論文の概要: Reverse Attitude Statistics Based Star Map Identification Method
- arxiv url: http://arxiv.org/abs/2410.23758v1
- Date: Thu, 31 Oct 2024 09:25:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-01 17:01:50.924311
- Title: Reverse Attitude Statistics Based Star Map Identification Method
- Title（参考訳）: 逆姿勢統計に基づく星図同定法
- Authors: Shunmei Dong, Qinglong Wang, Haiqing Wang, Qianqian Wang,
- Abstract要約: 提案手法は, シミュレーション, フィールドテスト, 軌道上実験で検証された。
識別率は14.3%以上改善され、解法時間は28.5%以上短縮される。
- 参考スコア（独自算出の注目度）: 20.75417191151325
- License:
- Abstract: The star tracker is generally affected by the atmospheric background light and the aerodynamic environment when working in near space, which results in missing stars or false stars. Moreover, high-speed maneuvering may cause star trailing, which reduces the accuracy of the star position. To address the challenges for starmap identification, a reverse attitude statistics based method is proposed to handle position noise, false stars, and missing stars. Conversely to existing methods which match before solving for attitude, this method introduces attitude solving into the matching process, and obtains the final match and the correct attitude simultaneously by frequency statistics. Firstly, based on stable angular distance features, the initial matching is obtained by utilizing spatial hash indexing. Then, the dual-vector attitude determination is introduced to calculate potential attitude. Finally, the star pairs are accurately matched by applying a frequency statistics filtering method. In addition, Bayesian optimization is employed to find optimal parameters under the impact of noises, which is able to enhance the algorithm performance further. In this work, the proposed method is validated in simulation, field test and on-orbit experiment. Compared with the state-of-the-art, the identification rate is improved by more than 14.3%, and the solving time is reduced by over 28.5%.
- Abstract（参考訳）: 恒星追跡装置は一般に、大気中の背景光や、近距離で作業する際の空力環境の影響を受け、星の欠落や偽の星が生じる。
さらに、高速な操縦は星の追跡を引き起こす可能性があり、恒星の位置の精度が低下する。
星図識別の課題に対処するために、位置ノイズ、偽星、行方不明星を扱う逆姿勢統計に基づく手法を提案する。
本手法は, 従来の手法と異なり, マッチングプロセスに姿勢解決を導入し, 周波数統計により最終一致と正しい姿勢を同時に求める。
まず、安定な角距離特徴に基づいて、空間ハッシュインデクシングを用いて初期マッチングを求める。
そして、潜在的姿勢を計算するために、二重ベクトル姿勢判定を導入する。
最後に、周波数統計フィルタリング法を適用して、星対を正確にマッチングする。
さらに、雑音の影響下で最適なパラメータを見つけるためにベイジアン最適化を用い、アルゴリズムの性能をさらに向上させることができる。
本研究では, シミュレーション, フィールドテスト, 軌道上での実験において, 提案手法の有効性を検証した。
最先端と比較して、識別率は14.3%以上改善され、解法時間は28.5%以上短縮される。
関連論文リスト
- A Historical Trajectory Assisted Optimization Method for Zeroth-Order Federated Learning [24.111048817721592]
フェデレートラーニングは分散勾配降下技術に大きく依存している。
勾配情報が得られない状況では、勾配をゼロ次情報から推定する必要がある。
勾配推定法を改善するための非等方的サンプリング法を提案する。
論文 参考訳（メタデータ） (2024-09-24T10:36:40Z) - SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - ExoplANNET: A deep learning algorithm to detect and identify planetary
signals in radial velocity data [0.0]
放射速度法で検出された信号の意義の計算に代えて,ニューラルネットワークを提案する。
このアルゴリズムは、惑星の伴星を伴わないシステムの合成データを用いて訓練される。
偽陽性は28パーセント減少し、実行時間は従来の方法よりも5桁高速である。
論文 参考訳（メタデータ） (2023-03-16T14:16:19Z) - Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳（メタデータ） (2023-02-13T19:57:17Z) - Partial Identification with Noisy Covariates: A Robust Optimization
Approach [94.10051154390237]
観測データセットからの因果推論は、しばしば共変量の測定と調整に依存する。
このロバストな最適化手法により、広範囲な因果調整法を拡張し、部分的同定を行うことができることを示す。
合成および実データセット全体で、このアプローチは既存の手法よりも高いカバレッジ確率でATEバウンダリを提供する。
論文 参考訳（メタデータ） (2022-02-22T04:24:26Z) - Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise
Comparisons [85.5955376526419]
ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。
本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。
提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
論文 参考訳（メタデータ） (2021-10-08T13:51:55Z) - Ground-Assisted Federated Learning in LEO Satellite Constellations [39.646300161201076]
フェデレートラーニング(FL)に基づく新しいアルゴリズムセットを提案する。
我々のアプローチは、星座に存在しない予測可能な接続パターンを考慮すると、標準のFLアルゴリズムとは大きく異なる。
特に、達成されたテスト精度は集中型解の96%から99.6%以内である。
論文 参考訳（メタデータ） (2021-09-03T07:17:20Z) - Robust Uncertainty-Aware Multiview Triangulation [20.02647320786556]
マルチビュー三角測量と不確実性推定のための頑健で効率的な手法を提案する。
まず、中間点法を用いた2視点RANSACを用いた外乱除去方式を提案する。
第二に、初期解と不整集合を精製する異なる局所最適化法を比較する。
第三に、三角点の不確かさを、カメラの数、平均再投影誤差、最大パララックス角の3つの要素の関数としてモデル化する。
論文 参考訳（メタデータ） (2020-08-04T00:47:42Z) - Detection of gravitational-wave signals from binary neutron star mergers
using machine learning [52.77024349608834]
本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。
信号対雑音比が25未満の信号に対する感度は6因子改善した。
保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
論文 参考訳（メタデータ） (2020-06-02T10:20:11Z) - Non-dimensional Star-Identification [0.0]
本研究では、視野の広い恒星追跡装置で観測された恒星を確実に識別する新しい「非次元」星識別アルゴリズムを提案する。
このアルゴリズムは、焦点長や光軸オフセットが名目上の操作範囲から逸脱したとき、星を誤って識別することのできる、名目上失われた宇宙空間のアルゴリズムを補完するのに特に適している。
アルゴリズムの性能は、精度、速度、ロバスト性の観点から、ピラミッドアルゴリズムと比較される。
論文 参考訳（メタデータ） (2020-03-30T18:33:20Z) - Differentiable Top-k Operator with Optimal Transport [135.36099648554054]
SOFTトップk演算子は、エントロピック最適輸送(EOT)問題の解として、トップk演算の出力を近似する。
提案した演算子をk-アネレスト近傍およびビーム探索アルゴリズムに適用し,性能向上を示す。
論文 参考訳（メタデータ） (2020-02-16T04:57:52Z)
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。