面向智能航空航天任务的计算机视觉任务概览

计算机视觉任务在航空航天任务中至关重要，因为它们帮助航天器理解和解释太空环境，例如估计位置和姿态、重建3D模型以及识别物体，这些工作已被广泛研究，以成功完成任务。然而，像卡尔曼滤波、结构从运动和多视图立体等传统方法在处理恶劣条件方面鲁棒性不足，导致结果不可靠。近年来，基于深度学习（DL）的感知技术显示出巨大的潜力，尤其在其对变化环境的鲁棒性方面优于传统方法。为进一步推动基于DL的航空航天感知，各种框架、数据集和策略已被提出，表明在未来应用中具有显著潜力。本篇综述旨在探索感知任务中所使用的有前景的技术，并强调基于DL的航空航天感知的重要性。我们首先提供航空航天感知的概览，包括近年来开发的经典太空计划、常用传感器以及传统感知方法。随后，我们深入探讨航空航天任务中三个基本感知任务：姿态估计、3D重建和识别，因为它们是后续决策和控制的基本且关键任务。最后，我们讨论当前研究的局限性和潜力，并对未来发展展望，包括处理有限数据集的挑战、算法改进的需求，以及多源信息融合的潜在收益。