[发明专利]一种基于脉冲神经网络的探测器着陆点定位方法

权利要求书

1.一种基于脉冲神经网络的探测器着陆点定位方法，其特征在于，包括以下步骤：

S1.对星体表面的陨石坑DEM数据进行预处理；

S2.采用基于人工神经网络模型ANN的U-Net网络架构对训练集数据进行训练；

S3.将人工神经网络模型ANN的UNET转换为脉冲神经网络模型SNN的UNET模型；

S4.对图像进行编码，并采用基于SNN的UNET模型进行测试集检测；

S5.通过模板匹配算法，进行陨石坑匹配和定位，构建地形路标库，实现定位。

2.根据权利要求1所述的基于脉冲神经网络的探测器着陆点定位方法，其特征在于，所述步骤S1具体为：

S11.原始数据集为184320*61440像素，16bit/pixel，首先对其进行下采样down-sampled将其转换为92160*30720像素，8bit/pixel数据；

S12.将S11中的DEM图像随机裁剪成正方形区域，并通过下采样其转为256*256像素的数据集；

S13.将S12中的图像进行正投影，并将其他部分用零填充；

S14.将S13中的图像进行线性缩放，提高图像对比度，得到输入数据集；

S15.根据陨石坑经纬度和半径信息，将其转换为256*256像素的输出标签。

3.根据权利要求1所述的基于脉冲神经网络的探测器着陆点定位方法，其特征在于，所述步骤S2具体为：

S21.将S14中构建的256*256位的像素数据集输入图像分割网络UNET中，网络左侧为编码层encoder,右侧为解码层decoder；首先通过4个block1进行降采样，每个block1用3个有效卷积和1个max pooling降采样，得到特征图；后通过4个block2块进行上采样提高分辨率，后通过跳跃连接，将上采样结果和网络左侧编码层结果连接，实现深层次特征和浅层次的特征相结合，细化图像，得到特征图；

S22.对S21中得到的特征图进行预测，通过1*1的卷积核，判断当前位置是否是陨石坑边界，从而得到256*256位的像素值预测图predicted mask；但由于输出的结果并不包含陨石坑的位置和半径信息，因此还需要S5中的模板匹配算法，将识别出来的陨石坑具体经纬度信息，从而构建地标库。