利用卷积神经网络与热红外图像对非合作航天器进行相对位姿估计
计算机视觉与模式识别
2021-05-31 v1 人工智能
机器学习
摘要
近期对在轨服务与主动碎片清除（ADR）任务的兴趣催生了对实现非合作交会机动技术的需求。此类机动给追踪航天器的感知能力带来沉重负担。本文展示了能够从被动热红外相机馈送中提供目标初始粗位姿估计的卷积神经网络（CNNs）。热相机为可见光相机提供了有前景的替代方案，后者在低光照条件下表现不佳且易过曝。通常，目标的热信息无法先验获得；因此本文提出使用可见光图像训练网络。模型的鲁棒性在两个不同目标上得到验证，首先在合成数据上，随后在实验室环境中针对 ADR 任务可能面临的真实场景验证。鉴于 CNN 在关键应用中因其黑箱性质而受到诸多担忧，我们使用创新技术来解释网络关注的内容及故障条件。
引用
@article{arxiv.2105.13789,
title = {Using Convolutional Neural Networks for Relative Pose Estimation of a Non-Cooperative Spacecraft with Thermal Infrared Imagery},
author = {Maxwell Hogan and Duarte Rondao and Nabil Aouf and Olivier Dubois-Matra},
journal= {arXiv preprint arXiv:2105.13789},
year = {2021}
}
备注
14 pages; 11 figures; European Space Agency Guidance, Navigation and Control Conference 2021