CN110147598B - 基于图像处理的超高速撞击碎片云建模及损伤评估方法 - Google Patents

基于图像处理的超高速撞击碎片云建模及损伤评估方法 Download PDF

Info

Publication number
CN110147598B
CN110147598B CN201910390766.8A CN201910390766A CN110147598B CN 110147598 B CN110147598 B CN 110147598B CN 201910390766 A CN201910390766 A CN 201910390766A CN 110147598 B CN110147598 B CN 110147598B
Authority
CN
China
Prior art keywords
fragment
fragments
cloud
fragment cloud
image processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910390766.8A
Other languages
English (en)
Other versions
CN110147598A (zh
Inventor
宋燕
王晓
吕伟臻
黄雪刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201910390766.8A priority Critical patent/CN110147598B/zh
Publication of CN110147598A publication Critical patent/CN110147598A/zh
Application granted granted Critical
Publication of CN110147598B publication Critical patent/CN110147598B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于图像处理的超高速撞击碎片云建模及损伤评估方法，首先对碎片云图片进行降噪处理和碎片分割；之后将分割后的碎片云图片进行特征点提取和特征点匹配，以完成连续的两帧碎片云图片的碎片匹配；最后对匹配好的碎片进行运动轨迹建模，同时对比两组碎片云图像中碎片的特性，根据碎片特性评估后板的损伤情况。本发明可以充分利用图像处理技术获得的碎片信息，从而有效地评估碎片对后板的损伤情况，为超高速撞击航天器防护结构的改进提供更多的有效信息。

Description

基于图像处理的超高速撞击碎片云建模及损伤评估方法
技术领域
本发明属于图像处理领域，尤其涉及一种基于图像处理的超高速撞击碎片云建模及损伤评估方法。
背景技术
随着人类航天活动的增多，空间碎片环境近年来急剧恶化，各国对航天器特别是载人航天器和空间实验室碎片防护结构设计愈加重视，这一工程背景极大推动了薄板受超高速撞击而产生的碎片云的研究工作。国际上已有诸多科研院所和高校对此问题进行了研究，并有两年一届的超高速撞击国际会议，国内更是设立了国家国防科技工业局空间碎片专项项目以促进对该问题的研究。空间碎片主要来源于失效航天器、运载火箭末级箭体和航天器在轨解体碎片等几个方面，直径范围从1μm到数十米不等。对于尺寸大于10cm的碎片，可通过地基雷达、望远镜等对其观测，并对这些碎片进行编目，形成数据库，如德国的TIRA雷达、美国的Goldstone雷达、日本的MU雷达都具有较高探测精度；对于尺寸在1～10cm的碎片，受观测设备精度、地球曲率、大气层、天气、观测时间窗口等条件限制，地基观测的方式难以实现较高精度的观测与定轨。与地基观测碎片不同，天基观测具有探测范围广、不受地球大气、天气等影响、覆盖范围广、探测精度高等优点；对于尺寸小于1cm的碎片，可以采用在航天器舱壁外加装防护板的方法保护航天器。空间环境中存在着微流星体和空间碎片，共同构成了影响人类航天活动安全的流星体/空间碎片(M/OD)环境。微流星体相对于地球轨道飞行器的平均相对速度为19km/s，主要由微小的陨石和冰组成。空间碎片主要由铝合金及铝、锌、钛等金属氧化物组成，平均密度为2.8g/cm 3，其绕地球飞行的速度取决于所在轨道。Whipple于1947年提出“双层板防护结构”，其基本思想是在航天器舱壁前一定距离处设置缓冲屏，弹丸超高速撞击缓冲屏形成碎片云，使空间碎片的动能被高度分散并部分耗散，实现对航天器的有效保护。近年来有多种新型防护结构被提出，包括新防护结构形式和高性能防护材料，但都是对Whipple防护结构的升级，基本思想未改变。换个角度看，防护结构最外层的缓冲屏和空间碎片撞击后，实际是撞击产生的碎片云侵彻舱壁，因此航天器防护的研究离不开超高速撞击碎片云的研究。从航天器防护角度考虑，在确定环境下碎片云的分布特性决定碎片云的侵彻性能，进而决定防护效果及航天器安全。碎片云中碎片的形状、大小、速度分布都不均匀，还可能发生碎片材料相变，这些因素深刻影响了碎片云的侵彻性能。从物理过程考虑，弹丸和薄板撞击的各类相关参数，包括弹和薄板的材料、尺寸，弹的形状、撞击角度、撞击速度以及环境因素等，它们决定了碎片云分布特性。在工程方面，需要提出碎片云模型或撞击极限方程，以描述碎片云侵彻性能，进而指导工程设计。
现有技术中，国内外对碎片云的研究可分为4类：碎片云形成过程研究、碎片云分布特性研究、碎片云模型研究和碎片云侵彻性能研究。世界上许多航天大国及相关机构都通过地面超高速撞击实验、数值模拟、理论分析等手段对碎片云进行研究，从而进行损伤预报，指导着航天器的防护结构设计。因此，一种基于图像处理的超高速撞击碎片云建模及损伤评估方法的提出，对于航天器的防护结构设计尤为重要。
发明内容
本发明的目的在于提供一种基于图像处理的超高速撞击碎片云建模及损伤评估方法，实现了对后板的损伤情况进行有效预估。为实现上述目的，本发明采用以下技术方案：
一种基于图像处理的超高速撞击碎片云建模及损伤评估方法，包括以下步骤：
步骤S1：获取两组碎片云图像；所述碎片云图像包括至少两帧连续的碎片云图片；选择两帧连续的碎片云图片，对选中的所述碎片云图片进行降噪处理，之后将选中的所述碎片云图片中重叠的碎片分割；
步骤S2：基于两组碎片云图像，将分割后的碎片云图片进行特征点提取和特征点匹配，以完成连续的两帧碎片云图片的碎片匹配；
步骤S3：对匹配好的碎片进行运动轨迹建模，同时对比两组碎片云图像中碎片的特性，根据碎片特性评估后板的损伤情况。
优选地，在步骤S1中，所述降噪处理基于mean shift算法。
优选地，在步骤S1中，采用k-means聚类算法进行碎片分割处理。
优选地，在步骤S1中，碎片分割完成后，采用闭运算和阀值处理进行图像优化。
优选地，在步骤S2中，具体包括以下步骤：
步骤1：建立二维图像的尺度空间；
步骤2：检测该尺度空间的极值点，并为每个极值点指定方向参数以获取关键点描述子；
步骤3：通过OPENCV中的KnnMatch函数对关键点描述子进行匹配以获取匹配点；
步骤4：根据所述匹配点求解碎片的质心坐标，根据质心坐标求解连续的两帧碎片云图片的仿射变换矩阵；
步骤5：筛选所述仿射变换矩阵。
优选地，在步骤5中，所述仿射变换矩阵为：
优选地，在步骤S3中，基于质心坐标求解运动轨迹模型、碎片与水平方向的入射角度；基于所述质心坐标、采样时间间隔和碎片云图片的轮廓面积，求解碎片的特性。
优选地，所述碎片的特性包括碎片的相对运动位移、平均运动速度、平均面积和入射角度。
优选地，所述采样时间间隔为3μm～7μm。
与现有技术相比，本发明的优点为：提供了一种基于图像处理的超高速撞击碎片云建模及损伤评估方法，在依据此方法设计的相关算法的作用下，可以充分利用图像处理技术获得的碎片信息，从而有效地评估碎片对后板的损伤情况，为超高速撞击航天器防护结构的改进提供更多的有效信息。
附图说明
图1为本发明一实施例的基于图像处理的超高速撞击碎片云建模及损伤评估方法的流程图；
图2(a)～(b)为图1中一组碎片云图像中第6帧、第7帧图片；
图3(a)～(b)为图1中另一组碎片云图像中第6帧、第7帧图片；
图4(a)～(b)为图1中两组实验的碎片匹配效果图；
图5为(a)～(b)图1中两组实验的碎片运动轨迹模型。
具体实施方式
下面将结合示意图对本发明的基于图像处理的超高速撞击碎片云建模及损伤评估方法进行更详细的描述，其中表示了本发明的优选实施例，应该理解本领域技术人员可以修改在此描述的本发明，而仍然实现本发明的有利效果。因此，下列描述应当被理解为对于本领域技术人员的广泛知道，而并不作为对本发明的限制。
本实施例以两组不同实验条件下获得的碎片云图像为例，A组的弹丸直径为2mm，撞击速度为3.0km/s，B组的弹丸直径为2.5mm，撞击速度为3.24km/s，两组实验拍摄分别获得采样时间为5μm的连续8帧图像，为了选取碎片分裂相对清楚的图片进行特征提取，选取两组实验中第6帧和第7帧作为研究对象如图2(a)～(b)、图3(a)～(b)所示。
如图1所示，一种基于图像处理的超高速撞击碎片云建模及损伤评估方法，包括步骤S1～S3，具体如下：
步骤S1：获取两组碎片云图像；如图2(a)～(b)、图3(a)～(b)所示；碎片云图像包括至少两帧连续的碎片云图片；选择两帧连续的碎片云图片，对选中的碎片云图片进行降噪处理，之后将选中的碎片云图片中重叠的碎片分割。
其中，降噪处理基于mean shift算法，以消除图像中的粉尘等其他物质，降低噪声的影响，增强碎片信息的可检测性从而提高图像分割，特征提取以及碎片匹配识别的可靠性，其基本原理如下：一幅碎片云图片可以表示成一个二维网格点上p维向量,每一个网格点代表一个象素，如：p＝1表示这是一个灰度图,p＝3表示彩色图,p>3表示一个多谱图,网格点的坐标表示图像的空间信息，统一考虑图像的空间信息和色彩(或灰度等)信息,组成一个p+2维的向量x＝(xs，xr),其中xs表示网格点的坐标,xr表示该网格点上p维向量特征。用如下核函数来估计x的分布：
其中hr和hs控制平滑的解析度，C为一个归一化常数。
分别用xi和zi，i＝1,…,n分别代表原始图像和去噪后的图像中的像素点，利用像素点坐标空间的位置信息和颜色空间的颜色信息，将收敛到同一点的像素点归为一类。具体降噪步骤如下：
(1)初始化j＝1，并且使yj＝xi；
(2)运用mean shift算法计算yj+1，直到收敛，记收敛后的值为yc；
(3)赋值
将收敛到同一点的起始点归为一类，并将这一类的标号赋值给起始点。
之后对去噪后的碎片云图片采用k-means聚类算法进行碎片分割处理，利用距离和灰度值对像素点进行聚类从而将碎片分离开，使得每个碎片有较为清晰的轮廓。然后用阈值化处理和开闭运算对图像进一步处理得到碎片轮廓更清晰的碎片云图片。原理如下：
D2(i，k)＝[xi-μ(k)]2
其中xi表示第i个像素点，μ(k)表示第k个聚类中心D(i，k)表示xi到聚类中心的加权欧氏距离。
k-means聚类算法具体步骤如下：
(1)从n个数据对象中取k个点作为聚类中心。
(2)计算n个数据对象到各个聚类中心的距离，将n个数据对象划分到距离最近的中心，形成k个聚类。
(3)计算每个聚类的中心，将新的中心代替原来的中心。
(4)检查新老聚类中心的距离，重复(2)-(3)直到距离小于规定阈值。
步骤S2：基于两组碎片云图像，利用尺度不变特征算法(SIFT)，将分割后的碎片云图片进行特征点提取和特征点匹配，以完成连续的两帧碎片云图片的碎片匹配；具体包括步骤1～5，具体如下：
步骤1：建立二维图像的尺度空间：
L(x，y，σ)＝G(x，y，σ)*I(x，y)
其中，G(x，y，σ)是尺度可变高斯函数；
(x，y)是空间坐标，σ是尺度空间坐标；
之后构造高斯差分尺度空间：
D(x，y，σ)＝G(x，y，kσ)-G(x，y，σ)*I(x，y)＝L(x，y，kσ)-L(x，y，σ)。
步骤2：通过对比每一个采样点要和它所有的相邻点，检测该尺度空间的极值点，并为每个极值点指定方向参数以获取关键点描述子。若一个点在高斯差分尺度空间的所有领域中是最大或最小值时，就认为该点是图像在该尺度下的一个极值点(特征点)。在本实施例中，每个点的周围领域有26个采样点，为了提高精度采用二次泰勒插值定位精确极值点。最后利用关键点领域像素的梯度方向分布特性为每个极值点指定方向参数，使得算子具有旋转不变性。
θ(x，y)＝tan-1(D1(L))/(D2(L))。
m(x，y)和θ(x，y)分别表示(x,y)处梯度的模值和方向。至此图像的关键点检测完毕，根据已知的关键点可生成对应的描述子。
步骤3：通过OPENCV中的KnnMatch函数对关键点描述子进行匹配以获取匹配点。
步骤4：根据匹配点求解碎片的质心坐标，根据质心坐标求解连续的两帧碎片云图片的仿射变换矩阵。
步骤5：筛选仿射变换矩阵。每三对特征点可以求出一个仿射变换矩阵，因此需要对仿射变换矩阵进行筛选，选择匹配效果最优的放射变换矩阵来完成碎片的匹配，最后确定的最优的仿射变换矩阵为：
(x，y)表示输入像素点，(x′,y′)表示输出像素点，其中α，β，γ，δ，∈，ζ为仿射变换矩阵的仿射变换系数。通过上述匹配效果最优的放射变换矩阵来完成碎片的匹配，实验A、B两组的匹配结果如图4(a)～(b)所示。
步骤S3：对匹配好的碎片进行运动轨迹建模，同时对比两组碎片云图像中碎片的特性，根据碎片特性评估后板的损伤情况。
具体的，基于质心坐标求解运动轨迹模型、碎片与水平方向的入射角度；即根据成功匹配的碎片(关键点)的质心坐标可以求出碎片的运动轨迹模型，同时也能得到碎片与水平方向的入射角度；基于质心坐标、采样时间间隔和碎片云图片的轮廓面积，求解碎片的特性。碎片的特性包括碎片的相对运动位移、平均运动速度、平均面积和入射角度。采样时间间隔为3μm～7μm；本实施例中时间间隔为5μm。即根据碎片质心坐标可求得碎片的相对运动位移且图像的采样时间间隔已知，因此可以求得碎片的平均运动速度；结合碎片云图片处理中的轮廓处理可得到每个碎片的轮廓面积大小(像素为单位)以及整个碎片云的轮廓面积。此处的轮廓处理指的是opencv中的cvContourArea函数求取碎片的轮廓面积大小。
基于两组碎片云图像中碎片的大小、平均运动速度以及入射角度，可以对后板(碎片撞击的物体)的损伤进行估计，碎片越大，速度越快，入入射角度的绝对值越小，则后板的损伤越严重也越集中。两组实验中碎片的运动轨迹模型如图5(a)～(b)所示，图中横坐标和纵坐标均表示像素点的坐标。图5(a)～(b)分别表示实验A、B两组，结合图5(a)～(b)以及其他属性(表1)进行对比，估计两组实验的后板损失情况。结果显示实验B中的后板损伤更严重，因为撞击速度较大且直径较大的弹丸会产生速度更大且面积更大的碎片以更集中地方式撞击后板，从而产生更大的损伤。
表1
经长期研究发现，航天器的防护系统多采用双层或多层板结构来抵御空间碎片的碰撞。超高速斜碰撞所产生的二次碎片对航天器的毁伤效应与二次碎片云的分布密切相关，而二次碎片云的分布特性主要取决于初始的碰撞参数、几何参数和材料参数等。文献[16]提出基于SPH与Lagrange耦合的方法，模拟球形弹丸(模拟空间碎片)以不同倾角撞击靶板(模拟航天器缓冲板)而形成穿孔和碎片云过程，进而分析碰撞倾角对二次碎片云分布的影响，并采用数值模拟的方法研究超高速斜碰撞过程。结果表明，基于SPH与Lagrange耦合方法可以很好地模拟超高速碰撞的穿孔特性以及二次碎片云的分布。随着撞击倾角的增大，靶板上穿孔的长轴长度也随之增长，但穿孔短轴的长度却变化很小。这主要是由于随着碰撞倾角的增大，弹丸沿长轴的投影增大，而沿短轴的投影没有发生变化。随着碰撞倾角的增大，反溅碎片云中弹丸粒子数目增加；当碰撞倾角大于60°时，反溅碎片云中弹丸粒子数目显著增加，而且法线碎片云的质心轨迹与直线碎片云的质心轨迹的分离越来越明显；随着碰撞倾角的增加，法线碎片云和直线碎片云的轴向膨胀逐渐减小，径向膨胀相应增大。由上述分析可见，撞击角度的变化也严重地影响着碎片云的特征(如数量、质量和速度)分布，研究撞击角度也对碎片云的特征分布有着重要影响。因此，本实施例为撞击角度的研究奠定了一定的实验基础。
此外，本实施例基于撞击坑识别技术。撞击坑主要由抬升边缘(Raisedrim)、撞击坑底部(Floor)、中央峰(Centraluplift)、撞击坑壁(Walls)、溅射物(Ejecta)、放射状亮条纹(Rays)等部分组成。根据基本形态，撞击坑可分为三类：简单撞击坑(碗型小型撞击坑)、复杂撞击坑(具中央峰的较大型撞击坑)和多环撞击坑(撞击盆地)。撞击坑识别是一种特征识别，是指输入图像数据(光学数据、地形数据或其他类型数据)，通过图像处理方法，输出撞击坑列表及其属性，包括坐标、直径等基本信息。撞击坑是指布满月球、火星等行星表面大大小小、密密麻麻的环形凹坑构造，它们是月球、火星等行星表面最显著的特征，是研究行星内部物质窗口。通过对行星表面撞击坑的研究，可以为研究天体现状和演化历史提供最直接的证据，为研究成坑机制、撞击效应和演化历史等提供丰富的信息。例如，撞击坑的尺频分布和空间统计数据可以用来推断行星表面的相对地质年龄和地表特性；通过观察撞击坑的形态和空间分布可以推测过去行星表面地质事件的时间顺序和位置。撞击坑的形态空间变化也可以用来研究地质物质的变化。而且，对于撞击坑形态学的研究可以促进其他天体地貌学的深入开展，比如，自然侵蚀过程，地质物质的区域差异性，次地表下挥发物质的地理分布。除此之外，撞击坑的识别还用于航天器导航的定位和着陆障碍躲避。纵观历次人类深空探测任务，对撞击坑的识别一直是个研究重点。因此，本实施例还为撞击坑的识别提供了一定的研究理论基础。
综上，在本发明实施例提供的基于图像处理的超高速撞击碎片云建模及损伤评估方法中，采用图像处理的方法从两组不同条件的超高速撞击实验碎片云图像中提取到了碎片的一些关键信息，成功建立了碎片运动轨迹模型并对比了两组实验中碎片的属性，有效地估计了后板的损伤。
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

Claims (4)

1.一种基于图像处理的超高速撞击碎片云建模及损伤评估方法，其特征在于，包括以下步骤：
步骤S1：获取两组碎片云图像；所述碎片云图像包括至少两帧连续的碎片云图片；选择两帧连续的碎片云图片，对选中的所述碎片云图片进行降噪处理，之后将选中的所述碎片云图片中重叠的碎片分割；
步骤S2：基于两组碎片云图像，将分割后的碎片云图片进行特征点提取和特征点匹配，以完成连续的两帧碎片云图片的碎片匹配；
步骤S3：对匹配好的碎片进行运动轨迹建模，同时对比两组碎片云图像中碎片的特性，根据碎片特性评估后板的损伤情况；所述后板为碎片撞击的物体；
在步骤S3中，基于质心坐标求解运动轨迹模型、碎片与水平方向的入射角度；基于所述质心坐标、采样时间间隔和碎片云图片的轮廓面积，求解碎片的特性；
所述碎片的特性包括碎片的相对运动位移、平均运动速度、平均面积和入射角度；
所述采样时间间隔为3μm～7μm；
在步骤S1中，采用k-means聚类算法进行碎片分割处理；
在步骤S2中，具体包括以下步骤：
步骤1：建立二维图像的尺度空间；
步骤2：检测该尺度空间的极值点，并为每个极值点指定方向参数以获取关键点描述子；
步骤3：通过OPENCV中的KnnMatch函数对关键点描述子进行匹配以获取匹配点；
步骤4：根据所述匹配点求解碎片的质心坐标，根据质心坐标求解连续的两帧碎片云图片的仿射变换矩阵；
步骤5：筛选所述仿射变换矩阵。
2.根据权利要求1所述的基于图像处理的超高速撞击碎片云建模及损伤评估方法，其特征在于，在步骤S1中，所述降噪处理基于mean shift算法。
3.根据权利要求1所述的基于图像处理的超高速撞击碎片云建模及损伤评估方法，其特征在于，在步骤S1中，碎片分割完成后，采用闭运算和阀值处理进行图像优化。
4.根据权利要求1所述的基于图像处理的超高速撞击碎片云建模及损伤评估方法，其特征在于，在步骤5中，所述仿射变换矩阵为：
CN201910390766.8A 2019-05-10 2019-05-10 基于图像处理的超高速撞击碎片云建模及损伤评估方法 Active CN110147598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910390766.8A CN110147598B (zh) 2019-05-10 2019-05-10 基于图像处理的超高速撞击碎片云建模及损伤评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910390766.8A CN110147598B (zh) 2019-05-10 2019-05-10 基于图像处理的超高速撞击碎片云建模及损伤评估方法

Publications (2)

Publication Number Publication Date
CN110147598A CN110147598A (zh) 2019-08-20
CN110147598B true CN110147598B (zh) 2023-08-22

Family

ID=67595223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910390766.8A Active CN110147598B (zh) 2019-05-10 2019-05-10 基于图像处理的超高速撞击碎片云建模及损伤评估方法

Country Status (1)

Country Link
CN (1) CN110147598B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111152941B (zh) * 2020-01-03 2021-12-21 北京卫星环境工程研究所 适用于空间碎片防护结构的高性能材料优选方法
CN111353121B (zh) * 2020-03-31 2023-04-11 中国空气动力研究与发展中心超高速空气动力研究所 一种用于确定航天器解体碎片不确定性参数分布的方法
CN112182757B (zh) * 2020-09-27 2022-11-08 北京空间飞行器总体设计部 空间碎片和微流星体环境下航天器易损性评估方法
CN112557589B (zh) * 2020-11-02 2022-02-25 北京理工大学 一种评估活性破片耦合能量时空域释放特性的方法及系统
CN112884716B (zh) * 2021-01-28 2022-03-18 中国空气动力研究与发展中心超高速空气动力研究所 一种超高速撞击损伤区域特征强化方法
CN115292657B (zh) * 2022-07-04 2023-06-23 中国科学院国家空间科学中心 一种求解撞击地球小天体的物理特性的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014180255A1 (zh) * 2013-10-22 2014-11-13 中兴通讯股份有限公司 一种数据处理方法、装置、计算机存储介质及用户终端
CN108775998A (zh) * 2018-03-27 2018-11-09 浙江大学 一种测量超高速碰撞碎片云三维结构的系统及方法
CN109131947A (zh) * 2018-08-16 2019-01-04 中国空气动力研究与发展中心超高速空气动力研究所 一种超高速撞击防护装置及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014180255A1 (zh) * 2013-10-22 2014-11-13 中兴通讯股份有限公司 一种数据处理方法、装置、计算机存储介质及用户终端
CN108775998A (zh) * 2018-03-27 2018-11-09 浙江大学 一种测量超高速碰撞碎片云三维结构的系统及方法
CN109131947A (zh) * 2018-08-16 2019-01-04 中国空气动力研究与发展中心超高速空气动力研究所 一种超高速撞击防护装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
图像处理技术在碎片云参数测量中的应用;朱玉荣等;《弹箭与制导学报》;20101231;摘要、第2节 *

Also Published As

Publication number Publication date
CN110147598A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
CN110147598B (zh) 基于图像处理的超高速撞击碎片云建模及损伤评估方法
CN111626290B (zh) 一种复杂海面环境下的红外舰船目标检测识别方法
Song et al. Deep learning-based spacecraft relative navigation methods: A survey
CN104899590B (zh) 一种无人机视觉目标跟随方法及系统
US4906940A (en) Process and apparatus for the automatic detection and extraction of features in images and displays
CN101458766B (zh) 计算机处理天文观测灰度图像信息以进行目标追踪的方法
CN107504966B (zh) 一种白昼有云环境下导航星星点提取的方法
CN110412868B (zh) 一种使用星间光学图像的非合作航天器轨道确定方法
Lunghi et al. A multilayer perceptron hazard detector for vision-based autonomous planetary landing
Malmgren-Hansen et al. Training convolutional neural networks for translational invariance on SAR ATR
CN102937438A (zh) 基于最优化方法的红外弱小目标距离探测方法
CN109708627B (zh) 一种动平台下空间动态点目标快速检测方法
CN109708643A (zh) 小行星表面光学导航路标评价选取方法
Long et al. Object detection research of SAR image using improved faster region-based convolutional neural network
CN114255263A (zh) 一种基于背景辨识的自适应空间暗弱星体识别方法
CN114332444B (zh) 一种基于增量漂移聚类的复杂星空背景目标识别方法
Ye Intelligent image processing technology for badminton robot under machine vision of internet of things
CN107247917A (zh) 一种基于ELM与DSmT的飞机姿态识别方法
Qian et al. Summed volume region selection based three-dimensional automatic target recognition for airborne LIDAR
Zhang et al. A diverse space target dataset with multidebris and realistic on-orbit environment
CN111737882B (zh) 复杂月面接近段实现自主障碍规避的着陆区选取方法
Tian et al. A Tracking Algorithm for Debris Cloud Fragments Produced by Different Hypervelocity Impacts Through Image Processing
CN111680552B (zh) 一种特征部位智能识别方法
Oumer Visual tracking and motion estimation for an on-orbit servicing of a satellite
Wang et al. Coactive design of human-machine collaborative damage assessment using UAV images and decision trees

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant