CosmosDSR — a methodology for automated detection and tracking of orbital debris using the Unscented Kalman Filter

要約

ケスラー症候群とは、頻繁な宇宙活動によって増加するスペースデブリを指し、将来の宇宙探査を脅かします。
この問題に対処することが重要です。
畳み込みニューラル ネットワーク、カーネル主成分分析、モデルに依存しないメタ学習などのいくつかの AI モデルが、さまざまなデータ タイプで評価されています。
以前の研究では、物体検出と追跡のための YOLO 物体検出器と線形カルマン フィルター (LKF) の組み合わせが強調されていました。
これを前進させて、今回の論文では、連続画像内の衛星を追跡するための YOLOv3 とアンセンテッド カルマン フィルター (UKF) を組み合わせた、衛星残留物検出による宇宙の包括的軌道監視および監視 (CosmosDSR) の新しい方法論を紹介します。
トレーニングとテストに Spacecraft Recognition Leveraging Knowledge of Space Environmental (SPARK) データセットを使用することで、YOLOv3 はすべての衛星カテゴリを正確に検出し、ほとんどのエラー (TP=4163、FP=209) で分類しました (平均平均精度 = 97.18%、F1 = 0.95)。
、FN=237)。
CosmosDSR と比較に使用された実装された LKF はどちらも、UKF の場合は MSE=2.83/RMSE=1.66、LKF の場合は MSE=2.84/RMSE=1.66 という平均二乗誤差 (MSE) と二乗平均平方根誤差 (RME) について正確に衛星を追跡しました。
現在の研究は宇宙シミュレーション環境で生成された画像に限定されていますが、CosmosDSR 手法は衛星の検出と追跡において大きな可能性を示しており、ケスラー症候群の解決策への道を切り開きます。

要約(オリジナル)

The Kessler syndrome refers to the escalating space debris from frequent space activities, threatening future space exploration. Addressing this issue is vital. Several AI models, including Convolutional Neural Networks, Kernel Principal Component Analysis, and Model-Agnostic Meta- Learning have been assessed with various data types. Earlier studies highlighted the combination of the YOLO object detector and a linear Kalman filter (LKF) for object detection and tracking. Advancing this, the current paper introduces a novel methodology for the Comprehensive Orbital Surveillance and Monitoring Of Space by Detecting Satellite Residuals (CosmosDSR) by combining YOLOv3 with an Unscented Kalman Filter (UKF) for tracking satellites in sequential images. Using the Spacecraft Recognition Leveraging Knowledge of Space Environment (SPARK) dataset for training and testing, the YOLOv3 precisely detected and classified all satellite categories (Mean Average Precision=97.18%, F1=0.95) with few errors (TP=4163, FP=209, FN=237). Both CosmosDSR and an implemented LKF used for comparison tracked satellites accurately for a mean squared error (MSE) and root mean squared error (RME) of MSE=2.83/RMSE=1.66 for UKF and MSE=2.84/RMSE=1.66 for LKF. The current study is limited to images generated in a space simulation environment, but the CosmosDSR methodology shows great potential in detecting and tracking satellites, paving the way for solutions to the Kessler syndrome.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google