面向航天器的基于视觉的神经场景表示
计算机视觉与模式识别
2021-05-14 v1
摘要
在具有高自主性的先进任务概念中，航天器需要对附近轨道物体的位姿和形状建立内部模型。神经场景表示的最新研究在从光学图像推断通用三维场景方面显示出有前景的结果。神经辐射场（NeRF）已展示出利用大量图像及其位姿渲染高镜面表面的成功。更近地，生成式辐射场（GRAF）借助对抗框架训练 NeRF，仅从未带位姿的图像实现了场景的完整体积重建。本文中，我们比较并评估 NeRF 与 GRAF 渲染 ESA Living Planet 计划的土壤湿度和海洋盐度卫星以及一颗通用立方体卫星这两种不同航天器的 novel views 并提取其 3D 形状的能力。综合两模型的最佳表现，我们观察到 NeRF 能就航天器的材料镜面性和位姿渲染更准确的图像。而 GRAF 即使在卫星部分被阴影遮挡时也能生成具有准确细节的精确新视角，且具备无需任何相对位姿信息的显著优势。
引用
@article{arxiv.2105.06405,
title = {Vision-based Neural Scene Representations for Spacecraft},
author = {Anne Mergy and Gurvan Lecuyer and Dawa Derksen and Dario Izzo},
journal= {arXiv preprint arXiv:2105.06405},
year = {2021}
}