基于 AI 的轨道自主加油解决方案
人造智能和自主边缘计算是增强纳米卫星能力的新兴领域,本研究提出了一个基于可见光和长波红外摄像机的机载人工智能子系统的硬件和软件设计,以最大程度地提高系统在恶劣空间条件下的稳健性,并满足计算资源有限、对宇宙辐射的耐受性、极端温度变化、分布偏移以及极低传输带宽等关键任务要求。该系统名为 Loris,包括六个可见光摄像机、三个红外摄像机、一个摄像机控制板和一个图形处理单元系统模块,能够在轨微调执行人工智能模型,并采用下一代图像压缩算法,包括逐步编码。这种创新方法不仅提高了纳米卫星的数据处理能力,还为从空间进行远程感知等更广泛的应用奠定了基础。
Apr, 2024
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
自动驾驶的星际卫星通过结合轨道确定方法与适用于星际自主平台的图像处理流程构建了一个全视觉导航算法,以从深空图像中提取的行星位置作为输入,进而增强了估计准确性,并开发了一种新颖的深空导航分析测量模型,该模型对光离差和光时间效应进行了一阶近似,通过在一个高保真度的地球 - 火星星际转移上进行算法性能测试,证明了该算法在深空导航中的适用性。
Sep, 2023
该论文介绍了使用 LiDAR 和摄像头进行传感器数据融合以实现自主机器人的自由空间检测,并通过高斯过程回归的分辨率匹配算法来更好地利用多模式传感器数据流以提高感知步骤的性能表现。
Oct, 2017
本文综述了海上目标检测和跟踪方法,重点介绍了基于电光传感器进行视频处理的各种方法及其优缺点,并研究了困难因素,探讨了多传感器方法和商业海事系统,还对新加坡海事数据集上的许多海事和计算机视觉技术进行性能评估。
Nov, 2016
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
本研究证明,在自动驾驶领域,结合深度传感和视觉信息对于现实汽车道路跟随任务相当有效,且具备时间和空间的完美对齐;同时,从预测效果上可以看出,离线预测序列的时间平滑程度能够等效于常用的平均绝对误差。
Jun, 2022
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
本文介绍了一种名为 SpaceYOLOv2 (SpY) 的端到端物体检测器,利用传统的计算机视觉技术融入上下文知识以提高检测准确性,并通过与现有的航天器部件检测器相结合,使得 SpY 在硬件环路图像的评估中表现出较高的准确性,为基于视觉导航任务提供了增强安全性的解决方案。
Jun, 2024