基于照片级真实渲染的深度学习航天器位姿估计
计算机视觉与模式识别
2019-08-30 v2 机器学习
机器人学
摘要
在轨邻近操作如空间交会对接与碎片清除，需要在广泛光照条件及高度纹理化背景（即地球）下精确且鲁棒的6D位姿估计。本文研究利用深度学习和照片级真实渲染对已知非合作航天器进行单目位姿估计。我们首先提出一个基于Unreal Engine 4构建的名为URSO的模拟器，用于生成航天器绕地球运行的标注图像，可用于训练和评估神经网络。其次，我们提出一种基于方向软分类的位姿估计深度学习框架，其可将方向模糊性建模为高斯混合。该框架在URSO数据集与ESA位姿估计挑战赛上均进行了评估。在该竞赛中，我们的最佳模型在合成测试集上获得第3名，在真实测试集上获得第2名。此外，我们的结果显示了若干架构与训练方面的影响，并定性地展示了在URSO数据集上学习的模型如何应用于来自空间的真实图像。
引用
@article{arxiv.1907.04298,
title = {Deep Learning for Spacecraft Pose Estimation from Photorealistic Rendering},
author = {Pedro F. Proenca and Yang Gao},
journal= {arXiv preprint arXiv:1907.04298},
year = {2019}
}
备注
* Adding more related work and references