用于交会与光学导航的机器人试验台：多源标定与机器学习用例

本工作介绍了斯坦福大学交会与光学导航机器人试验台（TRON）的最新进展——这是首个能够验证空间光学导航机器学习算法的机器人试验台。TRON 设施由两只 6 自由度 KUKA 机器人臂和一组 Vicon 运动追踪相机组成，可重构相机与目标模型之间的任意相对位姿。设施包含多个地球反照光箱与太阳灯，以重建高保真空间光照条件。在设施概述之后，本工作详述了多源标定流程，其能以毫米级位置与毫度级姿态精度估计物体与相机间的相对位姿。最后，使用在合成图像上预训练的卷积神经网络（CNN）对合成与 TRON 仿真图像进行了对比分析。结果显示 CNN 性能存在显著差距，表明 TRON 仿真图像可用于验证基于更易获取的计算图形合成图像训练的任意机器学习算法的鲁棒性。