論文の概要: CosmosDSR -- a methodology for automated detection and tracking of
orbital debris using the Unscented Kalman Filter
- arxiv url: http://arxiv.org/abs/2310.17158v1
- Date: Thu, 26 Oct 2023 05:02:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-27 22:03:13.113305
- Title: CosmosDSR -- a methodology for automated detection and tracking of
orbital debris using the Unscented Kalman Filter
- Title(参考訳): cosmosdsr --unscented kalman filterを用いた軌道デブリの自動検出と追跡のための手法
- Authors: Daniel S. Roll, Zeyneb Kurt and Wai Lok Woo
- Abstract要約: ケスラー・シンドローム(Kessler syndrome)は、宇宙の頻繁な活動から宇宙の破片をエスカレートし、将来の宇宙探査を脅かす現象である。
畳み込みニューラルネットワーク(CNN)、カーネル主成分分析(KPCA)、モデル非依存メタラーニング(MAML)など、いくつかのAIモデルがさまざまなデータタイプで評価されている。
本稿では, YOLOv3 と Unscented Kalman Filter を組み合わせた衛星追跡手法を提案する。
- 参考スコア(独自算出の注目度): 2.068513073428114
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Kessler syndrome refers to the escalating space debris from frequent
space activities, threatening future space exploration. Addressing this issue
is vital. Several AI models, including Convolutional Neural Networks (CNN),
Kernel Principal Component Analysis (KPCA), and Model-Agnostic Meta-Learning
(MAML), have been assessed with various data types. Earlier studies highlighted
the combination of the YOLO object detector and a linear Kalman filter for
object detection and tracking. Building on this, our project introduces
CosmosDSR, a novel methodology combining YOLOv3 with an Unscented Kalman Filter
for tracking satellites in sequential images, compared to a linear Kalman
filter. Using the SPARK dataset from the University of Luxembourg for training
and testing, the YOLOv3 precisely detected and classified all satellite
categories (mAP=97.18%, F1=0.95) with few errors (TP=4163, FP=209, FN=237).
Both CosmosDSR and the LKF tracked satellites accurately (UKF:
MSE=2.83/RMSE=1.66, LKF: MSE=2.84/RMSE=1.66). Despite concerns of class
imbalance and the absence of real images, the model shows promise. Future work
should address these limitations, increase tracking sample size, and improve
metrics. This research suggests the algorithm's potential in detecting and
tracking satellites, paving the way for solutions to the Kessler syndrome.
- Abstract(参考訳): ケスラー症候群(kessler syndrome)は、頻繁な宇宙活動から宇宙の破片がエスカレートし、将来の宇宙探査を脅かすことを指す。
この問題に対処することは不可欠です。
convolutional neural networks (cnn)、kernel principal component analysis (kpca)、model-agnostic meta-learning (maml)などいくつかのaiモデルがさまざまなデータタイプで評価されている。
初期の研究では、物体検出と追跡のためのヨロ物体検出器と線形カルマンフィルタの組み合わせが強調された。
そこで本プロジェクトでは, YOLOv3 と Unscented Kalman Filter を組み合わせた新しい手法である CosmosDSR を導入し, 直線カルマンフィルタと比較した。
ルクセンブルク大学のSPARKデータセットを用いて訓練と試験を行い、YOLOv3は、わずかな誤差(TP=4163、FP=209、FN=237)ですべての衛星カテゴリー(mAP=97.18%、F1=0.95)を正確に検出し分類した。
コスモスDSRとLKFは衛星を正確に追跡した(UKF: MSE=2.83/RMSE=1.66、LKF: MSE=2.84/RMSE=1.66)。
クラス不均衡や実際の画像の欠如に関する懸念にもかかわらず、モデルは約束を示す。
今後の作業では、これらの制限に対処し、サンプルサイズを追跡し、メトリクスを改善する必要がある。
この研究は、ケスラー症候群の解決策への道を開くため、衛星の検出と追跡におけるアルゴリズムの可能性を示唆している。
関連論文リスト
- Interpreting Object-level Foundation Models via Visual Precision Search [53.807678972967224]
より少ない領域で正確な属性マップを生成する視覚的精度探索法を提案する。
本手法は,マルチモーダル融合による帰属問題を克服するために,内部モデルパラメータをバイパスする。
提案手法は,複数の評価指標にまたがる既存の手法を超越して,視覚的接地や物体検出タスクにおける障害を解釈することができる。
論文 参考訳(メタデータ) (2024-11-25T08:54:54Z) - Spatial-Temporal Bearing Fault Detection Using Graph Attention Networks and LSTM [0.7864304771129751]
本稿では,グラフ注意ネットワーク(GAT)とLong Short-Term Memory(LSTM)ネットワークを組み合わせた新しい手法を提案する。
このアプローチは、センサデータ内の空間的および時間的依存関係を捕捉し、軸受故障検出の精度を向上させる。
論文 参考訳(メタデータ) (2024-10-15T12:55:57Z) - RFI Detection with Spiking Neural Networks [25.08630315149258]
本研究では、スパイキングニューラルネットワーク(SNN)の天文学的データ処理タスク、特にRFI検出への最初の探索的応用について紹介する。
ANN2SNN変換によりSNN実行に最寄りのラテンネーブラーアルゴリズムとオートエンコーダアーキテクチャを適用する。
我々のアプローチは、HERAデータセットのAUROC、AUPRC、F1の既存の手法と競合するが、LOFAR、Tabascalデータセットでは困難である。
論文 参考訳(メタデータ) (2023-11-24T06:27:08Z) - FedSN: A Federated Learning Framework over Heterogeneous LEO Satellite Networks [18.213174641216884]
多数の低軌道軌道(LEO)衛星が打ち上げられ、SpaceXなどの商業企業によって宇宙に投入された。
LEO衛星が搭載するマルチモーダルセンサにより、通信だけでなく、空間変調認識やリモートセンシング画像分類など、さまざまな機械学習アプリケーションにも機能する。
本稿では,これらの課題に対処するための一般FLフレームワークとしてFedSNを提案し,LEO衛星上でのデータ多様性について検討する。
論文 参考訳(メタデータ) (2023-11-02T14:47:06Z) - 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) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳(メタデータ) (2023-03-10T14:46:42Z) - Towards Spatial Equilibrium Object Detection [88.9747319572368]
本稿では,現代物体検出器の空間的不平衡問題について考察する。
本稿では,ゾーンにおける検出性能の測定により,この問題の定量化を提案する。
これは、より一般化された測度を設計する動機となり、空間平衡精度と呼ばれる。
論文 参考訳(メタデータ) (2023-01-14T17:33:26Z) - Deep learning approach for interruption attacks detection in LEO
satellite networks [0.0]
本研究の目的は、深層学習アルゴリズムを用いた低地球軌道(textsfLEO)衛星ネットワークの割り込み検出戦略を提供することである。
我々は、MLP(Multi Layer Perceptron)、CNN(Convolutional Neural Network)、RNN(Recurrent Neural Network)、Gated Recurrent Units(GRU)など、さまざまなディープラーニングアルゴリズムをテストする。
論文 参考訳(メタデータ) (2022-12-10T21:21:14Z) - PS-ARM: An End-to-End Attention-aware Relation Mixer Network for Person
Search [56.02761592710612]
モジュール・パーソン・サーチのための新しいアテンション・アウェア・リレーション・ミキサー(ARM)を提案する。
私たちのARMモジュールはネイティブで、きめ細かい監督やトポロジカルな仮定に依存していません。
我々のPS-ARMは、両方のデータセットで最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-10-07T10:04:12Z) - SpectraNet: Learned Recognition of Artificial Satellites From High
Contrast Spectroscopic Imagery [0.0]
観測データから物体の識別を抽出する現在の方法は、低軌道上の物体に対する識別を制限する空間的に解決された画像を必要とする。
しかし、ほとんどの人工衛星は、地上の観測所が空間情報の解決を禁止している距離で静止軌道で運用されている。
本稿では,残差畳み込みニューラルネットワークを応用したオブジェクト識別手法を提案する。
論文 参考訳(メタデータ) (2022-01-10T19:51:00Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳(メタデータ) (2020-07-28T07:34:30Z)
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。