CN112684451A - 用于月壤钻取机构的导航方法及系统 - Google Patents
用于月壤钻取机构的导航方法及系统 Download PDFInfo
- Publication number
- CN112684451A CN112684451A CN202011490280.0A CN202011490280A CN112684451A CN 112684451 A CN112684451 A CN 112684451A CN 202011490280 A CN202011490280 A CN 202011490280A CN 112684451 A CN112684451 A CN 112684451A
- Authority
- CN
- China
- Prior art keywords
- lunar
- space
- drilling
- lunar soil
- navigation
- 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.)
- Granted
Links
Images
Abstract
本发明公开了一种用于月壤钻取机构的导航方法及系统,涉及航空航天技术领域。该方法包括:获取探测目标钻采空间的雷达波信号,对雷达波信号进行处理,得到目标钻采空间内的月岩分布信息;根据月岩分布信息确定目标钻采空间内月岩的障碍等级;根据月岩分布信息和障碍等级生成多条备选路径;根据预设评估规则对所有备选路径进行评分,得到每条备选路径的评估值,根据评估值从所有备选路径中选择导航路径;根据导航路径对月壤钻取机构进行导航。本发明适用于月壤钻取机构,能够指导钻采器避开月岩,到达指定深度地层开展采样任务。
Description
技术领域
本发明涉及航空航天技术领域,尤其涉及一种用于月壤钻取机构的导航方法及系统。
背景技术
月壤深部受到宇宙射线影响小,最大程度地保留了其原始状态,记录着月球时间维度上的重要地质信息,能够为整个月球的地质演化历史和形成过程提供重要证据,因此对月壤深层进行采样对月球科学研究非常有意义。
月壤钻取机构可以完成月壤的钻探取样工作,然而,现阶段已投入使用的月壤钻取机构均不携带路径导向与规划系统,采样位置随机性大,因此难以在岩石颗粒分布不明的情况下穿透复杂的月壤地质结构到达月壤深层完成采样任务。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种用于月壤钻取机构的导航方法及系统。
本发明解决上述技术问题的技术方案如下:
一种用于月壤钻取机构的导航方法,包括:
获取探测目标钻采空间的雷达波信号,对所述雷达波信号进行处理,得到所述目标钻采空间内的月岩分布信息;
根据所述月岩分布信息确定所述目标钻采空间内月岩的障碍等级;
根据所述月岩分布信息和所述障碍等级生成多条备选路径;
根据预设评估规则对所有备选路径进行评分,得到每条备选路径的评估值,根据所述评估值从所有备选路径中选择导航路径;
根据所述导航路径对月壤钻取机构进行导航。
本发明解决上述技术问题的另一种技术方案如下:
一种用于月壤钻取机构的导航系统,包括:
雷达信号处理模块,用于获取探测目标钻采空间的雷达波信号,对所述雷达波信号进行处理,得到所述目标钻采空间内的月岩分布信息;
月壤层级分辨模块,用于根据所述月岩分布信息确定所述目标钻采空间内月岩的障碍等级;
路径规划模块,用于根据所述月岩分布信息和所述障碍等级生成多条备选路径;
路径评估模块,用于根据预设评估规则对所有备选路径进行评分,得到每条备选路径的评估值,根据所述评估值从所有备选路径中选择导航路径;
采样器导航模块,用于根据所述导航路径对月壤钻取机构进行导航。
本发明的有益效果是:本发明提供的导航方法适用于月壤钻取机构,通过对月壤探测的雷达波信号进行处理,提前感知目标钻探空间的障碍物分布情况,进而规划出特定需求的自动避障导航路径,如功耗小、控制难度低的钻探推荐路径,指导钻采器避开月岩,到达指定深度地层开展采样任务。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明用于月壤钻取机构的导航方法的实施例提供的流程示意图;
图2为本发明用于月壤钻取机构的导航系统的实施例提供的结构框架图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明用于月壤钻取机构的导航方法的实施例提供的流程示意图,该导航方法适用于月壤钻取机构,包括:
S1,获取探测目标钻采空间的雷达波信号,对雷达波信号进行处理,得到目标钻采空间内的月岩分布信息。
需要说明的是,接收到雷达波信号后,可以先对雷达波信号进行简单的处理,例如,进行滤波去噪处理等,然后以雷达波型图的形式存储。
雷达波信号探测月壤得到,包含有月壤的结构信息,因此可以从接收的雷达波信号中反演出地层信息。地层信息可以包括月壤成分信息和月岩分布信息等,月壤成分信息指的是月壤的主要成分,由哪些类型的月岩组成等,月岩分布信息指的是月岩的种类、大小、分布情况等信息,例如,可以包括月岩的空间坐标、径粒大小和地质种类分类。
具体地,可以使用深度神经网络模型根据现有的训练集和验证集学习雷达波与岩石的空间位置和成分之间的关系,可以通过预先建立数据库为雷达信号反演提供反演参数,数据库由从大量的雷达反演训练样本中学习到的不同参数包组成。
S2,根据月岩分布信息确定目标钻采空间内月岩的障碍等级。
例如,可以根据月岩的径粒大小和地质种类将月岩划分为不同等级的障碍物,以径粒大小为例,可以分别设置三个障碍等级,其中,一级障碍物的阻碍能力最大,二级障碍物次之,三级障碍物的阻碍能力最小,可以设置2个阈值a和b,a和b为长度单位,且b大于a。那么可以将粒径大小小于a的月岩作为三级障碍物,将粒径大小在a~b之间的月岩作为二级障碍物,将粒径大小大于b的月岩作为三级障碍物,从而据此完成对目标钻采空间内月岩的障碍等级的分级。
又例如,还可以以地质种类确定月岩的障碍等级,可以根据地质种类的类型障碍等级,假设地质种类为A和B两种类型,A类型的钻采难度大于B类型,那么可以设置两个障碍等级,其中,一级障碍物的阻碍能力最大,对应于A类型,二级障碍物的阻碍能力最小,对应于B类型,从而据此完成对目标钻采空间内月岩的障碍等级的分级。
应理解,还可以将地质种类与粒径大小结合,共同确定月岩的障碍等级,例如,可以直接将二者分别得到的障碍等级相加,得到最终的障碍等级,或者将二者得到障碍等级加权后相加,得到最终的障碍等级。
S3,根据月岩分布信息和障碍等级生成多条备选路径。
优选地,可以使用快速搜索随机树算法生成起始点到目标点的备选路径,并多次运行此算法得到多条备选路径。
可选地,还可以使用基于月壤钻进环境特点改进后的剪枝改进RRT算法确定备选路径,该改进算法的基本步骤如下:
步骤1,将路径规划的起始点Zinit作为随机树的根节点Xinit;
步骤2,从目标钻采空间中随机选取一个点Xrand;
步骤3,根据Xrand基于树扩展算法求得一个新节点Xnew;
步骤4,如果Xnew的深度坐标比其父节点的深度坐标更深,则进行步骤,否则回到步骤2;
步骤5,将Xnew加入随机树;
步骤6,如果新节点达到目标区域,即D(Xnew,Zgoal)<ρ,其中ρ为预先设定的距离阈值,则反向追溯树节点得到路径节点,算法结束,否则重复步骤2至步骤5。
S4,根据预设评估规则对所有备选路径进行评分,得到每条备选路径的评估值,根据评估值从所有备选路径中选择导航路径。
需要说明的是,由于路径选取的需求不同,因此评估规则是可以根据实际需求设置的,例如,假设需求是路径距离最短,那么可以对每条路径的距离进行判断和评分,路径距离长的评分低,路径距离短的评分高,从而可以将评分高的路径作为导航路径。
又例如,假设需求是路径耗时最少,那么可以对每条路径的耗时进行判断和评分,路径耗时时间长的评分低,路径耗时时间短的评分高,从而可以将评分高的路径作为导航路径。
应理解,选择导航路径后,将推荐路径关键点坐标和推荐路径关键转向点的控制信息输出给月壤钻取机构的控制装置,例如,包括为与空间坐标相连接的转向角曲率、速度、加速度等控制信息。
S5,根据导航路径对月壤钻取机构进行导航。
本实施例提供的导航方法适用于月壤钻取机构,通过对月壤探测的雷达波信号进行处理,提前感知目标钻探空间的障碍物分布情况,进而规划出特定需求的自动避障导航路径,如功耗小、控制难度低的钻探推荐路径,指导钻采器避开月岩,到达指定深度地层开展采样任务。
可选地,在一些可能的实施方式中,对雷达波信号进行处理,得到目标钻采空间内的月岩分布信息,具体包括:
从数据库获取雷达信号的反演参数,将反演参数和雷达波信号输入到预先训练好的深度神经网络模型中,得到目标钻采空间内的月岩分布信息;
其中,深度神经网络模型训练后学习有雷达波与月岩的空间位置和成分信息之间的关联关系。
深度神经网络模型可以实际需求设置,例如,可以选择RBF、SVM等模型。
以RBF神经网络模型为例,RBF神经网络是一种前馈神经网络,主要包括输入层、隐含层和输出层,前馈神经网络为单向多层结构,每一层包含若干个神经元,各神经元可以接收前一层神经元的信号,并产生输出到下一层。RBF神经网络的隐节点的基函数采用距离函数,例如,可以为欧式距离,并使用径向基函数作为激活函数,例如,可以为Gaussian函数。建立RBF神经网络模型后,以处理好的雷达波形图和从数据库中读入的反演参数为输入,以多个月岩的空间坐标、径粒大小和地质种类为分类输出,构建训练集,对RBF神经网络模型进行训练,从而得到可以获取目标钻采空间内的月岩分布信息的神经网络模型。
通过采用深度神经网络模型对雷达波信号和反演参数进行处理,确定月岩分布信息,能够得到较为准确的结果,将这种技术应用于月岩识别,较好地解决了月壤地质组成复杂,常规探测方法难以在月球上进行探测的问题,从而更为准确快捷地确定出月岩的分布情况。
可选地,在一些可能的实施方式中,还包括:
对目标钻采空间进行抽象化可视处理,生成空间环境建图;
将障碍等级加载在空间环境建图中对应月岩的空间坐标上。
应理解,可视处理可以由图像引擎实现,可以由根据雷达波信号识别出的月岩的空间坐标、径粒大小和地质种类分类进行绘图,例如,可以预先定义每种地质种类对应的图形元素,按照粒径大小对图形元素的大小进行调整后,渲染绘制在可视图对应的空间坐标处,从而实现空间环境建图。
将障碍等级加载在空间环境建图中对应月岩的空间坐标上,指的是将障碍等级作为对应月岩的属性,或者可以可视化地展示在该月岩的旁边。
通过对目标钻采空间进行可视化处理,能够使操作人员更加直观地了解月球的钻采环境,便于操作人员更改导航路径。
可选地,在一些可能的实施方式中,还包括:
对雷达波信号进行处理,得到目标钻采空间内的月壤成分信息;
根据月壤成分信息确定目标钻采空间内的月壤的可钻等级;
将可钻等级加载在空间环境建图中对应月壤的空间坐标上。
应理解,月壤成分信息指的是月壤的组成成分,包括该区域的月壤包括哪些成分等,从而能够判断出该区域月壤是否便于钻采,从而生成可钻等级。
可钻等级可以根据实际需求设定,例如,假设某区域的月壤包含的月岩种类复杂,导致该地质结构不适宜开采,那么可以将其可钻等级设置为一,代表不适宜钻采;又例如,假设某区域的月壤包含的月岩种类单一,且该种月岩钻采难度低,说明该地质结构适宜开采,那么可以将其可钻等级设置为二,代表适宜钻采。
通过将月壤的可钻等级进行可视显示,能够便于操作人员决策,及时选择较易钻采的月壤进行作业。
可选地,在一些可能的实施方式中,还包括:
将导航路径加载在空间环境建图中。
通过将导航路径加载在空间环境建图中,能够便于操作人员直观掌握导航路径,便于操作更改。
可选地,在一些可能的实施方式中,还包括:
实时推断月壤钻取机构到达的位置,并显示在空间环境建图中。
例如,可以通过位移传感器等确定月壤钻取机构到达的位置,通过对月壤钻取机构到达的位置进行可视化展示,能够便于操作人员掌握导航进度,便于操控。
应理解,在一些可能的实现方式中,可以包含上述各实施方式的全部或部分。
如图2所示,为本发明用于月壤钻取机构的导航系统的实施例提供的结构框架图,该导航系统适用于月壤钻取机构,包括:
雷达信号处理模块1,用于获取探测目标钻采空间的雷达波信号,对雷达波信号进行处理,得到目标钻采空间内的月岩分布信息;
月壤层级分辨模块2,用于根据月岩分布信息确定目标钻采空间内月岩的障碍等级;
路径规划模块3,用于根据月岩分布信息和障碍等级生成多条备选路径;
路径评估模块4,用于根据预设评估规则对所有备选路径进行评分,得到每条备选路径的评估值,根据评估值从所有备选路径中选择导航路径;
采样器导航模块5,用于根据导航路径对月壤钻取机构进行导航。
本实施例提供的导航系统适用于月壤钻取机构,通过对月壤探测的雷达波信号进行处理,提前感知目标钻探空间的障碍物分布情况,进而规划出特定需求的自动避障导航路径,如功耗小、控制难度低的钻探推荐路径,指导钻采器避开月岩,到达指定深度地层开展采样任务。
可选地,在一些可能的实施方式中,雷达信号处理模块1具体用于从数据库获取雷达信号的反演参数,将反演参数和雷达波信号输入到预先训练好的深度神经网络模型中,得到目标钻采空间内的月岩分布信息;
其中,深度神经网络模型训练后学习有雷达波与月岩的空间位置和成分信息之间的关联关系。
可选地,在一些可能的实施方式中,还包括:可视化处理模块6,用于对目标钻采空间进行抽象化可视处理,生成空间环境建图,并将障碍等级加载在空间环境建图中对应月岩的空间坐标上。
可选地,在一些可能的实施方式中,雷达信号处理模块1还用于对雷达波信号进行处理,得到目标钻采空间内的月壤成分信息;
月壤层级分辨模块还用于根据月壤成分信息确定目标钻采空间内的月壤的可钻等级;
可视化处理模块6还用于将可钻等级加载在空间环境建图中对应月壤的空间坐标上。
可选地,在一些可能的实施方式中,可视化处理模块6还用于将导航路径加载在空间环境建图中。
应理解,在一些可能的实现方式中,可以包含上述各实施方式的全部或部分。
应理解,上述各实施方式为与在先方法实施方式对应的产品实施方式,因此,上述各产品实施方式的具体说明可以参照在先方法实施方式的对应说明,在此不再赘述。
在本发明的其他实施例中,还提供一种存储介质,存储介质中存储有指令,当计算机读取指令时,使计算机执行如上述任意实施方式公开的用于月壤钻取机构的导航方法。
在本发明的其他实施例中,还提供一种月壤钻取机构,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序,实现如上述任意实施方式公开的用于月壤钻取机构的导航方法。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用于月壤钻取机构的导航方法,其特征在于,包括:
获取探测目标钻采空间的雷达波信号,对所述雷达波信号进行处理,得到所述目标钻采空间内的月岩分布信息;
根据所述月岩分布信息确定所述目标钻采空间内月岩的障碍等级;
根据所述月岩分布信息和所述障碍等级生成多条备选路径;
根据预设评估规则对所有备选路径进行评分,得到每条备选路径的评估值,根据所述评估值从所有备选路径中选择导航路径;
根据所述导航路径对月壤钻取机构进行导航。
2.根据权利要求1所述的用于月壤钻取机构的导航方法,其特征在于,对所述雷达波信号进行处理,得到所述目标钻采空间内的月岩分布信息,具体包括:
从数据库获取雷达信号的反演参数,将所述反演参数和所述雷达波信号输入到预先训练好的深度神经网络模型中,得到所述目标钻采空间内的月岩分布信息;
其中,所述深度神经网络模型训练后学习有雷达波与月岩的空间位置和成分信息之间的关联关系。
3.根据权利要求1所述的用于月壤钻取机构的导航方法,其特征在于,还包括:
对所述目标钻采空间进行抽象化可视处理,生成空间环境建图;
将所述障碍等级加载在所述空间环境建图中对应月岩的空间坐标上。
4.根据权利要求3所述的用于月壤钻取机构的导航方法,其特征在于,还包括:
对所述雷达波信号进行处理,得到所述目标钻采空间内的月壤成分信息;
根据所述月壤成分信息确定所述目标钻采空间内的月壤的可钻等级;
将所述可钻等级加载在所述空间环境建图中对应月壤的空间坐标上。
5.根据权利要求3或4所述的用于月壤钻取机构的导航方法,其特征在于,还包括:
将所述导航路径加载在所述空间环境建图中。
6.一种用于月壤钻取机构的导航系统,其特征在于,包括:
雷达信号处理模块,用于获取探测目标钻采空间的雷达波信号,对所述雷达波信号进行处理,得到所述目标钻采空间内的月岩分布信息;
月壤层级分辨模块,用于根据所述月岩分布信息确定所述目标钻采空间内月岩的障碍等级;
路径规划模块,用于根据所述月岩分布信息和所述障碍等级生成多条备选路径;
路径评估模块,用于根据预设评估规则对所有备选路径进行评分,得到每条备选路径的评估值,根据所述评估值从所有备选路径中选择导航路径;
采样器导航模块,用于根据所述导航路径对月壤钻取机构进行导航。
7.根据权利要求6所述的用于月壤钻取机构的导航系统,其特征在于,所述雷达信号处理模块具体用于从数据库获取雷达信号的反演参数,将所述反演参数和所述雷达波信号输入到预先训练好的深度神经网络模型中,得到所述目标钻采空间内的月岩分布信息;
其中,所述深度神经网络模型训练后学习有雷达波与月岩的空间位置和成分信息之间的关联关系。
8.根据权利要求6所述的用于月壤钻取机构的导航系统,其特征在于,还包括:可视化处理模块,用于对所述目标钻采空间进行抽象化可视处理,生成空间环境建图,并将所述障碍等级加载在所述空间环境建图中对应月岩的空间坐标上。
9.根据权利要求8所述的用于月壤钻取机构的导航系统,其特征在于,所述雷达信号处理模块还用于对所述雷达波信号进行处理,得到所述目标钻采空间内的月壤成分信息;
所述月壤层级分辨模块还用于根据所述月壤成分信息确定所述目标钻采空间内的月壤的可钻等级;
所述可视化处理模块还用于将所述可钻等级加载在所述空间环境建图中对应月壤的空间坐标上。
10.根据权利要求8或9所述的用于月壤钻取机构的导航系统,其特征在于,所述可视化处理模块还用于将所述导航路径加载在所述空间环境建图中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011490280.0A CN112684451B (zh) | 2020-12-16 | 2020-12-16 | 用于月壤钻取机构的导航方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011490280.0A CN112684451B (zh) | 2020-12-16 | 2020-12-16 | 用于月壤钻取机构的导航方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112684451A true CN112684451A (zh) | 2021-04-20 |
CN112684451B CN112684451B (zh) | 2021-06-22 |
Family
ID=75448529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011490280.0A Active CN112684451B (zh) | 2020-12-16 | 2020-12-16 | 用于月壤钻取机构的导航方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112684451B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101077578A (zh) * | 2007-07-03 | 2007-11-28 | 北京控制工程研究所 | 一种基于二元环境信息的移动机器人局部路径规划方法 |
CN106134337B (zh) * | 2008-10-22 | 2012-08-08 | 北京卫星制造厂 | 一种月球表面取样装置的机械臂机构 |
CN105849587A (zh) * | 2015-10-30 | 2016-08-10 | 株式会社小松制作所 | 作业机械的控制系统、作业机械、作业机械的管理系统、作业机械的控制方法以及程序 |
CA3094946A1 (en) * | 2018-03-01 | 2019-09-06 | Soil Logics LLC | Systems, devices, and methods for soil optimization |
EP3109400B1 (en) * | 2015-06-21 | 2019-11-06 | GE Global Sourcing LLC | Drill sensor system and method |
CN111911076A (zh) * | 2020-08-31 | 2020-11-10 | 中国科学院空间应用工程与技术中心 | 一种深层月壤旋转导向钻进机构 |
-
2020
- 2020-12-16 CN CN202011490280.0A patent/CN112684451B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101077578A (zh) * | 2007-07-03 | 2007-11-28 | 北京控制工程研究所 | 一种基于二元环境信息的移动机器人局部路径规划方法 |
CN106134337B (zh) * | 2008-10-22 | 2012-08-08 | 北京卫星制造厂 | 一种月球表面取样装置的机械臂机构 |
EP3109400B1 (en) * | 2015-06-21 | 2019-11-06 | GE Global Sourcing LLC | Drill sensor system and method |
CN105849587A (zh) * | 2015-10-30 | 2016-08-10 | 株式会社小松制作所 | 作业机械的控制系统、作业机械、作业机械的管理系统、作业机械的控制方法以及程序 |
CA3094946A1 (en) * | 2018-03-01 | 2019-09-06 | Soil Logics LLC | Systems, devices, and methods for soil optimization |
CN111911076A (zh) * | 2020-08-31 | 2020-11-10 | 中国科学院空间应用工程与技术中心 | 一种深层月壤旋转导向钻进机构 |
Non-Patent Citations (4)
Title |
---|
VALE´ RIE CIARLETTI,ET AL: "The WISDOM Radar:Unveiling the Subsurface Beneath the ExoMars Rover and Identifying the Best Locations for Drilling", 《ASTROBIOLOGY》 * |
于世淼: "月壤表层采样机械臂及末端执行器运动规划与位姿检测", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
张领: "探月雷达方法技术研究及嫦娥三号雷达数据解释", 《中国博士学位论文全文数据库 工程科技II辑》 * |
李晟诚: "月壤钻探取心钻进规程研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112684451B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108509935B (zh) | 一种基于随机森林算法的雷达工作模式识别方法 | |
US10036820B2 (en) | Expert guided knowledge acquisition system for analyzing seismic data | |
CN113110522B (zh) | 一种基于复合式边界检测的机器人自主探索方法 | |
KR20200039547A (ko) | 트래킹 네트워크를 포함한 cnn을 사용하여 객체를 트래킹하는 방법 및 이를 이용한 장치 | |
WO2011094817A1 (en) | Rock property measurements while drilling | |
CN111444767A (zh) | 一种基于激光雷达的行人检测和追踪方法 | |
Zhou et al. | Multi-source data driven method for assessing the rock mass quality of a NATM tunnel face via hybrid ensemble learning models | |
Teleweck et al. | Path planning algorithms and their use in robotic navigation systems | |
CN111639878A (zh) | 一种基于知识图谱构建的滑坡风险预测方法及系统 | |
Tunkiel et al. | Training-while-drilling approach to inclination prediction in directional drilling utilizing recurrent neural networks | |
JP6157105B2 (ja) | 移動ロボットの走行領域判別装置及び走行領域判別方法 | |
Alloush et al. | Estimation of geomechanical failure parameters from well logs using artificial intelligence techniques | |
GB2467852A (en) | Automated interpretation of a seismic structure | |
Chen et al. | Global oceanic eddy identification: A deep learning method from argo profiles and altimetry data | |
Carvalho et al. | Soil classification system from cone penetration test data applying distance-based machine learning algorithms | |
Zaech et al. | Action sequence predictions of vehicles in urban environments using map and social context | |
CN112684451B (zh) | 用于月壤钻取机构的导航方法及系统 | |
Stepanov et al. | Navigation informativity of geophysical fields in map-aided navigation | |
Wang et al. | Using DTW to measure trajectory distance in grid space | |
KR20220029396A (ko) | 딥러닝 모델을 이용한 암반 등급을 평가하는 자동화 장치 및 방법 | |
Bhattarai et al. | A deep learning approach for underwater bubble detection | |
JP7446416B2 (ja) | 時空間ポーズ/オブジェクトデータベース | |
US20240060419A1 (en) | Method and system for automated rock recognition | |
CN112215395B (zh) | 一种基于海洋大数据的水下装备适应性信息保障系统 | |
Medvedev et al. | Dynamic models for trajectory survey and mapping of local physical fields of the ocean with autonomous underwater vehicle |
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 |