LSPnet：一种面向二维定位的航天器位姿估计神经网络
计算机视觉与模式识别
2021-08-24 v2 机器学习
摘要
能够估计空间中非合作目标的位姿已被提出作为实现安全近距离操作（如空间交会对接、在轨服务与主动碎片清除）的关键能力。通常的位姿估计方法涉及经典的基于计算机视觉的解决方案或深度学习（DL）技术的应用。本工作探索了一种新颖的基于 DL 的方法，使用卷积神经网络（CNNs）来估计非合作航天器的位姿。与其他方法相反，所提出的 CNN 直接回归位姿，无需任何先验 3D 信息。此外，图像中航天器的边界框以简单而高效的方式被预测。所进行的实验表明，本工作在与非合作航天器位姿估计的最先进水平竞争中表现相当，包括需要 3D 信息的工作以及通过复杂 CNNs 预测边界框的工作。
引用
@article{arxiv.2104.09248,
title = {LSPnet: A 2D Localization-oriented Spacecraft Pose Estimation Neural Network},
author = {Albert Garcia and Mohamed Adel Musallam and Vincent Gaudilliere and Enjie Ghorbel and Kassem Al Ismaeil and Marcos Perez and Djamila Aouada},
journal= {arXiv preprint arXiv:2104.09248},
year = {2021}
}
备注
9 pages, 5 figures, published at AI4Space 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)