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/2310.17158v2
- Date: Tue, 31 Oct 2023 11:22:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-01 22:02:39.668092
- 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: ケスラー症候群(英: Kessler syndrome)とは、宇宙活動が頻発する宇宙ゴミをエスカレートし、将来の宇宙探査を脅かす現象である。
以前の研究では、YOLOオブジェクト検出器と、オブジェクトの検出と追跡のための線形カルマンフィルタ(LKF)の組み合わせを強調していた。
本稿では,衛星残差検出による包括的軌道監視・宇宙監視のための新しい手法を提案する。
- 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, Kernel
Principal Component Analysis, and Model-Agnostic Meta- Learning have been
assessed with various data types. Earlier studies highlighted the combination
of the YOLO object detector and a linear Kalman filter (LKF) for object
detection and tracking. Advancing this, the current paper introduces a novel
methodology for the Comprehensive Orbital Surveillance and Monitoring Of Space
by Detecting Satellite Residuals (CosmosDSR) by combining YOLOv3 with an
Unscented Kalman Filter (UKF) for tracking satellites in sequential images.
Using the Spacecraft Recognition Leveraging Knowledge of Space Environment
(SPARK) dataset for training and testing, the YOLOv3 precisely detected and
classified all satellite categories (Mean Average Precision=97.18%, F1=0.95)
with few errors (TP=4163, FP=209, FN=237). Both CosmosDSR and an implemented
LKF used for comparison tracked satellites accurately for a mean squared error
(MSE) and root mean squared error (RME) of MSE=2.83/RMSE=1.66 for UKF and
MSE=2.84/RMSE=1.66 for LKF. The current study is limited to images generated in
a space simulation environment, but the CosmosDSR methodology shows great
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。
畳み込みニューラルネットワーク、カーネル主成分分析、モデル非依存なメタ学習を含むいくつかのaiモデルが様々なデータタイプで評価されている。
以前の研究では、YOLOオブジェクト検出器と、オブジェクトの検出と追跡のための線形カルマンフィルタ(LKF)の組み合わせを強調していた。
そこで本研究では, YOLOv3 と Unscented Kalman Filter (UKF) を組み合わせることで, 衛星残差検出による宇宙の包括的軌道監視・監視手法を提案する。
SPARK(Spacecraft Recognition Leveraging Knowledge of Space Environment)データセットを用いて、YOLOv3は正確に全ての衛星カテゴリー(平均精度=97.18%、F1=0.95)を検出・分類し、誤りは少ない(TP=4163、FP=209、FN=237)。
コスモスDSRと実装されたLKFは、MSE=2.83/RMSE=1.66、LKF=2.84/RMSE=1.66の平均二乗誤差(MSE)とルート平均二乗誤差(RME)を正確に比較するために使用される。
現在の研究は、宇宙シミュレーション環境で生成された画像に限られているが、コスモスdsrの手法は、衛星の検出と追跡において大きな可能性を示し、ケスラー症候群の解決策への道を開く。
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。