利用事件感知弥合卫星姿态估计的空间域鸿沟

使用合成数据训练的深层模型需要域适应以弥合仿真与目标环境间的鸿沟。最先进的域适应方法通常要求来自目标域的足量 (无标签) 数据。然而，当目标域为如太空般的极端环境时，这一需求难以满足。本文中，我们的目标问题是近距离卫星姿态估计，从实际交会对接任务中获取卫星图像成本高昂。我们证明事件感知在剧烈光照差异下从仿真泛化到目标域提供了有前景的解决方案。我们的主要贡献是一种基于事件的卫星姿态估计技术，仅使用合成事件数据与基础数据增强训练，以提升对实际 (含噪) 事件传感器的鲁棒性。我们方法的支撑是一个具有精心标定真值的新数据集，包含在实验室极端光照条件下模拟卫星交会对接场景所获得的真实事件数据。在该数据集上的结果表明，我们仅使用合成数据且无适应的基于事件的卫星姿态估计方法，能有效泛化到目标域。