基于面具R-CNN和多约束遗传算法在高温流场中的电磁弹的初始态度估计
Jinlong Chen1, Miao Yu1, Yongcai Guo1
1Key Laboratory of Optoelectronic Technology and System, Ministry of Education, College of Optoelectronic Engineering, Chongqing University, Chongqing 400044, China.
Sensors (Basel, Switzerland)
|June 27, 2025
概括
这项研究提出了一种使用Mask R-CNN和遗传算法的新方法,以准确估计射弹态度,即使有70%的视觉障碍. 改进的技术显著提高了实时应用的速度和精度.
科学领域:
- 航空航天工程 航空航天工程
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 发射电磁弹子会产生噪音,烟雾和碎片,阻碍视线并影响初始姿态估计的准确性.
- 准确的态度估计对于导弹飞行期间的指导和控制至关重要.
研究的目的:
- 开发一种改进的方法,用于精确估计电磁弹射的位置,尽管有视觉阻塞.
- 在具有挑战性的发射环境中,提高态度估计算法的速度和稳定性.
主要方法:
- 使用Mask R-CNN进行像素级边缘分割和Canny算法进行边缘提取.
- 采用线段探测器 (LSD) 算法来识别结构部件,以及用于封闭边缘恢复的增强基因算法.
- 实现了一个健身函数,具有哈明距离 (HD) 和心点位移约束,以优化收并避免局部最小值.
主要成果:
- 拟议的方法实现了结构相似度指数 (SSIM) 方法的13倍速度.
- 在单次发射模拟中成功恢复了70%封闭的目标.
- 在态度估计中达到0.76° (pitch),0.72° (roll) 和0.44° (yaw) 的平均偏差.
结论:
- 集成的Mask R-CNN和多约束遗传算法有效地恢复隐藏的图像,以准确地估计态度.
- 增强的方法提供了显著的速度改进和高精度,使其适合实时应用在电磁弹弹发射.
