Jul, 2019

基于逼真渲染的深度学习航天器姿态估计

PDF
TL;DR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。
on-orbit proximity operationspose estimationdeep learningphotorealistic renderinguncooperative spacecrafts
发现论文，激发创造
  • 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

  • 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

  • 基于无监督领域自适应和三维引导损失组合的飞行器姿态估计

    本文研究了为使两个宇宙飞船相互导航而进行的宇宙飞船姿态估计任务，并应用三维数据模拟器提升数据可用性。进一步，提出了一种考虑三维结构的方法，以提高姿态估计管道的鲁棒性和应对数据源和目标域之间的差异。最终，该算法在 2021 年由欧洲航天局和斯坦福大学组织的姿态估计挑战赛中取得了第二名的成绩。

    Dec, 2022

  • 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

  • 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

  • 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

  • 无人航天器图像的语义图像分割的合成数据

    我们提出了一种生成合成图像数据的方法，用于语义分割，为其他任务提供泛化能力，并提供由无人驾驶宇宙飞船的二维单眼图像组成的原型合成图像数据集，以便进一步研究自主空间飞行器汇合问题。我们在这些合成数据上展示了强的基准结果（Sørensen-Dice 系数为 0.8723），表明训练良好性能的图像分割模型对此任务是可行的，特别是如果目标航天器及其配置已知。

    Nov, 2022

  • 利用神经辐射场进行未知空间物体姿态估计的接近操作

    通过使用神经辐射场（NeRF）方法和离散图像集合，本研究提出了一种新的方法来在未知目标中估计航天器的 6D 姿态，实现了在未知目标上应用已知目标 CAD 模型的现有航天器姿态估计器，从而实现了自主汇合与接近操作。

    May, 2024

  • 空间中的宽度 - 深度范围 6D 物体姿态估计

    本论文提出了一种单阶段的分层端对端可训练网络，可以更好地解决大规模空间场景中的 6D 姿态估计问题，相比现有方法在合成的太空图像和标准数据集上表现更优秀。关键词包括 6D 姿态估计、空间、大气散射、基准数据集和端对端可训练网络

    Apr, 2021

  • 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