《表3 本文算法与传统算法的试验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的飞行器姿态分析研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在同一数据集上进行验证测试，试验结果见表3。结果表明，本文算法的试验结果优于传统姿态分析算法，平均绝对误差可控制在0.6°～1.6°之间，计算z轴方向的姿态角时效果最好，验证集中约有82.71%的样本与真实姿态角的绝对误差可控制在0.5°以内，约有98.91%样本的预测姿态角与真实姿态角的绝对误差可控制在3°以内，拟合效果相较传统算法有较大提升。在训练模型均选取BP神经网络的前提下，基于关键点定位的姿态分析方法相比传统特征点提取具有更低的平均绝对误差及更高的拟合系数，其主要原因是提取的坐标信息更直接地体现目标飞行器在当前坐标系下的位置和姿态，更好地模拟了飞行器的几何特征，更有利于BP神经网络学习特征与标签间的潜在关系。