运用 3D 高斯粒子扩散方法，在当前太空航行硬件上，通过对卫星进行建模和渲染，实现对未知卫星的准确定位和控制。

Jan, 2024

通过利用信息论分析模型中隐藏层中的潜在表达来解释决策过程，研究论文使用了 PEEK 方法，使得我们能够了解 You Only Look Once v5（YOLOv5）目标检测模型在解决低地球轨道（LEO）中的非合作和未鉴别空间碎片的自主小型追逐卫星的几何确定和安全飞行轨迹规划方面的优势、局限性和偏差。

Nov, 2023

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

使用高斯过程 python 软件包 MuyGPyS 进行 Closely-Spaced Objects（CSO）分类，研究表明 MuyGPyS 在更具挑战性的情况下优于传统的机器学习方法。

Nov, 2023

本文介绍了一种名为 GS-SLAM 的算法，它在同时定位与地图构建（SLAM）系统中首次使用了 3D 高斯表示方法，实现了效率和准确性之间的更好平衡。与使用神经隐式表示的最新 SLAM 方法相比，我们的方法采用了实时可微分雀斑光照渲染流水线，大大加速了地图优化和 RGB-D 重渲染。具体而言，我们提出了一种自适应扩张策略，通过添加新的或删除噪音 3D 高斯来有效重构新观测到的场景几何并改善先前观测区域的建图。这种策略对于将 3D 高斯表示扩展到重建整个场景而不是在现有方法中合成静态物体至关重要。此外，在位姿跟踪过程中，设计了一种有效的从粗到细的技术，以选择可靠的 3D 高斯表示来优化相机姿态，从而减少运行时间并实现强健的估计。我们的方法在 Replica 和 TUM-RGBD 数据集上与现有的最新实时方法具有竞争力的性能。源代码将在获批后发布。

Nov, 2023

通过利用小型业余望远镜捕获的视频数据，该研究提出了一个用于低地球轨道卫星的三维重建框架。该框架包括深度学习的图像恢复、特征点提取和相机姿态初始化的预处理流程，以及改进的三维高斯光滑算法应用于重构三维模型，通过支持训练和姿态估计产生精细的三维点云。通过合成数据集和中国空间站的实际观测验证，该方法在从地面观测中重建三维空间目标方面具有显著优势。

Apr, 2024

通过使用 3D 高斯平铺方法，结合 LiDAR 和相机数据，本研究提出了一种新颖的系统用于 3D 制图和视觉重定位，能够创造环境的准确且逼真的表示。通过利用 LiDAR 数据来初始化 3D 高斯平铺地图的训练，本系统构建了既详细又几何精确的地图。通过组合 2D 体素地图和 KD 树，以减少 GPU 内存使用和实现快速空间查询，从而使我们的方法适用于视觉定位任务，并能够通过归一化交叉相关 (NCC) 在高斯平铺地图和查询图像之间高效地识别对应关系。此外，通过基于特征匹配和透视点（PnP）技术来细化查询图像的相机姿势。通过对 KITTI360 数据集的广泛评估，证明了我们系统的有效性、适应性和精确性。

Mar, 2024

评估和比较适用于识别卫星图像中飞机的一套先进目标检测算法，并使用 HRPlanesV2 数据集和 GDIT 数据集进行验证，研究表明 YOLOv5 是特定情况下从遥感数据中识别飞机的最佳模型，具有高精度和适应性。

Apr, 2024

我们提出了一种新的稠密同时定位与建图（SLAM）方法，该方法使用高斯斑点作为场景表示。该新的表示方法能够实时重建和真实渲染真实世界和合成场景，并通过提出新的策略来扩展高斯斑点的应用，使其从多视角离线场景扩展到顺序单色 RGBD 输入数据的设置。此外，我们还将高斯斑点扩展到编码几何并通过跟踪在此场景表示上进行实验。我们的方法在真实世界和合成数据集上实现了最先进的渲染质量，同时在重建性能和运行时间方面具有竞争力。

Dec, 2023

融合了 3D 高斯喷洒与八叉树隐式表面表示的新方法用于重构精确几何，尤其适用于受强照明影响导致的镜面高光图像。

Jun, 2024