Boulders Identification on Small Bodies Under Varying Illumination Conditions

要約

小さな物体の表面にある岩を検出する機能は、重要な操作中のナビゲーションや危険検出などの視覚ベースのアプリケーションに役立ちます。
この作業は、さまざまな不規則な形状、ボルダー人口の特性、および照明条件の急速な変動のために困難です。
著者らは、データ駆動型の画像処理パイプラインを開発するマルチステップ トレーニング アプローチを設計して、小さな物体の表面に散らばる岩を確実に検出してセグメント化することで、この課題に対処しています。
ラベル付けされた画像とマスクのペアの可用性が限られているため、開発された方法論は、この作業専用に Blender で設計された 2 つの人工環境によってサポートされています。
これらは、大量の合成画像ラベル セットを生成するために使用され、画像処理コミュニティに公開されます。
提示された方法論は、さまざまな照明条件、不規則な形状、短いトレーニング時間、アーキテクチャ設計空間の広範な調査、および以前に飛行したミッションからの合成画像と実際の画像の間のドメイン ギャップの課題に対処します。
開発された画像処理パイプラインのパフォーマンスは、合成画像と実際の画像の両方でテストされ、優れたパフォーマンスと高い一般化機能を示しています

要約(オリジナル)

The capability to detect boulders on the surface of small bodies is beneficial for vision-based applications such as navigation and hazard detection during critical operations. This task is challenging due to the wide assortment of irregular shapes, the characteristics of the boulders population, and the rapid variability in the illumination conditions. The authors address this challenge by designing a multi-step training approach to develop a data-driven image processing pipeline to robustly detect and segment boulders scattered over the surface of a small body. Due to the limited availability of labeled image-mask pairs, the developed methodology is supported by two artificial environments designed in Blender specifically for this work. These are used to generate a large amount of synthetic image-label sets, which are made publicly available to the image processing community. The methodology presented addresses the challenges of varying illumination conditions, irregular shapes, fast training time, extensive exploration of the architecture design space, and domain gap between synthetic and real images from previously flown missions. The performance of the developed image processing pipeline is tested both on synthetic and real images, exhibiting good performances, and high generalization capabilities

arxiv情報

提供元, 利用サービス

arxiv.jp, Google