Jun, 2019

利用神经网络进行非合作汇合的姿态估计

PDF
TL;DR本文介绍了一种用于非合作航天器姿态估计的 Spacecraft Pose Network (SPN) 方法， 基于单目视觉，无需手工特征提取和仅使用一张灰度图像即可确定相机与航天器之间的姿态。SPN 方法使用一个卷积神经网络，在检测航天器的 2D 边界框的基础上，用三个分支来求解姿态和位置估计，并生成了 Spacecraft PosE Estimation Dataset (SPEED) 数据集，仅用合成图像训练的 SPN 方法能够在实际相机图像上产生角度级姿态误差和 cm 级位置误差。
spacecraft pose networkmonocular visionconvolutional neural networkspacecraft pose estimation datasetattitude estimation
发现论文，激发创造
  • 非合作空间器鲁棒性学习姿态估计

    提出了一种新的卷积神经网络架构及训练过程，可对非合作空间器进行姿态估计，通过对合成图像的纹理随机化进行训练的 CNN 表现出更好的性能，在单张图片中采用回归 2D 关键点的方法解决了空间像素限制问题。

    Sep, 2019

  • 使用卷积神经网络进行非合作空间器交会姿态估计

    本文介绍了一种基于卷积神经网络的单目视觉姿态确定方法，涉及对姿态空间进行离散处理并使用 CNN 进行训练的设计和验证，同时提出了一种用于生成任何航天器 3D 模型高保真度图像的图像合成流水线，并通过分类和姿态准确性评估指标表明该体系结构具有理想的稳健性和可伸缩性。

    Sep, 2018

  • 利用单目图像实时、适航、非合作航天器姿态估计

    本文提出了一种基于卷积神经网络的单目位姿估计系统，结合基于 Blender 的合成数据生成方案，能够从纯合成训练数据泛化到北美洲猫头鹰飞船的真实空间图像，并在低功耗硬件上实现实时性。

    Jan, 2021

  • LSPnet：2D 姿态定位导向的航天器姿态估计神经网络

    这篇论文提出了一种新的基于卷积神经网络的方法来预测空间中不配合物体的姿态，实验结果表明该方法在无需 3D 信息的情况下可以与当前姿态预测领域的最先进技术相竞争。

    Apr, 2021

  • 跨域差异下的航天器姿态估计鲁棒多任务学习和在线微调

    该研究提出了 Spacecraft Pose Network v2（SPNv2），是一个多尺度的卷积神经网络，通过在合成图像上进行数据增强而联合训练，可以实现对具有不同视觉特征的图像域进行非合作卫星的姿态估计。与此同时，该研究还引入了 ODR（Online Domain Refinement）技术，通过自监督熵最小化来在线优化 SPNv2 的统一参数，进一步提高了网络在没有姿态标签和计算开销最小的情况下在目标图像领域的性能。

    Mar, 2022

  • 使用卷积神经网络进行轨道上组装辅助相对姿态估计

    本篇论文使用卷积神经网络用于辅助空间装配任务中的物体追踪和位姿预测，通过模拟器生成的数据集训练后，证明该模型相对于其他基于手工特征提取的方法更加稳健可靠。

    Jan, 2020

  • SPEED+: 太空航天器姿态估计跨域差异的下一代数据集

    本文介绍了具有特定重点的下一代航天器姿态估计数据集，包括用于训练的 6 万个合成图像和由测试床拍摄的 9531 个具有准确和最大多样化姿态标签的硬件在环图像，旨在评估和比较基于合成图像训练的空间机器学习模型的鲁棒性。

    Oct, 2021

  • 对于轨道 6D 位姿估计的领域泛化

    我们提出了一种通过多任务学习和积极的数据增强策略来改善网络的领域泛化能力，从而实现相对 6D 姿态和空间飞行器姿态估计的跨领域问题。

    Jun, 2024

  • 基于逼真渲染的深度学习航天器姿态估计

    利用深度学习和逼真的渲染技术进行空间交会、对接和空间碎片清理中的六自由度姿态估计，通过提出一种面向方向软分类的深度学习框架，通过在 Unreal 引擎 4 上构建模拟器生成标注图像，且在欧洲航天局的姿态估计竞赛中取得了第三名和第二名的优异成绩。

    Jul, 2019

  • 基于深度学习的单目航天器姿态估计调查：现状、局限和前景

    本文综述了当前基于深度学习的航天器姿态估计方法，比较了混合模块化管道和直接端到端回归方法的算法，在姿态精度、网络架构和模型大小等方面进行了讨论，并探讨了用于训练和测试这些方法的现有单目航天器姿态估计数据集以及通过模拟器和实验室 / 空间照片生成的数据之间的差距和性能下降问题。

    May, 2023