CN114663488B 一种基于深度学习的火箭助推器分离运动参数测量方法 （北京理工大学）_第1页
CN114663488B 一种基于深度学习的火箭助推器分离运动参数测量方法 （北京理工大学）_第2页
CN114663488B 一种基于深度学习的火箭助推器分离运动参数测量方法 （北京理工大学）_第3页
CN114663488B 一种基于深度学习的火箭助推器分离运动参数测量方法 （北京理工大学）_第4页
CN114663488B 一种基于深度学习的火箭助推器分离运动参数测量方法 （北京理工大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号AlgorithmforMilitar一种基于深度学习的火箭助推器分离运动本发明涉及一种基于深度学习的火箭助推的图像或视频数据进行归一化、标准化的预处2步骤四：计算火箭助推器中心的三维位置，包括根步骤五：对预测得到的三维位置和姿态分别进行平滑步骤六：通过计算得到火箭助推器分离时的运动时的运动速度的计算方法是通过任意两帧图像所预测的三维点坐标计算出对应经过的时2.根据权利要求1所述的一种基于深度学习的火箭助推器分离运动参数测量方法，其3.根据权利要求1所述的一种基于深度学习的火箭助推器分离运动参数测量方法，其4.根据权利要求1所述的一种基于深度学习的火箭助推器分离运动参数测量方法，其34[0015]根据像素坐标系和相机坐标系之间的转换公式，由步骤(3)得出的火箭助推器二坐标系的原点在像素坐标系中的坐标)计算得出火箭助推器中[0019]火箭助推器分离时的运动速度的计算方法是通过任意两帧图像所预测的三维点5的感受野变得更加精确，而不是限定为3*3的矩形卷积框内。特征提取网络的输出为特征取网络所输出的特征图作为输入，输出为关键点热图其中R是输出步长，即下采样倍数。因为本发明中不需要估计类别，所以热图的通道数为1。规定当坐标为p＝(x0,y0)，下采样后特征图中的对应中心点为利用一个高斯滤波核pp6络预测的变量映射到[0,1]。深度回归模块的直接输出为经过上述变换后得到火箭助7-学[0053]火箭助推器分离时的运动速度的计算方法是通过任意两帧图像所预测的三维点k[0055]角速度的计算方法是通过任意两帧图像所预测的两个角度分别计算出对应的两内火箭助推器分别绕两个轴的角速度，分别为绕x轴旋转的角速度ω[0058]式中，rot_xk和rot_xk+1是相邻两帧图像分别预测出的绕x轴角度，ro8上图示或描述的特定的结构，权利要求将覆

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论