論文の概要: A Real-time Faint Space Debris Detector With Learning-based LCM
- arxiv url: http://arxiv.org/abs/2309.08244v1
- Date: Fri, 15 Sep 2023 08:37:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-18 15:24:01.996407
- Title: A Real-time Faint Space Debris Detector With Learning-based LCM
- Title（参考訳）: 学習型LCMを用いたリアルタイムデブリ検出装置
- Authors: Zherui Lu, Gangyi Wang, Xinguo Wei, and Jian Li
- Abstract要約: 本稿では,局所コントラストと最大推定値(MLE)に基づく低SNRストリーク抽出手法を提案する。
このアルゴリズムは高速かつ高精度であり,高ダイナミックターゲット抽出における将来性を保証する。
- 参考スコア（独自算出の注目度）: 4.454216126942097
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the development of aerospace technology, the increasing population of
space debris has posed a great threat to the safety of spacecraft. However, the
low intensity of reflected light and high angular velocity of space debris
impede the extraction. Besides, due to the limitations of the ground
observation methods, small space debris can hardly be detected, making it
necessary to enhance the spacecraft's capacity for space situational awareness
(SSA). Considering that traditional methods have some defects in low-SNR target
detection, such as low effectiveness and large time consumption, this paper
proposes a method for low-SNR streak extraction based on local contrast and
maximum likelihood estimation (MLE), which can detect space objects with SNR
2.0 efficiently. In the proposed algorithm, local contrast will be applied for
crude classifications, which will return connected components as preliminary
results, and then MLE will be performed to reconstruct the connected components
of targets via orientated growth, further improving the precision. The
algorithm has been verified with both simulated streaks and real star tracker
images, and the average centroid error of the proposed algorithm is close to
the state-of-the-art method like ODCC. At the same time, the algorithm in this
paper has significant advantages in efficiency compared with ODCC. In
conclusion, the algorithm in this paper is of high speed and precision, which
guarantees its promising applications in the extraction of high dynamic
targets.
- Abstract（参考訳）: 航空宇宙技術の発展により、宇宙ゴミの増加は宇宙船の安全性に大きな脅威となった。
しかし、反射光の低強度と宇宙ゴミの高角速度は抽出を妨げた。
また、地上観測手法の限界のため、小さな宇宙デブリは検出できないため、宇宙状況認識(SSA)のための宇宙船の能力を高める必要がある。
従来の手法では低snr目標検出にいくつかの欠陥があるため,snr 2.0で宇宙物体を効率的に検出できる局所コントラスト・最大推定法(mle)に基づく低snrストリーク抽出法を提案する。
提案するアルゴリズムでは,局所的なコントラストを粗い分類に適用し,先行的な結果として連結成分を返却し,mleを用いて目標の連結成分を定位成長によって再構築し,さらに精度を向上させる。
このアルゴリズムは、シミュレーションされたストリーク画像と実星追跡画像の両方で検証されており、提案アルゴリズムの平均セントロイド誤差はODCCのような最先端の手法に近い。
同時に,本論文のアルゴリズムはODCCと比較して効率の面で大きな利点がある。
結論として,本論文のアルゴリズムは高速かつ高精度であり,高い動的ターゲットの抽出に有望な応用を保証している。
関連論文リスト
- Sparse Prior Is Not All You Need: When Differential Directionality Meets Saliency Coherence for Infrared Small Target Detection [15.605122893098981]
本研究では,Sparse Differential Directionality prior (SDD)フレームワークを提案する。
我々は、ターゲットの異なる方向特性を活用して、それらを背景と区別する。
さらに、サリエンシ・コヒーレンス・ストラテジーにより、目標検出性をさらに強化する。
近似交互最小化法(PAM)アルゴリズムは,提案したモデルを効率的に解く。
論文 参考訳（メタデータ） (2024-07-22T04:32:43Z) - DIVESPOT: Depth Integrated Volume Estimation of Pile of Things Based on Point Cloud [5.672816151027511]
本稿では,ポイントクラウド技術に基づくDIVESPOT(Depth Integrated Volume EStimation of Pile Of Things)を提案する。
不安定な計測ポーズの課題に対して、点雲ポーズ補正とフィルタリングアルゴリズムが設計されている。
光干渉に対処し、トレーニングデータに依存するのを避けるために、高さ分布に基づく地上特徴抽出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-07-07T15:40:00Z) - Trajectory Volatility for Out-of-Distribution Detection in Mathematical Reasoning [50.84938730450622]
数理推論におけるOOD検出にトラジェクトリボラティリティを用いたトラジェクトリベースのTVスコアを提案する。
本手法は, 数学的推論シナリオ下でのGLM上での従来のアルゴリズムよりも優れる。
提案手法は,複数選択質問などの出力空間における高密度特徴を持つアプリケーションに拡張することができる。
論文 参考訳（メタデータ） (2024-05-22T22:22:25Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Multi-kernel Correntropy-based Orientation Estimation of IMUs: Gradient
Descent Methods [3.8286082196845466]
コレントロピーに基づく降下勾配(CGD)とコレントロピーに基づく非結合配向推定(CDOE)
従来の方法は平均二乗誤差(MSE)基準に依存しており、外部加速度や磁気干渉に弱い。
新しいアルゴリズムは、カルマンフィルタベースのアプローチよりも計算の複雑さが著しく低いことを示している。
論文 参考訳（メタデータ） (2023-04-13T13:57:33Z) - Deep Unfolding of Iteratively Reweighted ADMM for Wireless RF Sensing [22.467957268653077]
我々は,MIMO無線レーダを用いた層状材料構造中の材料欠陥の検出に対処する。
多くのシナリオでは、階層構造に挑戦する欠陥の数は、低ランク構造としてモデル化できる。
論文 参考訳（メタデータ） (2021-06-07T15:00:33Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳（メタデータ） (2021-04-19T14:43:07Z) - Infrared small target detection based on isotropic constraint under
complex background [10.091959130890956]
ターゲットの低信号・クラッタ比(SCR)と不規則な背景クラッタによる干渉は正確な結果を得るのを難しくする。
等方性に制約された多層灰色の差分法(MGD)を提案する。
実験の結果,提案手法は信号-クラッタ比ゲイン (SCRG) と受信動作特性 (ROC) 曲線の両面で,いくつかの一般的な手法よりも有効で優れていることがわかった。
論文 参考訳（メタデータ） (2020-11-24T12:25:05Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - IDEAL: Inexact DEcentralized Accelerated Augmented Lagrangian Method [64.15649345392822]
本稿では,局所関数が滑らかで凸な分散最適化環境下での原始的手法設計のためのフレームワークを提案する。
提案手法は,加速ラグランジアン法により誘導されるサブプロブレム列を概ね解いたものである。
加速度勾配降下と組み合わせることで,収束速度が最適で,最近導出された下界と一致した新しい原始アルゴリズムが得られる。
論文 参考訳（メタデータ） (2020-06-11T18:49:06Z)
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。