计算机工程

作者：蒋明, 陈雨, 周青华, 袁媛, 何世琼

单位：1. 四川大学 电子信息学院, 成都 610065;2. 四川大学 空天科学与工程学院, 成都 610065

关键词：非合作目标,神经网络,目标检测,智能捕获,轻量级,位姿估计

基金：国家自然科学基金面上项目（51875373）；四川省科技计划项目（2019YJ0093）。

空间非合作目标的增多导致太空安全受到严重威胁，对非合作目标进行捕获回收具有维护空间安全、节约资源等现实意义。非合作目标捕获回收需要进行位姿估计，而目前在硬件资源有限的航天器平台上，现有的大多数非合作目标位姿估计算法无法同时满足及时性和准确性的要求。设计一种超轻量级目标检测网络YOLO-GhostECA，利用GhostBottleneck网络减少特征图冗余，并使用高效注意力机制提取核心特征图，以降低模型参数，在提升运算速度的同时保证精度水平几乎不下降。根据YOLO-GhostECA网络的检测结果粗略估计姿态，以协助机械臂更加合理地执行智能捕获任务，解决2D识别算法无法检测出物体姿态的问题。在7自由度冗余机械臂上开展的空间非合作目标捕获地面模拟的实验结果表明，与YOLOv5s网络相比，该网络模型大小减小了80.4%，运算复杂度降低了78.9%，而精度基本保持不变，可准确快速地对非合作目标进行位姿估计，能够引导机器人成功捕获非合作物体。

来源：2022年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第6期