一项使用单目相机和一组基准标记的方法，计算旋转空气轴承平台的姿态，该方法提出了一种基于几何的迭代算法，比解决透视 n 点问题的其他方法更准确，另外还展示了自动校准程序来执行系统参数的初步估计，并使用一组 LED 标记测试了该方法。

Dec, 2023

本文提出了一种使用事件相机实现闭环控制的方案，通过一个带有事件相机的双旋翼平台，采用修改后的霍夫变换算法与卡尔曼滤波器估算姿态，并使用 PD 控制器计算转子推力，实现一维姿态跟踪，同时取得了很好的控制效果。

Nov, 2019

使用物理 - 信息神经网络估计卫星的轨道状态和连续的、低幅度异常加速度，并且在观测残差和传播精度方面，在模拟中表现出优于纯物理模型的性能。

Mar, 2024

传统相机在低光性能和高速成像之间存在权衡，长曝光时间捕捉足够的光会导致运动模糊，而短曝光时间会导致泊松受损噪声图像。我们介绍了一种传感器融合框架，将单光子雪崩二极管（SPAD）传感器与事件相机相结合，以实现低带宽要求下对高速低光场景的重建。我们的评估在合成和真实的传感器数据上表明，相比传统相机，在高的时间分辨率（100 kHz）下重建低光场景方面，事件 - SPAD 融合显示出了显著的提升（> 5 dB PSNR）。事件 - SPAD 融合在机器人技术或医学成像等实际应用中具有巨大潜力。

Apr, 2024

本文提出使用事件传感器进行星点跟踪，提出了一种算法流程，包括旋转平均和捆绑调整。同时，还发布了一个使用事件相机进行星点跟踪的数据集，此方法引入了星点跟踪问题并将计算机视觉领域的专业知识运用于商业应用中。

Dec, 2018

该研究提出了一种创新的实时航天器姿态估计方法，利用基于商业可用的 Xilinx MPSoC 的 FPGA 组件上实现的混合精度量化神经网络。通过一种新颖的评估技术来评估神经网络在量化上的层级敏感性，实现精度、延迟和 FPGA 资源利用之间的最佳平衡。利用 FINN 库，开发了一种定制的 FPGA 数据流加速器，将芯片上的权重和激活函数集成，以最小化延迟和能源消耗。与现有航天器姿态估计文献中最佳报告值相比，我们的实现速度提高了 7.7 倍，能效提高了 19.5 倍。此外，我们的贡献还包括首个实时开源实现的算法，标志着有效的航天器姿态估计算法的重大进展。源代码可在此链接获得。

Jun, 2024

本文探索了利用文本输入进行太空态势感知任务，并构建了一个涵盖所有已知活动卫星的 48.5k 新闻文章的语料库，通过基于依赖规则的提取系统来标识太空事件句子，并通过人工标注来提取事件插槽。研究表明，采用最先进的神经抽取系统在这个低资源、高影响的领域可以实现每个事件插槽的 F1 值在 53 到 91 之间。

Jan, 2022

提出了一种基于人工智能的故障检测方法，并在 NASA 实验室中创建的 ADAPT 电力系统数据集上评估了其性能，结果表明我们的方法优于现有的故障检测方法，适用于解决卫星 EPS 子系统故障的独特挑战。

May, 2024

由于事件传感器具有高时间分辨率的视觉感知能力，在不受运动模糊的影响下，它们成为感知快速视觉现象的理想选择。我们提出了基于事件感知的结构 - 轨道（eSfO）方法，旨在同时重建由静态事件相机观察到的快速旋转对象的三维结构，并恢复相机的等效轨道运动。通过开发一种基于时空聚类和数据关联的新型事件特征跟踪器来跟踪有效特征的螺旋轨迹，将特征轨迹输入到基于因子图的结构 - 轨道后端，计算最小化投影误差的轨道运动参数（例如自旋速率、相对旋转轴）。通过与地面真值的比较，我们构建了一组新的事件数据集，并验证了 eSfO 的有效性。

May, 2024

使用地球磁场作为参考坐标系，将来自多个传感器的数据转换为统一的参考坐标系，并得出关于动态环境重建质量的评估和可能用于光学多传感器环境检测的基础。

Aug, 2022