基于深度关键点回归与非线性位姿精化的卫星位姿估计
计算机视觉与模式识别
2019-09-02 v1
摘要
我们提出一种从单幅图像估计卫星相对于规范位姿的 6DOF 位姿的方法。该问题在许多空间近距离操作中至关重要，例如对接、碎片清除和航天器间通信。我们的方法结合了机器学习与几何优化：预测输入图像中一组关键点的坐标，将关键点关联到先验重建的 3D 模型上对应的 3D 点，然后使用非线性优化求解物体位姿。我们的方法不仅在该特定位姿估计任务上是新颖的，有助于进一步打开机器学习和计算机视觉中一个相对较新的领域，而且它展示了优越的精度，并在欧洲空间局（ESA）近期组织的 Kelvins 位姿估计挑战赛中荣获第一名。
引用
@article{arxiv.1908.11542,
title = {Satellite Pose Estimation with Deep Landmark Regression and Nonlinear Pose Refinement},
author = {Bo Chen and Jiewei Cao and Alvaro Parra and Tat-Jun Chin},
journal= {arXiv preprint arXiv:1908.11542},
year = {2019}
}
备注
Accepted by ICCVW 2019