本發(fā)明屬于目標檢測，具體涉及一種月面無結(jié)構化環(huán)境復雜光照條件下遠距離障礙識別方法。

背景技術：

1、隨著航天技術的不斷深入，行星表面漫游巡視任務呈現(xiàn)多元化趨勢，探測任務范圍逐漸擴大化。其中，傳統(tǒng)圖像識別方案作為一項比較成熟的目標檢測技術已被用于月面巡視器中。

2、傳統(tǒng)圖像目標識別方法基于手工特征提取，利用檢測器采用滑動窗口的方式對可能包含物體區(qū)域檢查目標是否存在窗口之中，對該窗口下的特征進行提取分類產(chǎn)生檢測結(jié)果。

3、但是由于月球表面無大氣散射，來自太陽的光照變化趨于不穩(wěn)定狀態(tài)，同時使得月面障礙經(jīng)由太陽光的照射產(chǎn)生了一定程度的陰影像素。此類影響導致傳統(tǒng)圖像目標識別算法對月面障礙的檢測產(chǎn)生一定程度的檢測誤差。同時由于傳統(tǒng)圖像目標識別方法在圖像顏色、空間結(jié)構和紋理信息解析中耗費大量的計算資源，導致檢測時間增加以及無法對圖像的高級特征進行目標檢測。單一相機傳感器受環(huán)境影響較大，圖像數(shù)據(jù)無法保證識別精度，上述影響進一步的加大了月面巡視器的安全威脅。

技術實現(xiàn)思路

1、為了克服現(xiàn)有技術的不足，本發(fā)明提供了一種月面無結(jié)構化環(huán)境復雜光照條件下遠距離障礙識別方法，首先構建月面障礙目標檢測網(wǎng)絡；然后構建月面障礙圖像樣本數(shù)據(jù)集，利用月面障礙圖像樣本數(shù)據(jù)集對月面障礙目標檢測網(wǎng)絡進訓練，得到月面障礙目標檢測模型；再采集月面障礙圖像，并將該月面障礙圖像送入到月面障礙目標檢測模型中，最終完成月面障礙檢測。相較于傳統(tǒng)圖像特征提取方法，本發(fā)明方法參數(shù)量更少、計算速度更快、更加輕量化。

2、本發(fā)明解決其技術問題所采用的技術方案如下：

3、步驟1：構建月面障礙目標檢測網(wǎng)絡；

4、所述月面障礙目標檢測網(wǎng)絡由7個卷積單元、1個eca注意力機制單元、1個sppf空間金字塔池化層、2個上采樣層、4個concat特征融合層、2個c3-2單元、2個cbs類別平衡采樣單元、6個c3-1單元以及3個目標檢測頭組成；

5、第1個卷積單元的輸入形成月面障礙檢測網(wǎng)絡的輸入，第1個卷積單元的輸出連接第2個卷積單元的輸入，第2個卷積單元的輸出連接第1個c3-1單元的輸入，第1個c3-1單元的輸出連接第3個卷積單元的輸入，第3個卷積單元的輸出連接第1個c3-2單元的輸入，第1個c3-2單元的輸出連接第4個卷積單元的輸入，第4個卷積單元的輸出連接第2個c3-2單元的輸入，第2個c3-2單元的輸出連接第5個卷積單元的輸入，第5個卷積單元的輸出連接第2個c3-1單元的輸入，第2個c3-1單元的輸出連接第1個eca注意力機制單元的輸入，第1個eca注意力機制單元的輸出連接sppf空間金字塔池化層的輸入；

6、sppf空間金字塔池化層的輸出連接第1個cbs類別平衡采樣單元的輸入，第1個cbs類別平衡采樣單元的輸出連接第1個上采樣層的輸入，第1個上采樣層的輸出和第2個c3-2單元的輸出分別連接第1個concat特征融合層的兩個輸入，第1個concat特征融合層的輸出連接第3個c3-1單元的輸入，第3個c3-1單元的輸出連接第2個cbs類別平衡采樣單元的輸入，第2個cbs類別平衡采樣單元的輸出連接第2個上采樣層的輸入，第2個上采樣層的輸出和第1個c3-2單元的輸出分別連接第2個concat特征融合層的兩個輸入，第2個concat特征融合層的輸出連接第4個c3-1單元的輸入，第4個c3-1單元的輸出連接第6個卷積單元的輸入，第6個卷積單元的輸出和第2個cbs類別平衡采樣單元的輸出分別連接第3個concat特征融合層的兩個輸入，第3個concat特征融合層的輸出連接第5個c3-1單元的輸入，第5個c3-1單元的輸出連接第7個卷積單元的輸入，第7個卷積單元的輸出和第1個cbs類別平衡采樣單元的輸出分別連接第4個concat特征融合層的兩個輸入，第4個concat特征融合層的輸出連接第6個c3-1單元的輸入；

7、第1個目標檢測頭的輸入連接第4個c3-1單元的輸出，第2個目標檢測頭的輸入連接第5個c3-1單元的輸出，第3個目標檢測頭的輸入連接第6個c3-1單元的輸出，第1個目標檢測頭的輸出、第2個目標檢測頭的輸出和第3個目標檢測頭的輸出共同形成月面障礙目標檢測網(wǎng)絡的輸出；

8、步驟2：構建月面障礙圖像樣本數(shù)據(jù)集，利用月面障礙圖像樣本數(shù)據(jù)集對步驟1構建的月面障礙目標檢測網(wǎng)絡進訓練，得到月面障礙目標檢測模型；

9、步驟3；采集月面障礙圖像，并將該月面障礙圖像送入到步驟2得到的月面障礙目標檢測模型中，完成月面障礙檢測。

10、進一步地，所述c3-1單元由3個卷積模塊、1個concat特征融合層、1個殘差單元nxbottleneck-true組成；在c3-1單元中，第1個卷積模塊的輸入形成c3-1單元的輸入，第1個卷積模塊的2個輸出中的1個輸出連接殘差單元nx?bottleneck-true的輸入，另1個輸出連接第2個卷積模塊的輸入，殘差單元nx?bottleneck-true的輸出與第2個卷積模塊的輸出分別連接concat特征融合層的兩個輸入，concat特征融合層的輸出連接第3個卷積模塊的輸入，第3個卷積模塊的輸出形成c3-1單元的輸出。

11、進一步地，所述c3-2單元由一個殘差單元nx?bottleneck-false組成；殘差單元nxbottleneck-false的輸入形成c3-2單元的輸入，殘差單元nx?bottleneck-false的輸出形成c3-2單元的輸出。

12、進一步地，所述殘差單元nx?bottleneck-true由2個卷積模塊、1個加和模塊組成；殘差單元nx?bottleneck-true的輸入同時作為第1個卷積模塊的輸入和加和模塊的輸入，第1個卷積模塊的輸出連接第2個卷積模塊的輸入，第2個卷積模塊的輸出作為加和模塊的另1個輸入，加和模塊的輸出形成殘差單元nx?bottleneck-true的輸出。

13、進一步地，所述殘差單元nx?bottleneck-false由2個卷積模塊組成；第1個卷積模塊的輸入構成殘差單元nx?bottleneck-false的輸入，第1個卷積模塊的輸出連接第2個卷積模塊的輸入，第2個卷積模塊的輸出形成殘差單元(nx?bottleneck-false)的輸出。

14、進一步地，所述cbs類別平衡采樣單元由1個卷積模塊、1個標準化層、1個激活函數(shù)組成；在cbs類別平衡采樣單元中，卷積模塊的輸入形成cbs類別平衡采樣單元的輸入，卷積模塊的輸出連接標準化層的輸入，標準化層的輸出連接激活函數(shù)的輸入，激活函數(shù)的輸出形成cbs類別平衡采樣單元的輸出。

15、進一步地，所述eca注意力機制單元由1個全局平均池化層、1個自適應選擇卷積核大小模塊、1個激活函數(shù)、1個尺度模塊組成；全局平均池化層的輸入形成eca注意力機制單元的輸入，全局平均池化層的輸出連接自適應選擇卷積核大小模塊，自適應選擇卷積核大小模塊的輸出連接激活函數(shù)的輸入，激活函數(shù)的輸出和eca注意力機制單元的輸入同時連接尺度模塊，尺度模塊的輸出形成eca注意力機制單元的輸出。

16、進一步地，所述激活函數(shù)為sigmoid函數(shù)。

17、本發(fā)明的有益效果如下：

18、與現(xiàn)有技術相比，本發(fā)明針對月面障礙目標檢測提出一種基于高效通道注意力機制的輕量級月面障礙目標檢測網(wǎng)絡，該月面障礙目標檢測網(wǎng)絡在初始圖像特征提取時引入卷積模塊進行特征提取，相較于傳統(tǒng)圖像特征提取方法，其參數(shù)量更少、計算速度更快、更加輕量化；同時引入輕量級的高效通道注意力機制，該機制是一種即插即用的注意力機制，能夠在保持模型性能的同時降低計算復雜度；在多維度特征融合網(wǎng)絡使用金字塔結(jié)構將相同維度的特征圖進行特征融合，并在其中引入卷積調(diào)整特征圖維度，從而強化月面障礙的特征信息。