論文の概要: Image simulation for space applications with the SurRender software
- arxiv url: http://arxiv.org/abs/2106.11322v1
- Date: Mon, 21 Jun 2021 18:00:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-23 15:08:05.715863
- Title: Image simulation for space applications with the SurRender software
- Title(参考訳): SurRenderソフトウェアを用いた宇宙応用のための画像シミュレーション
- Authors: J\'er\'emy Lebreton, Roland Brochard, Matthieu Baudry, Gr\'egory
Jonniaux, Adrien Hadj Salah, Keyvan Kanani, Matthieu Le Goff, Aurore Masson,
Nicolas Ollagnier, Paolo Panicucci, Amsha Proag, Cyril Robin
- Abstract要約: 従来のレンダリングエンジンが、宇宙アプリケーションにとって潜在的に重要な制限を提示する理由を説明します。
我々はAirbus SurRenderソフトウェアv7を紹介し、非常に強力な宇宙画像シミュレータを実現する機能の詳細を提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image Processing algorithms for vision-based navigation require reliable
image simulation capacities. In this paper we explain why traditional rendering
engines may present limitations that are potentially critical for space
applications. We introduce Airbus SurRender software v7 and provide details on
features that make it a very powerful space image simulator. We show how
SurRender is at the heart of the development processes of our computer vision
solutions and we provide a series of illustrations of rendered images for
various use cases ranging from Moon and Solar System exploration, to in orbit
rendezvous and planetary robotics.
- Abstract(参考訳): 視覚に基づくナビゲーションのための画像処理アルゴリズムは、信頼できる画像シミュレーション能力を必要とする。
本稿では,従来のレンダリングエンジンが空間アプリケーションに不可欠な制約を提示する理由を説明する。
我々はAirbus SurRenderソフトウェアv7を紹介し、非常に強力な宇宙画像シミュレータを実現する機能の詳細を提供する。
私たちは、SurRenderがコンピュータビジョンソリューションの開発プロセスの中心にあることを示し、月や太陽系の探査から軌道上のランデブーや惑星ロボットまで、さまざまなユースケースのレンダリング画像の一連のイラストを提供している。
関連論文リスト
- Learning autonomous driving from aerial imagery [67.06858775696453]
フォトグラムシミュレーターは、生成済みの資産を新しいビューに変換することによって、新しいビューを合成することができる。
我々は、ニューラルネットワーク場(NeRF)を中間表現として使用し、地上車両の視点から新しいビューを合成する。
論文 参考訳(メタデータ) (2024-10-18T05:09:07Z) - Mitigating Challenges of the Space Environment for Onboard Artificial Intelligence: Design Overview of the Imaging Payload on SpIRIT [6.982433998815122]
本研究では,SpIRIT上にホストされた搭載AIサブシステムのハードウェアおよびソフトウェア設計について述べる。
このシステムは、可視光と長波赤外線カメラに基づくコンピュータビジョン実験のために最適化されている。
本稿では,厳密な空間条件下でのシステムのロバスト性を最大化するための重要な設計選択について述べる。
論文 参考訳(メタデータ) (2024-04-12T11:08:26Z) - On the Generation of a Synthetic Event-Based Vision Dataset for
Navigation and Landing [69.34740063574921]
本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。
我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。
パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
論文 参考訳(メタデータ) (2023-08-01T09:14:20Z) - Street-View Image Generation from a Bird's-Eye View Layout [95.36869800896335]
近年,Bird's-Eye View (BEV) の知覚が注目されている。
自動運転のためのデータ駆動シミュレーションは、最近の研究の焦点となっている。
本稿では,現実的かつ空間的に一貫した周辺画像を合成する条件生成モデルであるBEVGenを提案する。
論文 参考訳(メタデータ) (2023-01-11T18:39:34Z) - MaRF: Representing Mars as Neural Radiance Fields [1.4680035572775534]
MARFは火星の環境を合成するためのフレームワークで、ローバーカメラの画像を何枚か集めている。
惑星地質学、シミュレートされた航法、形状解析などの惑星表面探査における重要な課題に対処する。
実験では,キュリオシティ・ローバー,パーセヴァンス・ローバー,インジェニティ・ヘリコプターによって捕獲された火星の実際のデータセットから生成された環境を実証した。
論文 参考訳(メタデータ) (2022-12-03T18:58:00Z) - NaRPA: Navigation and Rendering Pipeline for Astronautics [4.282159812965446]
NaRPAはレイトレーシングベースのコンピュータグラフィックスエンジンで、宇宙画像のための光輸送をモデル化しシミュレートする。
画像レンダリングに加えて、エンジンは点雲、深さ、輪郭マップ生成機能も備えている。
論文 参考訳(メタデータ) (2022-11-03T03:07:21Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳(メタデータ) (2022-04-07T08:53:18Z) - Vision-based Neural Scene Representations for Spacecraft [1.0323063834827415]
高度なミッションコンセプトでは、宇宙船は内部の近くの軌道上の物体のポーズと形状をモデル化する必要があります。
ニューラルシーン表現における最近の研究は、光学画像から汎用的な3次元シーンを推定する有望な結果を示している。
NeRFとGRAFのポテンシャルを比較し、評価し、新しいビューをレンダリングし、2つの異なる宇宙船の3D形状を抽出します。
論文 参考訳(メタデータ) (2021-05-11T08:35:05Z) - GeoSim: Photorealistic Image Simulation with Geometry-Aware Composition [81.24107630746508]
GeoSimは、新しい都市の運転シーンを合成するジオメトリ認識の画像合成プロセスです。
まず、センサーデータからリアルな形状と外観の両方を備えた多様な3Dオブジェクトのバンクを構築します。
得られた合成画像は、フォトリアリズム、トラフィック認識、幾何学的一貫性があり、画像シミュレーションが複雑なユースケースにスケールできる。
論文 参考訳(メタデータ) (2021-01-16T23:00:33Z) - LiDARsim: Realistic LiDAR Simulation by Leveraging the Real World [84.57894492587053]
物理に基づくシミュレーションと学習に基づくシミュレーションの両方のパワーをキャプチャする新しいシミュレータを開発した。
まず3Dシーン上でレイキャストを行い、次にディープニューラルネットワークを用いて物理シミュレーションから偏差を生成する。
本稿では,LiDARsimが長距離イベントにおける認識アルゴリズムのテストに有用であること,および安全クリティカルシナリオにおけるエンドツーエンドのクローズループ評価について紹介する。
論文 参考訳(メタデータ) (2020-06-16T17:44:35Z) - Advances in Deep Space Exploration via Simulators & Deep Learning [2.294014185517203]
StarLightプログラムは、小さなウェハ衛星(ウェハサット)による恒星間高速移動を概念化する
これらのウェハ衛星の主な目標は、深宇宙旅行で有用な画像を集めることである。
機器が故障し、データレートが遅いため、人間にとって最も重要な画像がデータ転送に優先されるものであることを保証する方法が必要である。
これら3つの問題を解決するために,人工知能を主にコンピュータビジョンの形で活用するシミュレーターベースの手法を導入する。
論文 参考訳(メタデータ) (2020-02-10T19:07:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。