基于机器视觉的火星采样返回样品管定位
计算机视觉与模式识别
2021-03-19 v1 人工智能
机器学习
机器人学
摘要
NASA 与 ESA 正联合研究一种潜在的火星采样返回（MSR）架构。按当前设想，MSR 任务由一系列 3 次任务组成：样品缓存、采集与返回地球。在本文中，我们聚焦于 MSR 的采集部分，更具体地说是自主检测与定位沉积在火星表面的样品管这一问题。为此，我们研究了两种基于机器视觉的方法：第一种是基于模板匹配的几何驱动方法，使用硬编码滤波器与管的 3D 形状模型；第二种是基于卷积神经网络（CNNs）与学习特征的数据驱动方法。此外，我们提出了一个大型样品管图像基准数据集，在具有代表性的户外环境中采集，并标注了真实分割掩码与位置。该数据集在不同地形、光照条件与尘埃覆盖下系统获取；并进行了基准测试以研究每种方法的可行性、相对优势与劣势，以及在不良环境条件下的鲁棒性。
引用
@article{arxiv.2103.09942,
title = {Machine Vision based Sample-Tube Localization for Mars Sample Return},
author = {Shreyansh Daftry and Barry Ridge and William Seto and Tu-Hoa Pham and Peter Ilhardt and Gerard Maggiolino and Mark Van der Merwe and Alex Brinkman and John Mayo and Eric Kulczyski and Renaud Detry},
journal= {arXiv preprint arXiv:2103.09942},
year = {2021}
}
备注
IEEE Aerospace Conference, 2021