Sep, 2024

机器学习的数据集生成：应用于基于视觉的导航

HTML
PDF
TL;DR本研究解决了现有训练数据集不足以验证机器学习算法在太空应用中的问题。通过开发一种稳健的方法论，生成适用于训练的图像和元数据数据集，涵盖了在轨对接和月球着陆的两个应用案例。研究表明，使用SurRender和所选实验室设施生成的数据集足以有效训练机器学习算法。
发现论文，激发创造
  • 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

  • 卫星姿态估计挑战赛：数据集、竞赛设计与结果

    该研究以卫星姿态估计数据集为基础，对基于单目视觉的方法进行分析，在对48名参赛者分析竞赛表现的基础上，探讨了卫星姿态估计问题的挑战和改进方向。

    Nov, 2019

  • 基于深度学习的星载机相对导航方法综述

    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

  • SPEED+: 太空航天器姿态估计跨域差异的下一代数据集

    本文介绍了具有特定重点的下一代航天器姿态估计数据集，包括用于训练的6万个合成图像和由测试床拍摄的9531个具有准确和最大多样化姿态标签的硬件在环图像，旨在评估和比较基于合成图像训练的空间机器学习模型的鲁棒性。

    Oct, 2021

  • 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

  • 生成用于导航和着陆的合成事件视觉数据集

    通过优化降落轨迹，在月球表面生成一系列逼真的图像，并利用事件相机模拟器将其转换为事件流，从而构建了包含事件流和运动场地真值数据的500个轨迹的数据集，旨在支持基于事件的太空航姿态重建问题的研究。

    Aug, 2023

  • 基于AI的轨道自主加油解决方案

    通过开发一种基于人工智能的导航算法，本文旨在成熟使用搭载的可见光波长摄像机作为对接和轨道上服务的主要传感器，减少对激光雷达的依赖并大大降低成本。

    Sep, 2023

  • SPADES: 使用事件感知的逼真航天器姿态估计数据集

    近年来，对于在轨交会、对接和接近操作等自主性的需求不断增加，因此对基于深度学习的航天器姿态估计技术越来越感兴趣。然而，由于真实目标数据的获取有限，算法通常使用合成数据进行训练，并应用于实际领域，导致性能下降。最新的方法采用域自适应技术来缓解这个问题。在寻找可行解决方案的过程中，已经在过去研究中探索了事件感知，并证明了事件传感器可以减少模拟和真实世界场景之间的领域差距。事件传感器在硬件和软件方面近年来取得了显著进展。此外，与RGB传感器相比，事件传感器的特性在航天应用中提供了几个优势。为了进一步训练和评估基于深度学习的模型，我们介绍了一个新的数据集SPADES，其中包含在受控实验室环境中获取的真实事件数据和使用相同相机内参的模拟事件数据。此外，我们提出了一种有效的数据过滤方法，以提高训练数据的质量，从而增强模型性能。此外，我们引入了一种基于图像的事件表示方法，优于现有的表示方法。我们对不同事件表示、事件过滤策略和算法框架进行了多方面的基准评估，并总结了结果。该数据集将在此http URL上提供。

    Nov, 2023

  • SPIN: 航天器图像导航

    通过SPIN工具进行了太空航天影像生成，用于改进空间操作、可视化导航和姿态估计数据集，并展示了相对于现有综合数据集的平均错误率减少50%的结果。

    Jun, 2024

  • 智能航空航天任务的计算机视觉任务概述

    航空航天任务的计算机视觉任务对于帮助航天器理解和解释空间环境至关重要，本文综述了深度学习在航空航天感知中的重要性，着重探讨了姿态估计、三维重建和目标识别等基础感知任务，并讨论了当前研究的限制和未来发展的可能性。

    Jul, 2024