基于局部对比度和全卷积网络的小空间碎片检测

近年来环绕地球轨道的空间碎片数量急剧增加，对在轨运行的航天器构成严重威胁。基于天基监视平台的空间碎片小目标快速检测对于航天器远距离规避具有重要意义，然而由于空间碎片小目标的快速相对运动和宇宙射线产生的噪声，空间碎片小目标快速检测极具挑战。提出了一种基于深度卷积神经网络的天基空间碎片小目标显著性检测方法，首先，使用局部对比度方法获得输入图像的空间对比度图；然后，通过全卷积网络结合上述对比度图捕获时空显著性信息；最后，基于仿真视频序列图像开展实验验证，可实现对最远距离为30km，最小为16像素的目标准确检测。通过设置不同的高斯白噪声方差参数模拟空间环境噪声，证明了在噪声背景条件下对空间碎片小目标检测的有效性和鲁棒性。     

无人机感知与规避技术研究进展

将无人机集成到国家空域系统中,以实现和有人飞机安全共享空域是无人机发展的一个关键问题。在这个过程中,无人机感知与规避系统扮演了一个至关重要的角色。首先介绍无人机感知与规避系统的研究意义;其次根据感知器件的工作方式从协同式和非协同式2个角度介绍了感知与规避系统的组成和分类;再次从入侵目标检测算法和航迹规划算法2个方面介绍感知与规避系统中目前需要解决的关键技术;最后将对现有的无人机感知与规避技术中存在的挑战进行总结,并分析无人机感知与规避系统未来的发展趋势。