CN112528808B 天体表面障碍物识别方法和装置 （中国空间技术研究院）

L.C.Chenetal.Deeplabv3+:EDecoderwithAtrousSeparableConProceedingsEuropeanConfeComputerVision.20182构建卷积神经网络，将融合后的所述标注样本集输入将深空探测巡视器获得的待识别图像进行特征融合，并将融合后的所述构建卷积神经网络，将融合后的所述标注样本集输入所基于DeepLabv3+网络构建骨干网络，并将融合后的所述标注通过残差上采样转换方法，对每张所述第一特征图进行上采样，将所述拼接后的特征图进行上采样，得到训练样本的分割结果，通过第一面积的圆形邻域的像素采样方法计算所述待融合图像的圆形LBP特征图，得通过第二面积的圆形邻域的像素采样方法计算所述待融合图像的圆形LBP特征图，得将所述待融合图像、第一窗口LBP特征图和第二窗口LBP特征图分别作为RGB通道的各34.如权利要求1所述的天体表面障碍物识别方法，其特征在于，所述构建卷积神经网构建卷积神经网络，将融合后的所述标注样本集输入特征融合模块，用于将所述标注样本集中的每张图像均模型建立模块，用于构建卷积神经网络，将融合后的所述标注样本集输分割识别模块，用于将深空探测巡视器获得的待识别图像基于DeepLabv3+网络构建骨干网络，并将融合后的所述标注通过残差上采样转换方法，对每张所述第一特征图进行上采样，将所述拼接后的特征图进行上采样，得到训练样本的分割结果，7.一种天体表面障碍物识别装置，包括存4所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的天体表面障碍物识别5术中地外天体巡视器障碍物识别方法精度低且计算[0008]将所述标注样本集中的每张图像均进行特征融合，得到融合后的所述标注样本[0012]通过第一面积的圆形邻域的像素采样方法计算所述待融合图像的圆形LBP特征6[0013]通过第二面积的圆形邻域的像素采样方法计算所述待融合图像的圆形LBP特征[0014]将所述待融合图像、第一窗口LBP特征图和第二窗口LBP特征图分别作为RGB通道特征图fh上采样预设倍数获得的特征图，7表示的第j个特征位置，:表示所述第一特7计算机程序时实现如上述实施例的第一方面提供的任一项所述的天体表面障碍物识别方[0044]本发明实施例的天体表面障碍物识别方法和装置与现有技术相比存在的有益效天体巡视器训练数据量不足的问题，实现了通过单幅图像就能够探测地外天体的障碍物，8[0056]参见图1，为本实施例提供的天体表面障碍物识别方法的一个实施例实现流程示当前立体相机提供的有效障碍检测范围一般只在十米之内，因此中长距离情况下三维重配算法准确度并不高。因此本实施例提供一种基于深度学习的天体表面障碍物识别方法，9[0080]进一步地，本实施例利用残差上采样转换(ResidualUpsamplingT值上采样4倍获得，并且查询(query)键(key)k,-G,(),值(value)道数可以为256)得到残差的输出Fmul为点乘，最终的输出特征为[0096]为了起到抑制过拟合的效果，本实施例引入分类任务中常用的labelsmoothing处理，即对分割任务中标签的独热编码Pm(one-hot编码)进行平滑(smooth)处理，所以smoothIOUloss函数中，smooth表示对分割任务中标签的独热编码Pm进行平滑处理，如例提出两种版本的骨干网络，基本版本的骨干网络ResNet具有分割识别精度和准确率高、[0102]示例性的，本实施例可以采用嫦娥三号搭载的玉兔号月球车拍摄的图像作为样[0103](1)获取嫦娥三号着陆器和玉兔号巡视器所拍摄的图片数据，并对这些数据进行[0112](6)将测试样本输入到训练好的网络模型中，利用训练得到的网络模型对测试集[0119]图像标注模块110用于对深空探测巡视器获得的原始图像集进行障碍物标注，得[0120]特征融合模块120用于将所述标注样本集中的每张图像均进行特征融合，得到融[0121]模型建立模块130用于构建卷积神经网络，将融合后的所述标注样本集输入所述[0122]分割识别模块140用于将深空探测巡视器获得的待识别图像进行特征融合，并将施例的天体表面障碍物识别装置100包括：处理器150、存储器160以及存储在所述存储器160中并可在所述处理器150上运行的计算机程序161，例如天体表面障碍物识别方法的程[0125]其中，处理器150在执行存储器160上所述计算机程序161时实现上述天体表面障述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段[0127]图像标注模块110用于对深空探测巡视器获得的原始图像集进行障碍物标注，得[0128]特征融合模块120用于将所述标注样本集中的每张图像均进行特征融合，得到融[0129]模型建立模块130用于构建卷积神经网络，将融合后的所述标注样本集输入所述[0130]分割识别模块140用于将深空探测巡视器获得的待识别图像进行特征融合，并将其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(Field-分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器别装置100的外部存储设备，例如所述天体表面障碍物识别装置100上配备的插接式硬盘，存储单元也包括外部存储设备。所述存储器160用于存储所述计算机程序以及所述天体表[0136]所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适