在光照变化与位姿不确定性下基于 NeRF 的单目图像航天器重建

围绕非合作、未知航天器的自主交会与近距操作对于主动碎片清除和在轨服务任务至关重要。此类操作的一个关键组成部分是从一组 2D 图像离线重建目标的 3D 模型。由于两个主要因素，该任务具有挑战性。首先，在轨光照条件表现出显著的变异性，并随时间快速变化。其次，图像中位姿信息的不准确会导致 3D 重建的不确定性。为了克服这些挑战，我们提出用每张图像的自由度来扩展神经辐射场：一个可学习的外观嵌入，用于捕获每张图像特定的光照条件；以及一个特定于图像的位姿修正项，用于细化其带噪声的位姿标签以增加跨图像的 3D 一致性。这些参数增加了极小的复杂性，因为它们与 NeRF 联合学习，但它们显著提高了对光照变化和位姿不准确的鲁棒性。我们在三个代表在轨操作的图像集上验证了我们的方法，证明了其对离线重建的有效性，并突出了其对在线重建（该领域的一个开放问题）的适用性。