面向机器学习的训练数据集生成：在视觉导航中的应用
计算机视觉与模式识别
2024-12-20 v2 地球与行星天体物理
图形学
机器学习
摘要
视觉导航在于利用相机作为精密传感器，从图像中提取信息后用于制导、导航与控制（GNC）。为了在太空应用中采用机器学习，障碍之一是需要证明可用的训练数据集足以验证算法。本研究的目标是生成适用于训练机器学习算法的图像和元数据数据集。我们选择了两个用例，并开发了一套稳健的方法来验证数据集，包括真值。第一个用例是与人造物体的在轨交会：ENVISAT 卫星的模型。第二个用例是月球着陆场景。数据集来源于档案数据集（嫦娥三号）、DLR TRON 设施和 Airbus 机器人实验室的实验室环境、使用模型捕获的 SurRender 软件高保真图像模拟器以及生成对抗网络。用例定义包括选择算法作为基准：选择了一个基于 AI 的姿态估计算法和一个稠密光流算法。最终证明，使用 SurRender 和选定的实验室设施生成的数据集足以训练机器学习算法。
引用
@article{arxiv.2409.11383,
title = {Training Datasets Generation for Machine Learning: Application to Vision Based Navigation},
author = {Jérémy Lebreton and Ingo Ahrns and Roland Brochard and Christoph Haskamp and Hans Krüger and Matthieu Le Goff and Nicolas Menga and Nicolas Ollagnier and Ralf Regele and Francesco Capolupo and Massimo Casasco},
journal= {arXiv preprint arXiv:2409.11383},
year = {2024}
}
备注
6 pages, 4 figures, preprint of the proceedings of ESA SPAICE conference 2024