論文の概要: Fried Parameter Estimation from Single Wavefront Sensor Image with Artificial Neural Networks
- arxiv url: http://arxiv.org/abs/2504.17029v1
- Date: Wed, 23 Apr 2025 18:16:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.135424
- Title: Fried Parameter Estimation from Single Wavefront Sensor Image with Artificial Neural Networks
- Title(参考訳): ニューラルネットワークを用いた単一波面センサ画像からの摩擦パラメータ推定
- Authors: Jeffrey Smith, Taisei Fujii, Jesse Craney, Charles Gretton,
- Abstract要約: 大気の乱流は地上望遠鏡の天文観測の質を低下させ、歪んだぼやけた画像を生み出す。
アダプティブ・光学(Adaptive Optics, AO)システムは、波面センサーが捉えた大気測定により、入ってくる波面にリアルタイムに補正することで、これらの効果に対抗するように設計されている。
Friedパラメータr0は、大気乱流の強度を特徴付け、AOシステムの性能を最適化するための必須制御パラメータである。
我々は、単一のシャックハートマンまたはピラミッド波面センサ画像からフリードパラメータ推定のためのコンピュータビジョンからの機械学習手法を応用した、新しいデータ駆動アプローチを開発した。
- 参考スコア(独自算出の注目度): 0.9883562565157392
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Atmospheric turbulence degrades the quality of astronomical observations in ground-based telescopes, leading to distorted and blurry images. Adaptive Optics (AO) systems are designed to counteract these effects, using atmospheric measurements captured by a wavefront sensor to make real-time corrections to the incoming wavefront. The Fried parameter, r0, characterises the strength of atmospheric turbulence and is an essential control parameter for optimising the performance of AO systems and more recently sky profiling for Free Space Optical (FSO) communication channels. In this paper, we develop a novel data-driven approach, adapting machine learning methods from computer vision for Fried parameter estimation from a single Shack-Hartmann or pyramid wavefront sensor image. Using these data-driven methods, we present a detailed simulation-based evaluation of our approach using the open-source COMPASS AO simulation tool to evaluate both the Shack-Hartmann and pyramid wavefront sensors. Our evaluation is over a range of guide star magnitudes, and realistic noise, atmospheric and instrument conditions. Remarkably, we are able to develop a single network-based estimator that is accurate in both open and closed-loop AO configurations. Our method accurately estimates the Fried parameter from a single WFS image directly from AO telemetry to a few millimetres. Our approach is suitable for real time control, exhibiting 0.83ms r0 inference times on retail NVIDIA RTX 3090 GPU hardware, and thereby demonstrating a compelling economic solution for use in real-time instrument control.
- Abstract(参考訳): 大気の乱流は地上望遠鏡の天文観測の質を低下させ、歪んだぼやけた画像を生み出す。
アダプティブ・光学(Adaptive Optics, AO)システムは、波面センサーによって捉えられた大気測定を用いて、これらの効果に対処するために設計されている。
Friedパラメータr0は、大気乱流の強度を特徴付け、AOシステムの性能を最適化するための必須制御パラメータであり、より最近の自由空間光学(FSO)通信チャネルのスカイプロファイリングである。
本稿では,単一シャックハルトマンまたはピラミッド波面センサ画像からのフリードパラメータ推定のためのコンピュータビジョンからの機械学習手法を応用した,新しいデータ駆動型アプローチを開発する。
本稿では,これらのデータ駆動方式を用いて,オープンソースのCompASS AOシミュレーションツールを用いて,シャック・ハートマンセンサとピラミッド波面センサの両方の評価を行う。
我々の評価は、様々なガイドスター等級、現実的な騒音、大気、機器の条件に及んでいる。
注目すべきは、オープンループAO構成とクローズループAO構成の両方で正確である単一のネットワークベースの推定器を開発することができることである。
AOテレメトリから直接Friedパラメータを数ミリメートルまで正確に推定する。
当社のアプローチはリアルタイム制御に適しており,小売のNVIDIA RTX 3090 GPUハードウェア上で0.83ms r0推論時間を示し,リアルタイム機器制御において有用な経済ソリューションを示す。
関連論文リスト
- KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳(メタデータ) (2024-07-18T05:48:24Z) - Is That Rain? Understanding Effects on Visual Odometry Performance for Autonomous UAVs and Efficient DNN-based Rain Classification at the Edge [1.8936798735951972]
最先端のローカルトラッキングと軌道計画は通常、飛行制御アルゴリズムにカメラセンサーを入力して実行される。
最先端のビジュアル・オドメトリーシステムでは, 1.5mの最悪ケース平均追跡誤差が可能であることを示す。
我々は、モバイルおよび制約されたデプロイメントシナリオに適したディープニューラルネットワークモデルのセットをトレーニングし、これらの雨の条件を効率的に正確に分類できる範囲を判断する。
論文 参考訳(メタデータ) (2024-07-17T15:47:25Z) - High-accuracy Vision-Based Attitude Estimation System for Air-Bearing
Spacecraft Simulators [0.0]
本稿では, 単眼カメラとフィデューシャルマーカーのセットを用いて, 回転空調プラットフォームに対する姿勢を計算するための, 新規で汎用的な手法について述べる。
システムパラメータの予備推定を行う自動校正手順を示す。
その結果,約12arcsecと$sim$37arcsecの順に1-sigmaの精度が期待された。
論文 参考訳(メタデータ) (2023-12-13T13:55:36Z) - RFTrans: Leveraging Refractive Flow of Transparent Objects for Surface
Normal Estimation and Manipulation [50.10282876199739]
本稿では、透明物体の表面正規化と操作のためのRGB-Dに基づくRFTransを提案する。
RFNetは屈折流、物体マスク、境界を予測し、次いでF2Netは屈折流から表面の正常を推定する。
現実のロボットがタスクをつかむと、成功率は83%となり、屈折流が直接シミュレートから現実への移動を可能にすることが証明される。
論文 参考訳(メタデータ) (2023-11-21T07:19:47Z) - High-precision interpolation of stellar atmospheres with a deep neural
network using a 1D convolutional auto encoder for feature extraction [0.0]
我々は、恒星モデル大気を回復するための信頼性、正確、軽量、高速な方法を確立する。
我々は、完全に接続されたディープニューラルネットワークを使用し、1次元畳み込みオートエンコーダを用いてグリッドの非線形性を抽出する。
特徴抽出器として主成分分析を用いた場合よりも,畳み込みオートエンコーダの方が高精度であることを示す。
論文 参考訳(メタデータ) (2023-06-12T08:16:26Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳(メタデータ) (2023-05-18T12:30:26Z) - LGC-Net: A Lightweight Gyroscope Calibration Network for Efficient
Attitude Estimation [10.468378902106613]
本稿では,低コストマイクロエレクトロメカニカル・システム(MEMS)ジャイロスコープを分解し,ロボットの姿勢をリアルタイムで推定するキャリブレーションニューラルネットワークモデルを提案する。
鍵となるアイデアは、慣性測定ユニット(IMU)測定の時間窓から局所的および大域的特徴を抽出し、ジャイロスコープの出力補償成分を動的に回帰させることである。
提案アルゴリズムはEuRoCおよびTUM-VIデータセットで評価され、より軽量なモデル構造で(目に見えない)テストシーケンスの最先端化を実現する。
論文 参考訳(メタデータ) (2022-09-19T08:03:03Z) - Sensor-Guided Optical Flow [53.295332513139925]
本稿では、未知の領域や未知の領域において、より優れた精度を実現するために、外部キューを用いた光フローネットワークを誘導するフレームワークを提案する。
能動センサからの深度測定と幾何および手作り光学フローアルゴリズムを組み合わせることで,これらがどのように得られるかを示す。
論文 参考訳(メタデータ) (2021-09-30T17:59:57Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳(メタデータ) (2021-07-14T21:10:47Z) - 3D Human Pose and Shape Regression with Pyramidal Mesh Alignment
Feedback Loop [128.07841893637337]
回帰に基づく手法は最近、単眼画像からヒトのメッシュを再構成する有望な結果を示した。
パラメータの小さな偏差は、推定メッシュと画像のエビデンスの間に顕著な不一致を引き起こす可能性がある。
本稿では,特徴ピラミッドを活用し,予測パラメータを補正するために,ピラミッドメッシュアライメントフィードバック(pymaf)ループを提案する。
論文 参考訳(メタデータ) (2021-03-30T17:07:49Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳(メタデータ) (2020-11-02T18:02:26Z) - Efficient Real-Time Radial Distortion Correction for UAVs [1.7149364927872015]
慣性測定ユニット(IMU)を備えた無人航空機(UAV)の車載半径歪み補正のための新しいアルゴリズムを提案する。
このアプローチは校正手順を冗長にし、即時光の交換を可能にする。
焦点長, 半径歪み分布, 運動パラメータをホモグラフから同時に推定する高速で頑健な最小解法を提案する。
論文 参考訳(メタデータ) (2020-10-08T18:34:56Z)
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。