描述:
拥有真实感的地球轨道模拟器
好处:
l 改进的近距离位置和姿态估计
l URSO数据集和ESA构成估计挑战。在本次比赛中,我们的最佳模型在综合测试集上获得了第三名,在真实测试集上获得了第二名
l 在URSO数据集上学习的模型可以对太空中的真实图像进行处理
l 减少飞行中的风险
l 降低成本
减少数据需求
应用范围:
GNC:指导,导航和控制,
交会对接(RVD)
编队飞行,会合,对接,维修和清除空间碎片。
技术:
基于在轨航天器的虚幻引擎4上的视觉模拟器,可生成照片级逼真的数据集,以学习和基准化视觉感知算法,以进行航天器检测,姿态和轨迹估计。最新的视觉算法基于深度学习。然而,深度学习需要大量的数据,这在空间上是过高的或昂贵的。主要挑战是将在合成数据上学到的模型成功地转移到实际空间操作中。
机会:
TRL 5-6的软件许可
用于在地球轨道上进行视觉感知的数据集生成,验证和基准测试的模拟器。该模拟器基于Unreal引擎构建,包含python界面和工具包,并具有一个具有NASA Blue Marble HR纹理,大气散射,镜头伪像(耀斑,花朵),具有基于物理材料的航天器和地面真相(物体姿态,深度图)的地球模型。和面具)。
行业-模拟器和数据集的生成需要针对特定的任务计划进行定制,以使模拟数据代表预期的观测工作环境和相机参数。