論文の概要: Sun sensor calibration algorithms: A systematic mapping and survey
- arxiv url: http://arxiv.org/abs/2507.21541v1
- Date: Tue, 29 Jul 2025 07:16:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-30 17:08:55.848058
- Title: Sun sensor calibration algorithms: A systematic mapping and survey
- Title（参考訳）: 太陽センサキャリブレーションアルゴリズム:システマティックマッピングとサーベイ
- Authors: Michael Herman, Olivia J. Pinon Fischer, Dimitri N. Mavris,
- Abstract要約: 姿勢センサーは、天体、磁場、その他の現象を感知することで宇宙船の姿勢を決定する。
太陽センサーは、宇宙船の姿勢決定のための最も一般的で重要なセンサーである。
太陽センサの校正は、不確実性の複雑な性質のため、特に難しい。
- 参考スコア（独自算出の注目度）: 0.6554326244334866
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Attitude sensors determine the spacecraft attitude through the sensing of an astronomical object, field or other phenomena. The Sun and fixed stars are the two primary astronomical sensing objects. Attitude sensors are critical components for the survival and knowledge improvement of spacecraft. Of these, sun sensors are the most common and important sensor for spacecraft attitude determination. The sun sensor measures the Sun vector in spacecraft coordinates. The sun sensor calibration process is particularly difficult due to the complex nature of the uncertainties involved. The uncertainties are small, difficult to observe, and vary spatio-temporally over the lifecycle of the sensor. In addition, the sensors are affected by numerous sources of uncertainties, including manufacturing, electrical, environmental, and interference sources. This motivates the development of advanced calibration algorithms to minimize uncertainty over the sensor lifecycle and improve accuracy. Although modeling and calibration techniques for sun sensors have been explored extensively in the literature over the past two decades, there is currently no resource that consolidates and systematically reviews this body of work. The present review proposes a systematic mapping of sun sensor modeling and calibration algorithms across a breadth of sensor configurations. It specifically provides a comprehensive survey of each methodology, along with an analysis of research gaps and recommendations for future directions in sun sensor modeling and calibration techniques.
- Abstract（参考訳）: 姿勢センサーは、天体、磁場、その他の現象を感知することで宇宙船の姿勢を決定する。
太陽と恒星は2つの主要な天体である。
姿勢センサーは、宇宙船の生存と知識向上のために重要な要素である。
これらのうち、太陽センサーは宇宙船の姿勢決定のための最も一般的で重要なセンサーである。
太陽センサーは、宇宙船の座標における太陽のベクトルを測定する。
太陽センサの校正プロセスは、不確実性の複雑な性質のため、特に困難である。
不確実性は小さく、観察が困難であり、センサーのライフサイクルによって時空間的に変化する。
さらに、センサーは製造、電気、環境、干渉源など多くの不確実性源に影響を受けている。
これにより、センサライフサイクルにおける不確実性を最小化し、精度を向上させるための高度なキャリブレーションアルゴリズムの開発が動機となる。
太陽センサーのモデリングと校正技術は過去20年間にわたって文献で広く研究されてきたが、現在、この身体を統合し、体系的にレビューする資源は存在しない。
本稿では,センサ構成の幅をまたいだサンセンサモデリングとキャリブレーションアルゴリズムのシステマティックマッピングを提案する。
具体的には、それぞれの方法論に関する総合的な調査と、太陽センサーモデリングと校正技術における研究ギャップの分析と今後の方向性の勧告を提供する。
関連論文リスト
- SensorLM: Learning the Language of Wearable Sensors [50.95988682423808]
本稿では,自然言語によるウェアラブルセンサデータ理解を可能にするセンサ言語基盤モデルのファミリーであるSensorLMを紹介する。
本稿では,センサデータから統計的,構造的,意味的な情報を収集する階層的なキャプション生成パイプラインを提案する。
このアプローチにより、これまでで最大のセンサー言語データセットのキュレーションが可能となり、103,000人以上から5970万時間以上のデータを収集した。
論文 参考訳（メタデータ） (2025-06-10T17:13:09Z) - SOAC: Spatio-Temporal Overlap-Aware Multi-Sensor Calibration using Neural Radiance Fields [10.958143040692141]
自律運転のような急速に進化する領域では、動作精度と安定性を確保するために、異なるモードの複数のセンサーを使用することが不可欠である。
各センサが提供した情報を単一の共通フレームで正確に活用するためには、これらのセンサを正確に校正することが不可欠である。
我々は、共通の表現において異なるモダリティを表現するために、ニューラルラジアンス場(Neural Radiance Fields)の能力を利用する。
論文 参考訳（メタデータ） (2023-11-27T13:25:47Z) - Data-Induced Interactions of Sparse Sensors [3.050919759387984]
トレーニングデータによって引き起こされるセンサインタラクションの全体像を熱力学ビューで計算する。
これらのデータによって引き起こされるセンサーの相互作用をマッピングすることで、外部選択基準と組み合わせ、センサーの代替効果を予測することができる。
論文 参考訳（メタデータ） (2023-07-21T18:13:37Z) - Low-cost Efficient Wireless Intelligent Sensor (LEWIS) for Engineering,
Research, and Education [72.2614468437919]
センサによって決定を下すスマートシティのビジョンは、これまで実現されていない。
土木技術者はセンサー技術に関する知識を欠いている。
センサーに関連する電気部品とコンピュータの知識は、土木技術者にとって依然として課題である。
論文 参考訳（メタデータ） (2023-03-23T21:49:26Z) - SensorX2car: Sensors-to-car calibration for autonomous driving in road
scenarios [2.5680214354539803]
本稿では,画像特徴,3次元LiDAR点,カメラ/INS分解ポーズ,レーダ速度の4つのセンサに対して,より一般的なキャリブレーション手法を提案する。
我々は、通常運転中のセンサから車への回転を数分で調整する4つの手法を設計し、SensorX2carというツールボックスを構築した。
われわれの知る限りでは、SensorX2carは最初のオープンソースのセンサー・ツー・カー・キャリブレーション・ツールボックスだ。
論文 参考訳（メタデータ） (2023-01-18T02:58:39Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor
Setups [68.8204255655161]
本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。
提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
論文 参考訳（メタデータ） (2021-01-12T12:02:26Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z)
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。