大规模基于物理的卫星姿态估计合成数据集
计算机视觉与模式识别
2025-06-17 v1
摘要
深度学习视觉空间仿真系统（DLVS3）提出了一种新型合成数据生成器及专门用于训练和测试卫星姿态估计的仿真流程。本工作引入了 DLVS3-HST-V1 数据集，聚焦于哈勃空间望远镜（HST）这一复杂、可铰接的目标。数据集利用先进的实时与离线渲染技术生成，融合了高精度 3D 模型、动态光照（包括地球反射等次级光源）以及物理精确的材质属性。该流程支持创建大规模、丰富标注的图像集，包含真值 6 自由度姿态与关键点数据、语义分割、深度图和法线图。这使得在真实、多样且具有挑战性的视觉条件下训练和评估基于深度学习的姿态估计方案成为可能。本文详细阐述了数据集生成流程、仿真架构及其与深度学习框架的集成，并将 DLVS3 定位为缩小自主航天器近距离操作与服务任务中领域差距的重要一步。
引用
@article{arxiv.2506.12782,
title = {A large-scale, physically-based synthetic dataset for satellite pose estimation},
author = {Szabolcs Velkei and Csaba Goldschmidt and Károly Vass},
journal= {arXiv preprint arXiv:2506.12782},
year = {2025}
}
备注
8 pages, 6 figures