論文の概要: AI-Enabled Crater-Based Navigation for Lunar Mapping
- arxiv url: http://arxiv.org/abs/2509.20748v1
- Date: Thu, 25 Sep 2025 05:09:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-26 20:58:12.699579
- Title: AI-Enabled Crater-Based Navigation for Lunar Mapping
- Title（参考訳）: 月面マッピングのためのAI対応クレーターベースナビゲーション
- Authors: Sofia McLeod, Chee-Kheng Chng, Matthew Rodda, Tat-Jun Chin,
- Abstract要約: クレーターベースのナビゲーション(CBN)は、画像上で観測された月のユビキタス衝突クレーターを自然のランドマークとして使用し、宇宙船の6度の自由なポーズを決定する。
STELLAは、長期の月面マッピングのための最初のエンドツーエンドCBNパイプラインである。
STELLAを厳格にテストするために、私たちはCRESENT-365という1年間の月面マッピングミッションをエミュレートした最初の公開データセットを紹介します。
- 参考スコア（独自算出の注目度）: 12.60100558410094
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Crater-Based Navigation (CBN) uses the ubiquitous impact craters of the Moon observed on images as natural landmarks to determine the six degrees of freedom pose of a spacecraft. To date, CBN has primarily been studied in the context of powered descent and landing. These missions are typically short in duration, with high-frequency imagery captured from a nadir viewpoint over well-lit terrain. In contrast, lunar mapping missions involve sparse, oblique imagery acquired under varying illumination conditions over potentially year-long campaigns, posing significantly greater challenges for pose estimation. We bridge this gap with STELLA - the first end-to-end CBN pipeline for long-duration lunar mapping. STELLA combines a Mask R-CNN-based crater detector, a descriptor-less crater identification module, a robust perspective-n-crater pose solver, and a batch orbit determination back-end. To rigorously test STELLA, we introduce CRESENT-365 - the first public dataset that emulates a year-long lunar mapping mission. Each of its 15,283 images is rendered from high-resolution digital elevation models with SPICE-derived Sun angles and Moon motion, delivering realistic global coverage, illumination cycles, and viewing geometries. Experiments on CRESENT+ and CRESENT-365 show that STELLA maintains metre-level position accuracy and sub-degree attitude accuracy on average across wide ranges of viewing angles, illumination conditions, and lunar latitudes. These results constitute the first comprehensive assessment of CBN in a true lunar mapping setting and inform operational conditions that should be considered for future missions.
- Abstract（参考訳）: クレーターベースのナビゲーション(CBN)は、画像上で観測された月のユビキタス衝突クレーターを自然のランドマークとして使用し、宇宙船の6自由度のポーズを決定する。
これまで、CBNは主に動力降下と着陸の文脈で研究されてきた。
これらのミッションは通常、短い期間で、明るい地形のナディルから高頻度の画像が撮影される。
対照的に、月面地図のミッションには、潜在的に1年にわたるキャンペーンに対して様々な照明条件下で取得された、まばらで斜めのイメージが含まれており、ポーズ推定のかなり大きな課題となっている。
私たちはこのギャップを、長期の月面マッピングのための最初のエンドツーエンドCBNパイプラインであるSTELLAで埋めます。
STELLAは、Mask R-CNNベースのクレーター検出器、ディスクリプタレスクレーター識別モジュール、ロバストな視点-n-クレーターポーズソルバ、バッチ軌道決定バックエンドを組み合わせている。
STELLAを厳格にテストするために、私たちはCRESENT-365という1年間の月面マッピングミッションをエミュレートした最初の公開データセットを紹介します。
15,283枚の画像は、SPICEから派生した太陽の角度と月の動きを持つ高解像度のデジタル高度モデルからレンダリングされ、現実的な世界的カバレッジ、照明サイクル、ジオメトリーが提供される。
CRESENT+とCRESENT-365の実験では、STELLAは視角、照明条件、月緯度など、平均してメートルレベルの位置精度と亜度姿勢精度を維持している。
これらの結果は、真の月面マッピング設定におけるCBNの総合的な評価であり、将来のミッションのために考慮すべき運用条件を知らせるものである。
関連論文リスト
- STAR: A Benchmark for Astronomical Star Fields Super-Resolution [51.79340280382437]
54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。
本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
論文 参考訳（メタデータ） (2025-07-22T09:28:28Z) - LunarLoc: Segment-Based Global Localization on the Moon [52.418394025548295]
GPSのような従来の地球ベースのナビゲーションインフラが利用できない月面での自律的な運用には、グローバルなローカライゼーションが不可欠である。
本稿では,グローバルなローカライゼーション手法であるLunarLocを提案する。
LunarLocは、マルチセッショングローバルローカライゼーション実験において、サブcmレベルの精度を実現し、月のグローバルローカライゼーションにおける技術状況を大幅に上回っている。
論文 参考訳（メタデータ） (2025-06-20T12:06:47Z) - ShadowNav: Autonomous Global Localization for Lunar Navigation in Darkness [4.200882007630191]
私たちはシャドウナブ(ShadowNav)を紹介します。これは、暗闇や夜間の運転に焦点を当てた、月上のグローバルなローカライゼーションのための自律的なアプローチです。
我々のアプローチでは、ルナークレーターの先端をランドマークとして使用し、検出されたクレーターと検出されたクレーターをオフボードマップ上の既知のクレーターに関連付けるために粒子フィルタリング手法を用いています。
アリゾナ州シンダーレイクスにおけるフィールドテストにおいて,Lunarシミュレーション環境とデータ収集における提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2024-05-02T18:59:53Z) - Boosting 3-DoF Ground-to-Satellite Camera Localization Accuracy via
Geometry-Guided Cross-View Transformer [66.82008165644892]
地上レベルの画像と一致/検索衛星画像との相対的な回転と変換を推定することにより、地上カメラの位置と方向の精度を向上させる手法を提案する。
実験の結果,本手法は最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-07-16T11:52:27Z) - ShadowNav: Crater-Based Localization for Nighttime and Permanently
Shadowed Region Lunar Navigation [4.521278242509125]
本研究では、クレーターをランドマークとして利用し、検出されたクレーターの縁と軌道地図上の既知のクレーターとのマッチングを行う絶対位置決め法を提案する。
この手法は、ほとんどの惑星探査ミッションで必要となる10m未満の絶対位置推定誤差を維持できることを示す。
論文 参考訳（メタデータ） (2023-01-11T18:35:31Z) - Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization
Using Satellite Image [91.29546868637911]
本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。
鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。
標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
論文 参考訳（メタデータ） (2022-04-10T19:16:58Z) - Lunar Rover Localization Using Craters as Landmarks [7.097834331171584]
そこで本研究では,クレーターを用いた月面ローバーの局地化手法として,ライダーやステレオカメラからの3次元点雲データと,モノクラー搭載画像のシェーディングキューを用いた手法を提案する。
本報告では, 搭載ライダーやステレオカメラの3次元点雲データを用いたクレーター検出と, 単眼画像におけるシェーディングキューを用いたクレーター検出の初期結果について述べる。
論文 参考訳（メタデータ） (2022-03-18T17:38:52Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z)
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。