CN114024597A - 一种基于神经网络模式识别的激光通信粗瞄装置 - Google Patents
一种基于神经网络模式识别的激光通信粗瞄装置 Download PDFInfo
- Publication number
- CN114024597A CN114024597A CN202111295853.9A CN202111295853A CN114024597A CN 114024597 A CN114024597 A CN 114024597A CN 202111295853 A CN202111295853 A CN 202111295853A CN 114024597 A CN114024597 A CN 114024597A
- Authority
- CN
- China
- Prior art keywords
- target terminal
- neural network
- control module
- coarse
- image
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
- H04B10/07—Arrangements for monitoring or testing transmission systems; Arrangements for fault measurement of transmission systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开一种基于神经网络模式识别的激光通信粗瞄装置,包括图像识别及控制模块、粗跟踪控制模块、伺服电机及粗跟踪CCD,图像识别及控制模块控制可见光照相机对目标终端进行拍摄,并通过自身和附加的目标特征,利用神经网络算法,精确识别拍摄图像中的目标终端,确定目标终端在拍摄图像中的位置信息,然后将该信息传递到粗跟踪控制模块,用于控制伺服电机,伺服电机接收到来自粗跟踪控制模块的控制信号后调整本机终端的方向,使目标终端的信号光源进入粗跟踪CCD接收范围,根据CCD接收的光斑位置信息,控制所述伺服电机驱动修正瞄准轴的指向,从而实现快速瞄准和捕获。本发明利用图像识别方式快速捕获目标终端,代替信标光扫描,提高捕获效率。
Description
技术领域
本发明涉及人工智能和激光通信领域,更具体地说,是一种基于神经网络模式识别的激光通信粗瞄装置。
背景技术
在终端之间的捕获过程中,首先主控系统通过事先经由无线电台获取的通信目标终端位置坐标信息,并结合通信双方的坐标信息计算出光学天线的指向范围,然后将计算出的结果发送给粗瞄系统,驱动伺服转台进行螺旋扫描,扫描过程利用束散角较大的信标光,以增大捕获概率。这种方法需要用信标光进行大范围扫描,而目标终端的可捕获区域一般较小,使得这种方法效率较低。
发明内容
为解决以上现有技术存在的问题,本发明提供了一种基于神经网络模式识别的激光通信粗瞄装置,利用该装置实现的基于模式识别的粗瞄方法,利用目标终端的自身外形和附加特征,自动寻找目标终端的出现位置;同时集成图像处理算法,判断目标终端的当前姿态,便于接下来的跟踪。
本发明可通过以下技术方案予以实现:
一种基于神经网络模式识别的激光通信粗瞄装置,包括信号光源、可见光照相机、图像识别及控制模块、粗跟踪控制模块、伺服电机及粗跟踪CCD,图像识别及控制模块控制可见光照相机对目标终端进行拍摄,并通过自身和附加的目标特征,利用神经网络算法,精确识别拍摄图像中的目标终端,确定目标终端在拍摄图像中的位置信息,然后将该信息传递到粗跟踪控制模块,用于控制伺服电机,伺服电机接收到来自粗跟踪控制模块的控制信号后调整本机终端的方向,使目标终端的信号光源进入粗跟踪CCD接收范围,根据CCD接收的光斑位置信息,控制所述伺服电机驱动修正瞄准轴的指向,从而实现快速瞄准和捕获。
进一步地,所述可见光相机采用可以自动变焦的镜头,对于远处的目标终端能够根据距离改变焦距,保证拍摄的清晰度,使目标终端特征更为明显。
进一步地,为了便于相距较远的目标终端和本机终端之间的互相识别以及对准,可以在目标终端和本机终端表面加入一些明显特征,如按照特定规律闪烁的指示灯等。
进一步地,所述图像识别的功能由卷积神经网络实现,采用2层的卷积+池化的元胞结构;每个卷积特征图像数量为3,卷积核大小为5×5,卷积层激活函数设定为修正线性单元函数;池化层采用均值池化的方式,对应卷积层输出的2×2斑块像元的平均值作为该池化层激活函数的输入,其特征图像数量分别与对应的卷积层一致,元胞层与输出层之间采用全连接,输出为类别标签,维度与输入图像像元总数和类别数目相关。
本发明具有以下有益效果:
1.利用模式识别方式快速捕获终端目标,代替信标光扫描,提高捕获效率;
2.用信号光代替信标光,实现系统结构简化;
3.可以根据自身及表面附加特征,将目标终端与其它终端区分开,避免捕获到错误的终端。
附图说明
图1为一种基于神经网络模式识别的激光通信粗瞄结构的示意图
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式,本领域的技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。
如图1所示,本发明的一种基于神经网络模式识别的激光通信粗瞄装置,包括可见光照相机1、图像识别及控制模块2、粗跟踪控制模块3和伺服电机4,及粗跟踪CCD5,在终端通过GPS等定位工具得知目标终端的出现范围后,可见光相机1会对这一范围进行拍摄,拍摄结果以图片的形式传输至图像识别及控制模块2。
当目标终端处于被拍摄范围,图像识别及控制模块2(已事先对目标终端的外观特征进行过训练)会识别出目标终端并指示目标终端在拍摄图中的位置信息,然后该信息将会被输入到粗跟踪控制模块3,用于控制伺服电机4驱动。使目标终端发射的信号光进入粗跟踪CCD5的接收范围,根据粗跟踪CCD5提供的光斑位置信息,控制伺服电机4驱动修正瞄准轴的指向,最终实现通信终端的自动粗瞄和捕获。
本实施例中,在获得目标终端的坐标信息之后,可见光照相机对坐标区域进行拍照,使目标终端出现在拍照区域;通过训练好的神经网络,将照片中的目标终端识别出来并锁定目标终端的位置,然后通过图像处理算法确定目标终端的各种姿态角。
其中,可见光相机采用可以自动变焦的镜头,对于远处的目标终端能够根据距离改变焦距,保证拍摄的清晰度,使目标终端特征更为明显。同时为了便于相距较远的目标终端和本机终端之间的互相识别以及对准,可以在目标终端和本机终端表面加入一些明显特征,如按照特定规律闪烁的指示灯等。
本实施例中,图像识别的功能由卷积神经网络实现,采用2层的卷积+池化的元胞结构。每个卷积特征图像数量为3,卷积核大小为5×5,卷积层激活函数设定为修正线性单元函数。池化层采用均值池化的方式,对应卷积层输出的2×2斑块像元的平均值作为该池化层激活函数的输入,其特征图像数量分别与对应的卷积层一致。元胞层与输出层之间采用全连接,输出为类别标签,维度与输入图像像元总数和类别数目相关。在本实施例中,第一、第二元胞层的节点数分别被设为5和3,训练样本数量设为8000。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于神经网络模式识别的激光通信粗瞄装置,其特征在于,包括信号光源、可见光照相机、图像识别及控制模块、粗跟踪控制模块和伺服电机及粗跟踪CCD,图像识别及控制模块控制可见光照相机对目标终端进行拍摄,并通过自身和附加的目标特征,利用神经网络算法,精确识别拍摄图像中的目标终端,确定目标终端在拍摄图像中的位置信息,然后将该信息传递到粗跟踪控制模块,用于控制伺服电机,伺服电机接收到来自粗跟踪控制模块的控制信号后调整本机终端的方向,使目标终端的信号光源进入粗跟踪CCD接收范围,根据CCD接收的光斑位置信息,控制所述伺服电机驱动修正瞄准轴的指向,从而实现快速瞄准和捕获。
2.根据权利要求1所述的基于神经网络模式识别的激光通信粗瞄装置,其特征在于,在终端通过GPS定位工具得知目标终端的位置信息后,所述可见光相机对该位置信息进行拍照,使所述目标终端出现在拍照区域,并将目标终端拍摄的结果以图片的形式传输至所述图像识别及控制模块,然后通过训练好的神经网络,将照片中的目标终端识别出来并锁定目标终端的位置,然后通过图像处理算法确定目标终端的各种姿态角。
3.根据权利要求1所述的基于神经网络模式识别的激光通信粗瞄装置,其特征在于,所述可见光相机采用可以自动变焦的镜头,对于远处的目标终端能够根据距离改变焦距,保证拍摄的清晰度,使目标终端特征更为明显。
4.根据权利要求1所述的基于神经网络模式识别的激光通信粗瞄装置,其特征在于,为了便于相距较远的目标终端和本机终端之间的互相识别以及对准,可以在目标终端和本机终端表面加入一些明显特征,如按照特定规律闪烁的指示灯。
5.根据权利要求2所述的基于神经网络模式识别的激光通信粗瞄装置,其特征在于,所述图像识别的功能由卷积神经网络实现,采用2层的卷积+池化的元胞结构;每个卷积特征图像数量为3,卷积核大小为5×5,卷积层激活函数设定为修正线性单元函数;池化层采用均值池化的方式,对应卷积层输出的2×2斑块像元的平均值作为该池化层激活函数的输入,其特征图像数量分别与对应的卷积层一致,元胞层与输出层之间采用全连接,输出为类别标签,维度与输入图像像元总数和类别数目相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295853.9A CN114024597A (zh) | 2021-11-03 | 2021-11-03 | 一种基于神经网络模式识别的激光通信粗瞄装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295853.9A CN114024597A (zh) | 2021-11-03 | 2021-11-03 | 一种基于神经网络模式识别的激光通信粗瞄装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114024597A true CN114024597A (zh) | 2022-02-08 |
Family
ID=80060677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111295853.9A Pending CN114024597A (zh) | 2021-11-03 | 2021-11-03 | 一种基于神经网络模式识别的激光通信粗瞄装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114024597A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645741A (zh) * | 2009-09-04 | 2010-02-10 | 中国科学院上海技术物理研究所 | 量子通信系统跟踪相机视轴现场自校准方法 |
CN102075243A (zh) * | 2010-12-28 | 2011-05-25 | 哈尔滨工业大学 | 激光通信链路光束的误差探测装置及控制方法 |
CN105469400A (zh) * | 2015-11-23 | 2016-04-06 | 广州视源电子科技股份有限公司 | 电子元件极性方向的快速识别、标注的方法和系统 |
CN107707297A (zh) * | 2017-11-03 | 2018-02-16 | 潘运滨 | 一种航空激光通信系统及其通信方法 |
WO2019020200A1 (en) * | 2017-07-28 | 2019-01-31 | Fundació Privada I2Cat, Internet I Innovació Digital A Catalunya | METHOD AND APPARATUS FOR ACCURATE REAL-TIME POSITIONING BY VISIBLE LIGHT |
US20190068279A1 (en) * | 2017-08-30 | 2019-02-28 | Massachusetts Institute Of Technology | Dual-mode imaging receiver |
CN109474330A (zh) * | 2018-12-25 | 2019-03-15 | 上海理工大学 | 用于无人机的激光通信与跟瞄系统 |
KR20190083969A (ko) * | 2018-01-05 | 2019-07-15 | 이종선 | 내장 카메라 구동 단말기 |
WO2019233341A1 (zh) * | 2018-06-08 | 2019-12-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
CN110830116A (zh) * | 2019-11-26 | 2020-02-21 | 中国电子科技集团公司第五十四研究所 | 一种无线光通信收/发射终端及中继、时分收/发方法 |
US20200099448A1 (en) * | 2018-09-26 | 2020-03-26 | The Johns Hopkins University | System and method for identifying and tracking a mobile laser beacon in a free space optical system |
CN113505651A (zh) * | 2021-06-15 | 2021-10-15 | 杭州电子科技大学 | 一种基于卷积神经网络的蚊虫识别方法 |
-
2021
- 2021-11-03 CN CN202111295853.9A patent/CN114024597A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645741A (zh) * | 2009-09-04 | 2010-02-10 | 中国科学院上海技术物理研究所 | 量子通信系统跟踪相机视轴现场自校准方法 |
CN102075243A (zh) * | 2010-12-28 | 2011-05-25 | 哈尔滨工业大学 | 激光通信链路光束的误差探测装置及控制方法 |
CN105469400A (zh) * | 2015-11-23 | 2016-04-06 | 广州视源电子科技股份有限公司 | 电子元件极性方向的快速识别、标注的方法和系统 |
WO2017088553A1 (zh) * | 2015-11-23 | 2017-06-01 | 广州视源电子科技股份有限公司 | 电子元件极性方向的快速识别、标注的方法和系统 |
WO2019020200A1 (en) * | 2017-07-28 | 2019-01-31 | Fundació Privada I2Cat, Internet I Innovació Digital A Catalunya | METHOD AND APPARATUS FOR ACCURATE REAL-TIME POSITIONING BY VISIBLE LIGHT |
US20190068279A1 (en) * | 2017-08-30 | 2019-02-28 | Massachusetts Institute Of Technology | Dual-mode imaging receiver |
CN107707297A (zh) * | 2017-11-03 | 2018-02-16 | 潘运滨 | 一种航空激光通信系统及其通信方法 |
KR20190083969A (ko) * | 2018-01-05 | 2019-07-15 | 이종선 | 내장 카메라 구동 단말기 |
WO2019233341A1 (zh) * | 2018-06-08 | 2019-12-12 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
US20200099448A1 (en) * | 2018-09-26 | 2020-03-26 | The Johns Hopkins University | System and method for identifying and tracking a mobile laser beacon in a free space optical system |
CN109474330A (zh) * | 2018-12-25 | 2019-03-15 | 上海理工大学 | 用于无人机的激光通信与跟瞄系统 |
CN110830116A (zh) * | 2019-11-26 | 2020-02-21 | 中国电子科技集团公司第五十四研究所 | 一种无线光通信收/发射终端及中继、时分收/发方法 |
CN113505651A (zh) * | 2021-06-15 | 2021-10-15 | 杭州电子科技大学 | 一种基于卷积神经网络的蚊虫识别方法 |
Non-Patent Citations (2)
Title |
---|
肖永军;董冉;: "无线光通信ATP演示实验系统", 半导体光电, no. 04 * |
郑纳川;艾勇;林贻翔;陈晶;: "RBF神经网络在光通信粗跟踪系统中的应用", 光通信技术, no. 11 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146919B (zh) | 一种结合图像识别与激光引导的跟瞄系统及方法 | |
CN101171833B (zh) | 具有三角测量自动聚焦系统的数字照相机以及相关方法 | |
CN111970058A (zh) | 一种基于无信标的星间激光通信快速捕获方法 | |
CN112699839B (zh) | 一种动态背景下视频目标自动锁定及跟踪方法 | |
CN105100728A (zh) | 无人机视频跟踪拍摄系统及方法 | |
US10655936B2 (en) | Coordinating multiple missile targeting via optical inter-missile communications | |
US10126101B2 (en) | Seeker/designator handoff system for use in dual-mode guided missiles | |
CN107421506A (zh) | 一种基于室内可见光通信的视觉追踪定位系统和方法 | |
CN109428648B (zh) | 实现无线光收发端对准的方法及装置 | |
US20180274819A1 (en) | Calibration method for heliostats | |
CN112436892A (zh) | 一种无线光通信自动扫描捕获跟踪系统及其方法 | |
CN107204015B (zh) | 基于色彩图像和红外图像融合的即时定位与建图系统 | |
CN209991983U (zh) | 一种障碍物检测设备及无人机 | |
CN114024597A (zh) | 一种基于神经网络模式识别的激光通信粗瞄装置 | |
CN103634509A (zh) | 自动追踪录制方法及系统 | |
CN113794826B (zh) | 一种用于精确指向激光干扰的光强调制干扰方法及系统 | |
WO2022267068A1 (zh) | 光束调整方法及装置、发射端、计算机存储介质 | |
US20240127576A1 (en) | System and method for matching of image features with indistinguishable landmarks | |
CN115022553A (zh) | 一种补光灯的动态控制方法和装置 | |
CN104181753A (zh) | 激光照明匀化装置的控制方法及控制装置 | |
CN114820701A (zh) | 一种基于多模板的红外成像导引头捕获跟踪目标方法 | |
CN114281096A (zh) | 基于目标检测算法的无人机追踪控制方法、设备及介质 | |
CN115861938B (zh) | 一种基于无人机识别的无人机反制方法及系统 | |
CN112748438A (zh) | 适于激光测距装置精确定位的方法及激光测距系统和方法 | |
CN109143168B (zh) | 基于可见偏振光干涉的定位方法 |
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 |