面向采样自主性的冰卫星表面模拟与立体深度估计

冰卫星着陆器任务的采样自主性需要理解采样地形的拓扑和光度特性。高分辨率视觉数据集（无论是鸟瞰图还是着陆器视角）的缺失是选择、验证或开发感知系统的一个障碍。我们试图通过以下方式缓解这一问题：1）提出冰卫星表面模拟图形实用工具（GUISS）框架，用于生成涵盖广泛体光度特性的通用立体数据集；2）专注于基于立体的视觉感知系统，并评估用于立体匹配深度估计的传统算法和基于深度学习的算法。冰卫星地形（土卫二和木卫二）的表面反射特性是从先前任务的多光谱数据集中推断出来的。通过程序化地形生成和物理上有效的照明源，我们的框架可以适应关于冰卫星地形视觉表示的广泛假设。随后，我们研究了不同视觉假设下立体匹配算法的性能。最后，我们强调了为模拟土卫二和木卫二等冰卫星的感知数据资产所面临的持续挑战。我们的代码可在此处找到：https://github.com/nasa-jpl/guiss。