From:東京工業(yè)大學(xué) 編譯:Yulei近日,來(lái)自日本東京工業(yè)大學(xué)的研究人員將基于深度學(xué)習(xí)的新型傳感器送入太空。作為日本新型衛(wèi)星技術(shù)驗(yàn)證計(jì)劃的一部分,這一稱為深度學(xué)習(xí)姿態(tài)傳感器(Deep Learning Attitude Sensor,DLAS)的傳感器利用深度學(xué)習(xí)算法來(lái)實(shí)現(xiàn)低成本、高精度、長(zhǎng)在軌時(shí)間姿態(tài)傳感器。它主要包含了地球傳感器和星體追蹤器兩個(gè)部分,他們分別基于不同的深度學(xué)習(xí)算法來(lái)對(duì)進(jìn)行三軸位姿估計(jì)。
利用邊緣計(jì)算平臺(tái)和簡(jiǎn)單的圖像分割算法實(shí)現(xiàn)了不同地表的識(shí)別,隨后利用一種新穎的姿態(tài)估計(jì)算法從識(shí)別后的數(shù)據(jù)中估計(jì)出三軸位姿。
這一算法主要分為以下幾個(gè)步驟,首先在軌道上對(duì)地表進(jìn)行拍攝,并將拍攝的照片分別送入到圖像識(shí)別網(wǎng)絡(luò)和邊緣檢測(cè)器中;其中圖像識(shí)別網(wǎng)絡(luò)將根據(jù)不同的地表特征對(duì)圖像進(jìn)行分割,將圖像中的太空、陸地、海洋和森林等區(qū)域識(shí)別出來(lái);而送入邊緣檢測(cè)圖像則先檢測(cè)地球與太空的邊緣,確定出兩個(gè)中的姿態(tài);隨后利用地圖映射得到陸地的分割結(jié)果;最后結(jié)合地表特征的分割結(jié)果和陸地的分割結(jié)果來(lái)實(shí)現(xiàn)模式匹配,最終得到三軸位姿的精確估計(jì)。
模式識(shí)別以及匹配的方法開(kāi)發(fā)出了星體跟蹤器,通過(guò)持續(xù)追蹤太空中的恒星位置來(lái)實(shí)現(xiàn)高精度姿態(tài)估計(jì)。這一方法首先利用星體特征抽取獲取太空中恒星的位置,隨后利用模式匹配來(lái)尋找對(duì)應(yīng)的恒星,最后根據(jù)匹配的幾何關(guān)系實(shí)現(xiàn)三軸姿態(tài)估計(jì)。
實(shí)時(shí)圖像識(shí)別的軌道測(cè)試。通過(guò)使用兩個(gè)緊湊型可見(jiàn)光攝像機(jī)對(duì)地表進(jìn)行拍攝,通過(guò)處理估計(jì)出三軸位姿。具體來(lái)講,將拍攝到的圖像送入專門開(kāi)發(fā)的高速、輕量級(jí)圖像識(shí)別網(wǎng)絡(luò)進(jìn)行處理,目前可以在4秒內(nèi)處理800萬(wàn)像素的圖像、并根據(jù)地表特性的不同將地表分割的結(jié)果分為九大類,包括綠地,沙漠,海洋,云和外太空等。這是首次使用深度學(xué)習(xí)在太空中進(jìn)行實(shí)時(shí)的圖像識(shí)別。
最后廣泛研究這種圖像識(shí)別技術(shù)的應(yīng)用,并評(píng)估這種三軸姿態(tài)估計(jì)方法的準(zhǔn)確性,特別是地表特征被云層遮擋的情況下的可靠性,并將它們與預(yù)先記錄在星載計(jì)算機(jī)上的地圖數(shù)據(jù)進(jìn)行比較。東京工業(yè)大學(xué)對(duì)于納米微信的研發(fā)已經(jīng)有很長(zhǎng)的歷史。自工程技術(shù)演示衛(wèi)星CUTE-I以來(lái),東工大的Kawai實(shí)驗(yàn)室和Matsunaga實(shí)驗(yàn)室的研究小組致力于納米衛(wèi)星空間科學(xué)觀測(cè),并通過(guò)開(kāi)展,發(fā)射和運(yùn)行納米衛(wèi)星,引領(lǐng)世界納米衛(wèi)星的發(fā)展。這次將深度學(xué)習(xí)技術(shù)應(yīng)用于姿態(tài)估計(jì)領(lǐng)域也在開(kāi)創(chuàng)了全新的研究領(lǐng)域。
短期天體物理現(xiàn)象的初始活動(dòng)跡象。而觀測(cè)的主要波段紫外線卻因?yàn)榇髿庾钃酰沟眯禽d設(shè)備成為了唯一的研究途徑。
送上太空的觀測(cè)設(shè)備同時(shí)還需要一個(gè)穩(wěn)定的觀測(cè)平臺(tái)。要觀測(cè)即遙遠(yuǎn)又微弱的星體,需要衛(wèi)星保持較高的姿態(tài)穩(wěn)定性??梢韵胂笠幌拢陬嶔さ钠嚿衔覀兪菬o(wú)法用相機(jī)拍出窗外的美景的,只有在平穩(wěn)行駛的時(shí)候我們才有可能從容的拍攝下清晰的風(fēng)景。此外由于衛(wèi)星通信鏈路的限制,難以將所有圖像數(shù)據(jù)瞬時(shí)傳送回地面,只有傳輸短小的報(bào)文信息才能使短期快速通信成為可能。為了充分結(jié)合天體綜合的觀測(cè)設(shè)備,實(shí)現(xiàn)聯(lián)合觀測(cè),開(kāi)發(fā)星載高速處理算法成為了有效觀測(cè)的必由之路。研究人員希望衛(wèi)星可以對(duì)采集的圖像進(jìn)行分析,例如目標(biāo)天體的準(zhǔn)確位置和亮度的分析結(jié)果傳送回地球。為了完成這樣復(fù)雜的觀測(cè)任務(wù),需要開(kāi)發(fā)高度精確的星體跟蹤器以及高新能的星載計(jì)算機(jī),同時(shí)還需要開(kāi)發(fā)高性能、低功耗的自動(dòng)圖像分析技術(shù)。
-
傳感器
+關(guān)注
關(guān)注
2553文章
51448瀏覽量
756888 -
圖像識(shí)別
+關(guān)注
關(guān)注
9文章
521瀏覽量
38401 -
深度學(xué)習(xí)
+關(guān)注
關(guān)注
73文章
5516瀏覽量
121596
原文標(biāo)題:讓深度學(xué)習(xí)飛向星辰大海,東京研究員將新型傳感器送入太空
文章出處:【微信號(hào):thejiangmen,微信公眾號(hào):將門創(chuàng)投】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
深度學(xué)習(xí)視角下的貓狗圖像識(shí)別實(shí)現(xiàn)
![<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>視角下的貓狗<b class='flag-5'>圖像識(shí)別</b>實(shí)現(xiàn)](https://file1.elecfans.com/web2/M00/90/8A/wKgZomTa5aqAeOK6AACuFdHdiaE439.png)
圖像識(shí)別中的深度學(xué)習(xí)
深度學(xué)習(xí)在圖像識(shí)別領(lǐng)域的四大方向
![<b class='flag-5'>深度</b><b class='flag-5'>學(xué)習(xí)</b>在<b class='flag-5'>圖像識(shí)別</b><b class='flag-5'>領(lǐng)域</b>的四大方向](https://file.elecfans.com/web1/M00/7B/9D/o4YBAFwB4C2AViEPAAANiZi5wa4789.jpg)
細(xì)粒度圖像識(shí)別深度學(xué)習(xí)開(kāi)源工具庫(kù)Hawkeye解析
圖像識(shí)別技術(shù)原理 深度學(xué)習(xí)的圖像識(shí)別應(yīng)用研究
模擬矩陣在圖像識(shí)別中的應(yīng)用
![模擬矩陣在<b class='flag-5'>圖像識(shí)別</b>中的應(yīng)用](https://file1.elecfans.com/web2/M00/A2/EA/wKgaomT1cFeAIy55AAFr19HBdvY990.png)
如何使用Python進(jìn)行圖像識(shí)別的自動(dòng)學(xué)習(xí)自動(dòng)訓(xùn)練?
圖像識(shí)別技術(shù)原理 圖像識(shí)別技術(shù)的應(yīng)用領(lǐng)域
如何利用CNN實(shí)現(xiàn)圖像識(shí)別
圖像識(shí)別技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用
圖像識(shí)別算法的優(yōu)缺點(diǎn)有哪些
圖像識(shí)別算法的提升有哪些
圖像識(shí)別算法都有哪些方法
GPU深度學(xué)習(xí)應(yīng)用案例
AI圖像識(shí)別攝像機(jī)
![AI<b class='flag-5'>圖像識(shí)別</b>攝像機(jī)](https://file1.elecfans.com/web2/M00/FB/13/wKgaomaMo4WAIxtNAABc_bI4MJ0136.png)
評(píng)論