机构名称：
¥ 1.0
摘要 — 飞行测试是确保正常运行期间安全并在认证阶段评估飞机的强制性过程。由于试飞可能是一种高风险活动，可能导致飞机损失甚至生命损失，因此模拟模型和实时监控系统对于评估风险和提高态势感知和安全性至关重要。我们提出了一种基于 CNN 的新型检测和跟踪模型，该模型使用基准标记，称为 HSMT4FT。它是光学弹道系统 (SisTrO) 的主要组件之一，负责在飞行测试期间检测和跟踪飞机外部存储、吊架和机翼中的基准标记。HSMT4FT 是一种实时处理模型，用于测量存储分离测试中的轨迹，甚至评估振动和机翼偏转。尽管有多个库提供基于规则的方法来检测预定义标记，但这项工作通过开发和评估三个用于检测和定位基准标记的卷积神经网络 (CNN) 模型做出了贡献。我们还比较了在 OpenCV 库中实现的角点检测的经典方法和在 OpenVINO 环境中执行的神经网络模型。评估了这些方法的执行时间和精度/准确度。在测试和基准模型中，其中一个 CNN 模型实现了最高的吞吐量、较小的 RMSE 和最高的 F1 分数。最好的模型足够快，可以在嵌入式系统中实现实时应用，并将在未来的实际飞行测试中用于实际检测和跟踪。
用于飞行测试的高速标记跟踪
主要关键词
相关文件推荐
