SPEED+：面向跨域间隙航天器姿态估计的新一代数据集
计算机视觉与模式识别
2022-08-16 v2 机器学习
摘要
自主基于视觉的星载导航是未来在轨服务与空间物流任务的赋能技术。尽管计算机视觉总体受益于机器学习（ML），但由于难以获取空间环境中预期目标的大规模标注图像数据集，训练和验证星载 ML 模型极具挑战。现有数据集（如航天器姿态估计数据集 SPEED）迄今大多依赖合成图像进行训练和验证，这类图像易于批量生成，却无法呈现目标星载图像固有的视觉特征与光照变化。为弥合当前实践与未来空间任务预期应用之间的差距，本文引入 SPEED+：强调域间隙的新一代航天器姿态估计数据集。除 60,000 张用于训练的合成图像外，SPEED+ 包含从交会对接与光学导航试验台（TRON）设施捕获的 9,531 张航天器模型硬件在环图像。TRON 是一种首创的机器人试验台，能够捕获任意数量的目标图像，具有准确且最大多样化的姿态标签和高保真星载光照条件。SPEED+ 用于 SLAB 与欧洲航天局先进概念团队联合主办的第二届国际卫星姿态估计挑战赛，以评估和比较基于合成图像训练的星载 ML 模型的鲁棒性。
引用
@article{arxiv.2110.03101,
title = {SPEED+: Next-Generation Dataset for Spacecraft Pose Estimation across Domain Gap},
author = {Tae Ha Park and Marcus Märtens and Gurvan Lecuyer and Dario Izzo and Simone D'Amico},
journal= {arXiv preprint arXiv:2110.03101},
year = {2022}
}