基于自适应卡尔曼滤波的临近操作期间星载视觉在线监督训练
机器人学
2024-08-21 v2
摘要
本工作提出一种在线监督训练（OST）方法，以实现围绕非合作航天器的鲁棒视觉导航。星载神经网络（NN）易受域差影响，由于太空不可及，其主要在合成图像上训练。OST旨在通过在交会对接与临近操作（RPO）期间利用 incoming 飞行图像在线训练位姿估计神经网络来缩小该差距。伪标签由自适应无迹卡尔曼滤波器提供，其中神经网络在回路中用作测量模块。具体而言，滤波器追踪目标相对轨道与姿态运动，其精度由仅使用合成数据的鲁棒地面训练保证。在真实硬件在环轨迹图像上的实验表明，只要在RPO期间从多样化方向观测目标的图像上执行OST，其即可提升神经网络在目标图像域上的性能。
引用
@article{arxiv.2309.11645,
title = {Online Supervised Training of Spaceborne Vision during Proximity Operations using Adaptive Kalman Filtering},
author = {Tae Ha Park and Simone D'Amico},
journal= {arXiv preprint arXiv:2309.11645},
year = {2024}
}
备注
Accepted to ICRA'2024. Final revised version