基于深度学习的 asteroid 探测三维视觉跟踪框架
计算机视觉与模式识别
2021-11-23 v1
摘要
三维视觉跟踪对深空探测计划具有重要意义，可保证航天器灵活接近目标。本文致力于研究准确且实时的三维跟踪方法。考虑到该主题几乎无公开数据集，提出了一个新的大规模三维小行星跟踪数据集，包含具有不同形状与纹理的多种小行星的双眼视频序列、深度图和点云。借助仿真平台的能力与便利性，所有二维与三维标注均自动生成。同时，我们提出了一种基于深度学习的名为 Track3D 的三维跟踪框架，其包含二维单目跟踪器与一种新颖的轻量级非模态轴对齐包围盒网络 A3BoxNet。评估结果表明，与基线算法相比，Track3D 在准确率与精度上均达到了最先进的(state-of-the-art, SOTA)三维跟踪性能。此外，我们的框架对二维单目跟踪性能具有很好的泛化能力。
引用
@article{arxiv.2111.10737,
title = {3D Visual Tracking Framework with Deep Learning for Asteroid Exploration},
author = {Dong Zhou and Gunaghui Sun and Xiaopeng Hong},
journal= {arXiv preprint arXiv:2111.10737},
year = {2021}
}