47(2): 203001-0203001(8). doi: 10.3788/IRLA201847.0203001
[16]	马聪, 李威, 张远清, 李晓波, 安明鑫. 深空探测遥感相机支撑结构设计 . 红外与激光工程, 2018, 47(6): 618004-0618004(6). doi: 10.3788/IRLA201847.0618004
[17]	林栩凌, 邬志强, 杨颂, 张智, 毕思文, 张璇, 杜雨洁. 一种应用于深空探测的弱信号探测技术 . 红外与激光工程, 2017, 46(9): 913002-0913002(4). doi: 10.3788/IRLA201746.0913002
[18]	韩郁翀, 秦俊, 马兴鸣, 赵兰明, 李雨农. 基于飞行时间深度图像变化率的火焰识别方法 . 红外与激光工程, 2014, 43(1): 338-344.
[19]	岱钦, 耿岳, 李业秋, 张乐, 郝永平. 利用TDC-GP21的高精度激光脉冲飞行时间测量技术 . 红外与激光工程, 2013, 42(7): 1706-1709.
[20]	张冰娜, 黄庚华, 舒嵘, 王建宇. 用于大动态范围厘米精度激光测距的孔径光阑自动调整技术 . 红外与激光工程, 2013, 42(7): 1788-1792.

WeChat

点击查看大图

计量

文章访问数: 770
HTML全文浏览量: 117
PDF下载量: 43
被引次数: 0

基于C-TOF成像的位姿测量与地物目标识别技术研究

doi: 10.3788/IRLA202049.0113005

1. 北京控制工程研究所, 北京 100080;

2. 中国空间技术研究院, 北京 100094

作者简介:
卢纯青(1988-),男,工程师,博士,主要从事空间成像感知与智能导航控制技术方面的研究。Email:cust0702@sina.com

收稿日期: 2019-05-05
修回日期: 2019-06-15
刊出日期: 2020-01-28

基金项目:

十三五预研基金

中图分类号: TP391.41

关键词:

摘要: 深空探测器的功耗和体积有限，任务工况多样，与低轨道地球探测器相比，深空探测器对导航敏感器的任务能力提出了更高的需求。提出了一种基于飞行时间成像的快速位姿测量和地物目标识别技术。为了在保证位姿测量精度的前提下满足对位姿测量时间性能的需求，提出了一种基于深度信息的动态尺度估计方法。该方法提升了物方多尺度变化条件下点云配准的时间稳定性，平均配准时间缩短60%以上，平均配准精度约为0.04 m。为了满足多尺度、多形态地物目标识别的需求，使用了基于轻量化深度神经网络，可根据场景深度信息进行地物检测。结果表明，该方法可对地物特征进行快速感知，在真实场景中的准确率达到70%以上。

English Abstract

全文HTML

参考文献 (13)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回