基于低功耗边缘 TPU 的实时卫星姿态估计深度学习
计算机视觉与模式识别
2022-06-24 v2
摘要
对非合作空间驻留目标进行姿态估计是实现近距离操作自主性的关键资产。在此背景下，单目相机因其较低的系统要求成为一种有价值的解决方案。然而，相关的图像处理算法要么计算开销过大，无法在星上实时实现，要么精度不足。本文提出了一种利用神经网络架构的姿态估计软件，该架构可扩展以适应不同的精度-延迟权衡。我们设计的处理流水线兼容边缘张量处理单元，以展示低功耗机器学习加速器如何推动人工智能在太空中的应用。这些神经网络在基准航天器姿态估计数据集和专门开发的 Cosmo 真实感数据集上进行了测试，后者描绘了一颗 COSMO-SkyMed 卫星在各种随机姿态和可转向太阳能电池板方向下的图像。我们架构的最轻量版本在两个数据集上均达到了最先进的精度，但网络复杂度仅为几分之一，在 Coral Dev Board Mini 上以每秒 7.7 帧的速度运行，功耗仅为 2.2W。
引用
@article{arxiv.2204.03296,
title = {Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU},
author = {Alessandro Lotti and Dario Modenini and Paolo Tortora and Massimiliano Saponara and Maria A. Perino},
journal= {arXiv preprint arXiv:2204.03296},
year = {2022}
}
备注
Improved literature review; added Figure 2; revised tables for better readibility; corrected typos