論文の概要: CNN-based local features for navigation near an asteroid

• arxiv url: http://arxiv.org/abs/2309.11156v2
• Date: Mon, 26 Feb 2024 13:17:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-28 22:17:28.584813
• Title: CNN-based local features for navigation near an asteroid
• Title（参考訳）: 小惑星近傍のナビゲーションのためのcnnによる局所的特徴
• Authors: Olli Knuuttila, Antti Kestil\"a, Esa Kallio
• Abstract要約: 本稿では,小惑星探査と軌道上探査における近距離航法の課題について述べる。 従来の特徴抽出法は、散乱光が限られたため、小惑星の顕著な外観変化に苦慮している。 本研究では, 小惑星近接航法に適した軽量な特徴抽出器を提案し, 照度変化やアフィン変換に頑健である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article addresses the challenge of vision-based proximity navigation in asteroid exploration missions and on-orbit servicing. Traditional feature extraction methods struggle with the significant appearance variations of asteroids due to limited scattered light. To overcome this, we propose a lightweight feature extractor specifically tailored for asteroid proximity navigation, designed to be robust to illumination changes and affine transformations. We compare and evaluate state-of-the-art feature extraction networks and three lightweight network architectures in the asteroid context. Our proposed feature extractors and their evaluation leverages both synthetic images and real-world data from missions such as NEAR Shoemaker, Hayabusa, Rosetta, and OSIRIS-REx. Our contributions include a trained feature extractor, incremental improvements over existing methods, and a pipeline for training domain-specific feature extractors. Experimental results demonstrate the effectiveness of our approach in achieving accurate navigation and localization. This work aims to advance the field of asteroid navigation and provides insights for future research in this domain.
• Abstract（参考訳）: 本稿では,小惑星探査と軌道上探査における近距離航法の課題について述べる。 伝統的な特徴抽出法は、散乱光が限られているため、小惑星の顕著な外観変化に苦しむ。 そこで,我々は小惑星近接航法に特化した軽量特徴抽出器を提案し,照明変化やアフィン変換に頑健な設計を行った。 小惑星の状況下で,最先端の特徴抽出ネットワークと3つの軽量ネットワークアーキテクチャを比較し,評価する。 提案する特徴抽出器は,NEAR Shoemaker, Hayabusa, Rosetta, OSIRIS-RExなどのミッションからの合成画像と実世界のデータの両方を活用する。 私たちのコントリビューションには、トレーニングされた機能抽出器、既存のメソッドに対するインクリメンタルな改善、ドメイン固有の機能抽出器をトレーニングするためのパイプラインが含まれています。 実験結果から,正確なナビゲーションと位置推定を行う上でのアプローチの有効性が示された。 この研究は小惑星ナビゲーションの分野を前進させることを目的としており、この領域における将来の研究への洞察を提供する。

関連論文リスト

• MUFASA: Multi-View Fusion and Adaptation Network with Spatial Awareness for Radar Object Detection [3.1212590312985986]
  レーダー点雲の空間は 正確な物体検出に 困難を生じさせます 本稿では,レーダポイント雲の包括的特徴抽出手法を提案する。 我々は、VoDデータセット上のレーダベース手法のmAPが50.24%である場合、最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-08-01T13:52:18Z)
• Evaluation of Resource-Efficient Crater Detectors on Embedded Systems [40.72690694162952]
  火星のクレーターのリアルタイム分析は、ミッションクリティカルな運用に不可欠である。 火星クレーターデータセットを用いて複数のYOLOネットワークをベンチマークした。 我々はこのプロセスを、コスト効率の良い商用オフ・ザ・シェルフベースの小型衛星の新しい波に最適化する。
  論文  参考訳（メタデータ） (2024-05-27T08:45:57Z)
• Federated Multi-Agent Mapping for Planetary Exploration [0.4143603294943439]
  本稿では,データ共有を必要とせず,エージェント間で集中マップモデルを共同で学習する手法を提案する。 我々のアプローチは暗黙のニューラルマッピングを利用して、パシモニアスで適応可能な表現を生成する。 火星の地形と氷河のデータセットを用いたフェデレーションマッピング手法の有効性を実証する。
  論文  参考訳（メタデータ） (2024-04-02T20:32:32Z)
• CATSNet: a context-aware network for Height Estimation in a Forested Area based on Pol-TomoSAR data [4.9793121278328]
  この研究は、CATSNetというコンテキスト対応のディープラーニングベースのソリューションを定義している。 畳み込みニューラルネットワークは、パッチベースの情報を活用し、単一のピクセルに注目するのではなく、近隣から特徴を抽出すると考えられる。 実験結果から,複数基線(MB)のTtomoSARデータ内のコンテキスト情報を活用することで,従来の手法を超越した性能と能力の両面で,顕著な優位性を示した。
  論文  参考訳（メタデータ） (2024-03-29T16:27:40Z)
• 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)
• An Image Processing Pipeline for Autonomous Deep-Space Optical Navigation [0.0]
  本稿では,無人惑星間航法のための画像からの未解決ビーコン認識と視線抽出のための革新的なパイプラインを提案する。 開発したアルゴリズムは、kベクター法を用いて、恒星以外の物体の識別と統計的確率を利用して、画像中にビーコン射影が見えるかどうかを検出する。
  論文  参考訳（メタデータ） (2023-02-14T09:06:21Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• SOON: Scenario Oriented Object Navigation with Graph-based Exploration [102.74649829684617]
  人間のように3Dエンボディ環境のどこからでも言語ガイドされたターゲットに向かって移動する能力は、インテリジェントロボットの「聖杯」目標の1つです。 ほとんどのビジュアルナビゲーションベンチマークは、ステップバイステップの詳細な命令セットに導かれ、固定された出発点から目標に向かって移動することに焦点を当てている。 このアプローチは、人間だけが物体とその周囲がどのように見えるかを説明する現実世界の問題から逸脱し、ロボットにどこからでも航行を依頼する。
  論文  参考訳（メタデータ） (2021-03-31T15:01:04Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)

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。