本文总结了 LunarNav 项目的最新发展，该项目开发了算法和软件，能够使月球探测车在月球上具备全球定位和导航能力，以实现对约 2000 公里范围内的区域进行探测和勘探工作，并通过检测周围的陨石坑来匹配数据库中已知的陨石坑，最终目标是实现定位误差小于 5 米，方向误差小于 3 度的自主导航。

Jan, 2023

通过使用月球上的独特地貌作为参照物，并采用粒子滤波算法，本文介绍了一种适用于月球漫游器的影子导航系统，该系统可以在黑暗和夜间环境中实现全局定位的自主驱动，该方法在月球模拟环境和亚利桑那州辛德湖进行的实地测试中已经得到验证。

May, 2024

该文综述了当前基于深度学习的自主航天器相对导航方法，并侧重于太空飞行器缘会和小型天体着陆等具体轨道应用。文章总结了深度学习相对导航算法的基本特征、主要动机和贡献，并比较了流行的视觉跟踪基准及其性质。此外，本文还讨论了潜在的应用以及预期的障碍。

Aug, 2021

我们引入了一个系统来闭合真实环境与现有培训数据之间的 “真实性” 差距，同时保持标签的准确性。我们使用 CycleGAN 模型合成 LROC 和 PANGU 图像，结果表明这些改进了下游撞击坑分割网络的训练，与仅使用模拟的 PANGU 图像相比，真实 LROC 图像的分割性能得到提高。

Oct, 2023

对含有斜视角度的图像中的撞击坑检测算法的性能进行了评估，结果表明在含有真实月球图像的预训练下，该算法具有较高的检测性能。同时提供了首个包含斜视角度图像的撞击坑检测算法数据集，以进一步发展更为稳健的算法。

Jun, 2024

该研究综述了基于深度学习的撞击坑检测算法的发展，讨论了撞击坑检测的挑战以及不同的算法类别，包括语义分割、目标检测和分类。研究还对在常见数据集上进行的语义分割算法的训练和测试进行了评估，并提出了未来研究的建议。

Sep, 2023

提出一种新的框架，利用仅使用被动相机传感器和作为锚点的自然存在或人工地标，实现在非 GPS 战场环境中的定位。该方法使用经过校准的双目相机进行距离估计，并使用基于我们的真实世界数据集训练和微调的 YOLOv8s 模型进行地标识别。通过提取地标深度特征，利用地标识别模型预测的边界框确定地标距离。然后，利用最小二乘法算法获得未知节点的位置，并使用 L-BFGS-B 方法进行优化。实验结果表明，我们提出的框架在定位误差 (RMSE) 方面优于现有的基于锚点的 DV-Hop 算法，并与效率最高的基于视觉的算法竞争。

Feb, 2024

该论文提出了一种解决全局定位问题的方法，通过使用基于 Siamese LocNets 的半手工表示学习方法，在全局先验地图中实现了场所识别和尺度姿态估计，并且提出了一个使用仅距离观测的全局定位框架。通过 KITTI 数据集和自主收集的多个数据集的实验结果表明，该系统能够实现高精度的全局定位。

Dec, 2017

该研究提出了一种利用卫星图像对地面车辆进行精确定位的方法，其采用基于地面 - 卫星特征字典的视觉定位方法，可以在不需要密集的地面图像数据库的情况下估计任意位置的可能性，并通过学习定位判别特征投影矩阵进一步提高精确度，在公共数据集上得到了显著的改进。

Oct, 2015

本篇研究介绍了 LOCUS 2.0 立体激光雷达测距导航系统，该系统可以实现在复杂的 GNSS 缺失环境中对机器人进行定位和导航，具有高效可靠、节约计算资源等优点，并且适用于大规模环境下进行实时的地下三维建图。

May, 2022