幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

空間目標相對視覺測量深度學習方法與應用(精)

  • 作者：編者:袁靜|責編:紀亞琪//陳明明
  • 出版社：國防工業
  • ISBN：9787118142068
  • 出版日期：2026/04/01
  • 裝幀：精裝
  • 頁數：233
人民幣：RMB 138 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統介紹了空間目標近距離相對視覺測量的理論基礎，以及深度學習技術在該領域的方法與應用。主要內容涵蓋相對視覺測量基礎，單目與雙目相機的測量原理及方法，基於深度學習的空間目標位姿估計演算法及最新研究進展，以及深度學習方法在近距離視覺導航中的應用。
    本書注重基礎理論與前沿研究成果的有機結合，可供航空航天科學與技術、人工智慧與電腦視覺等領域的科研與工程技術人員閱讀參考，也可作為對航天器視覺測量感興趣的高年級本科生和研究生的參考資料。
作者介紹
編者:袁靜|責編:紀亞琪//陳明明
目錄
  第1章  緒論
    1.1  背景和意義
    1.2  空間目標近距離相對測量概念
    1.3  空間目標相對視覺測量技術
    1.4  空間目標相對視覺測量技術挑戰
    1.5  空間目標相對視覺測量深度學習方法與應用
    1.6  本書內容安排
第一篇  視覺測量基本原理
  第2章  攝像機模型
    2.1  視覺測量相關坐標系定義
    2.2  視覺測量有限攝像機模型
      2.2.1  攝像機投影模型
      2.2.2  攝像機平移與旋轉
      2.2.3  攝像機標定
  第3章  單目視覺測量
    3.1  目標質點角度測量
    3.2  目標剛體位姿測量
      3.2.1  通過求解姿態矩陣獲得目標位姿
      3.2.2  N點透視法求解目標相對位姿
    3.3  基於未知點對關係的位姿求解方法
    3.4  基於直線對應的位姿測量方法
      3.4.1  基於直線對應的位姿測量方法
      3.4.2  基於直線特徵的即時姿態和匹配求解
    3.5  模擬與實驗驗證
  第4章  雙日視覺測量
    4.1  雙目相機測量原理
      4.1.1  平行式雙目相機測量
      4.1.2  一般雙目相機測量
      4.1.3  對極幾何與基本矩陣
    4.2  雙目相機立體匹配
      4.2.1  區域匹配演算法
      4.2.2  特徵匹配演算法
      4.2.3  半全局匹配演算法
    4.3  基於雙目相機的目標位姿測量
      4.3.1  雙矢量定姿法
      4.3.2  基於橢圓的對接環識別與姿態確定
      4.3.3  基於直線匹配的幀間相對姿態確定演算法
      4.3.4  基於SFM&MVS的目標三維重建
  第5章  TOF相機測量
    5.1  TOF相機測量原理
    5.2  TOF相機雜訊特性分析
    5.3  基於圖像與點雲融合的目標位姿估計方法
      5.3.1  基於點雲配準的相對位姿計算
      5.3.2  基於特徵匹配的位姿初值計算
      5.3.3  基於靶標形狀的目標位姿估計方法
      5.3.4  基於主成分分析(PCA)的位姿初值計算
  本篇小結
  參考文獻
第二篇  基於深度學習的目標位姿測量
  第6章  空間目標視覺測量訓練數據集生成

    6.1  合成圖像生成
      6.1.1  背景生成
      6.1.2  光照模擬
      6.1.3  航天器模型
      6.1.4  攝像頭感測器設置
    6.2  數據集分佈
    6.3  物理航天器模型的偽實圖像生成
    6.4  常用航天器位姿數據集
  第7章  空間目標視覺測量深度網路模型
    7.1  目標檢測與識別深度網路模型
      7.1.1  R-CNN網路
      7.1.2  YOLO目標檢測系列
      7.1.3  基於Transformer的目標檢測模型
      7.1.4  模擬與實驗結果
    7.2  目標位姿識別分類回歸網路模型
      7.2.1  航天器位姿網路姿態識別
      7.2.2  其他分類回歸網路
    7.3  深度學習與傳統幾何技術結合的位姿估計
      7.3.1  基於關鍵點識別網路的位姿估計框架
      7.3.2  三維關鍵點識別網路
      7.3.3  二維關鍵點識別網路
      7.3.4  模擬與實驗驗證
    7.4  模型未知目標位姿估計方法
      7.4.1  類別級姿態估計方法
      7.4.2  零樣本目標姿態估計方法
  第8章  空間目標視覺測量強化學習模型
    8.1  強化學習DDPG模型
    8.2  位姿估計DDPG學習方法設計
    8.3  基於DDPG的位姿估計演算法
    8.4  實驗結果
  本篇小結
  參考文獻
第三篇  深度學習技術在近距離相對導航中的應用
  第9章  空間目標視覺測量相對導航應用
    9.1  相對測量感測器及配置
      9.1.1  相對測量感測器
      9.1.2  相對測量感測器融合測量配置
    9.2  相對導航濾波
      9.2.1  相對運動動力學模型
      9.2.2  相對導航濾波演算法
    9.3  相對制導控制方法
      9.3.1  C-W制導方法
      9.3.2  視線導航控制技術
      9.3.3  視覺伺服控制
  第10章  視覺測量深度學習方法應用示例
    10.1  目標檢測識別應用
      10.1.1  空間目標識別網路設計
      10.1.2  模擬驗證
    10.2  目標位姿回歸網路應用
      10.2.1  關鍵點識別網路

      10.2.2  卡曼濾波狀態方程與觀測方程
      10.2.3  模擬驗證
    10.3  視覺測量模型在軌部署
  本篇小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032