論文の概要: Deep Learning-Based Lunar Crater Terrain Relative Navigation
- arxiv url: http://arxiv.org/abs/2606.14776v2
- Date: Thu, 18 Jun 2026 05:21:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 13:55:51.502187
- Title: Deep Learning-Based Lunar Crater Terrain Relative Navigation
- Title（参考訳）: 深層学習に基づく月面クレーターの相対航法
- Authors: Batu Candan, Simone Servadio,
- Abstract要約: ディープラーニングクレーター検出器と拡張カルマンフィルタ(EKF)を組み合わせた地形相対ナビゲーション(TRN)アルゴリズムを提案する。
我々の検出器は、軌道から取得した単分子画像からクレーターの特徴を分析し、そのクレーターとグローバルデータベースのクレーターとの一致をハンガリーの代入手法で同定する。
シミュレーションの結果、もし宇宙船が実際の位置から最大5km離れたとしても、TRNはこの状況から回復し、数百mの航法誤差を低減できることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate position estimation is crucial for the successful implementation of future lunar landings using autonomous vehicles, especially in dangerous environments with sparse terrain features. In this paper, we propose a terrain relative navigation (TRN) algorithm combining our deep-learning crater detector, which was designed specifically for the NASA Crater Detection Challenge problem, and an Extended Kalman Filter (EKF). Our detector analyzes crater features from the monocular images acquired from orbit, and their matches with craters from a global database are identified via a Hungarian assignment approach followed by the consensus-based outliers removal method. The estimated measurements are then used to refine an EKF, where spacecraft pose estimation in the Lunar-Centered Lunar-Fixed (LCLF) frame of reference, augmented with altitude aiding information, constrains radial drift. The simulation results indicate that even if the spacecraft is off from its actual location up to 5 km, TRN could recover from this situation, achieving navigation error reduction to a few hundred meters. It should be noted that in order to maintain crater feature correspondences, it is important to match the image resolution and the scales within the scene to the detector training set distribution.
- Abstract（参考訳）: 正確な位置推定は、自律走行車を用いた将来の月面着陸を成功させるためには不可欠である。
本稿では,NASAクレーター検出問題に特化して設計されたディープラーニングクレーター検出器と拡張カルマンフィルタ(EKF)を組み合わせた地形相対ナビゲーション(TRN)アルゴリズムを提案する。
我々の検出器は、軌道から取得した単分子画像からクレーターの特徴を解析し、そのクレーターとグローバルデータベースのクレーターとの一致をハンガリーの代入法で同定し、コンセンサスに基づくアウトリーズ除去法を用いて同定した。
推定された測定値はEKFを改良するために使用され、Lunar-Centered Lunar-Fixed (LCLF) の基準フレームで宇宙船の姿勢を推定する。
シミュレーションの結果、もし宇宙船が実際の位置から最大5km離れたとしても、TRNはこの状況から回復し、数百mの航法誤差を低減できることを示した。
クレーターの特徴対応を維持するためには、画像解像度とシーン内のスケールを検出器訓練セット分布に合わせることが重要であることに注意する必要がある。
関連論文リスト
- Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。
テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
論文 参考訳（メタデータ） (2026-03-15T22:20:59Z) - Vision-Language Model for Accurate Crater Detection [2.6038033465934083]
欧州宇宙機関(ESA)は、クレーターが月面着陸の危険を冒すため、信頼できるクレーター検出に深い関心を持っている。
様々な大きさや形状のクレーターが大量にあることや、照明や凹凸のある地形の変化などの困難な条件のため、これは自明ではない。
本稿では,OWLv2モデルに基づくディープラーニングクレーター検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-01-12T18:08:17Z) - Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。
地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。
実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
論文 参考訳（メタデータ） (2025-09-11T18:52:16Z) - 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) - Design of a Visual Pose Estimation Algorithm for Moon Landing [0.0]
宇宙船の位置と姿勢を推定する地形絶対航法を提案する。
探査機に搭載されているカメラで見られるクレーターは、以前に知られていたクレーターデータベースを用いて検出され、同定される。
シミュレーションにより,アルゴリズムの精度と推定に用いるクレーター数の影響を調べた。
論文 参考訳（メタデータ） (2025-02-20T17:37:55Z) - A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
様々な動物が環境の手がかりを使って正確なナビゲーションをしている。
動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。
提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
論文 参考訳（メタデータ） (2024-02-06T13:20:56Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - LunarNav: Crater-based Localization for Long-range Autonomous Lunar
Rover Navigation [8.336210810008282]
アルテミス計画では、資源探査と利用のためにロボットと有人月面ローバーを必要とする。
LunarNavプロジェクトは、月面探査機が地球の位置を推定し、5m未満の位置誤差の目標性能で月に向かうのを可能にすることを目的としている。
これは、ローバー付近のクレーターを検出し、軌道からマッピングされた既知のクレーターのデータベースと一致させることで、自律的に達成される。
論文 参考訳（メタデータ） (2023-01-03T20:46:27Z) - 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) - Lunar Terrain Relative Navigation Using a Convolutional Neural Network
for Visual Crater Detection [39.20073801639923]
本稿では、畳み込みニューラルネットワーク(CNN)と画像処理を用いて、シミュレーションされた宇宙船の位置を追跡するシステムを提案する。
CNNはLunaNetと呼ばれ、シミュレートされたカメラフレームのクレーターを視覚的に検出し、これらの検出は現在の推定された宇宙船の位置の領域にある既知の月のクレーターと一致している。
論文 参考訳（メタデータ） (2020-07-15T14:19:27Z)
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。