基于深度学习的单目航天器位姿估计综述：现状、局限与展望

估计非合作航天器的位姿是一个重要的计算机视觉问题，可用于在轨部署自动视觉系统，应用涵盖在轨服务到空间碎片清除。遵循计算机视觉的普遍趋势，越来越多工作聚焦于利用深度学习（DL）方法来解决该问题。然而尽管有前景的研究阶段结果，阻碍此类方法在真实任务中使用的重大挑战依然存在。特别是此类计算密集型算法的部署仍待充分研究，而在合成数据上训练、真实图像上测试时的性能下降仍有待缓解。本综述的主要目标是全面描述当前基于 DL 的航天器位姿估计方法。次要目标是帮助界定朝向可靠自主视觉应用中基于 DL 的航天器位姿估计方案有效部署的局限性。为此，综述首先依据两类方法总结现有算法：混合模块化流水线法与直接端到端回归法。算法比较不仅从位姿精度展开，还聚焦网络架构与模型规模，以潜在部署为考量。随后讨论了当前用于训练与测试这些方法的单目航天器位姿估计数据集。数据生成方法：模拟器与试验台、合成与实验室/空间采集图像间的域鸿沟及性能下降，以及潜在解决方案亦被讨论。最后，文章给出该领域的开放研究问题与未来方向，并与其他计算机视觉应用进行类比。