论文部分内容阅读
针对小行星探测绕飞阶段采用视觉导航,小行星表面光照变化会影响视觉图像特征的稳定性而影响相对位姿估计的问题,提出了一个基于单应性矩阵的位姿估计方法。其采用一个基于循环神经网络—卷积神经网络(RNN-CNN)的深度学习框架估计单应性矩阵。实验结果表明:该网络提高了光照变化下单应性矩阵估计的精度。通过被用于小行星表面图像序列的位姿估计,证明了该方法的有效性及其在精度和效率方面优于传统方法。