SatSplatYOLO: 3D Gaussian Splatting-based Virtual Object Detection Ensembles for Satellite Feature Recognition

要約

軌道上整備（OOS）、宇宙船の検査、アクティブデブリ除去（ADR）。
このようなミッションでは、非協力的な、おそらく未知の常駐宇宙物体の近くでの正確なランデブーおよび近接操作が必要です。
有人ミッションでは安全性への懸念があり、地上制御ではタイムラグがあるため、完全な自律性が必要です。
この記事では、ジオメトリをマッピングし、軌道上の未知の非協力的な衛星のコンポーネントを高信頼度で検出するためのアプローチを紹介します。
加速された 3D ガウス スプラッティングを実装して、衛星の 3D 表現を学習し、ターゲットの仮想ビューをレンダリングし、仮想ビュー上で YOLOv5 オブジェクト検出器をアンサンブルします。その結果、信頼性が高く、正確かつ正確な衛星コンポーネント検出が実現します。
オンボードおよびスタンドで実行可能な完全なパイプラインにより、自律的な誘導、ナビゲーション、および制御タスクに必要な下流のマシン インテリジェンス タスクが可能になります。

要約(オリジナル)

On-orbit servicing (OOS), inspection of spacecraft, and active debris removal (ADR). Such missions require precise rendezvous and proximity operations in the vicinity of non-cooperative, possibly unknown, resident space objects. Safety concerns with manned missions and lag times with ground-based control necessitate complete autonomy. In this article, we present an approach for mapping geometries and high-confidence detection of components of unknown, non-cooperative satellites on orbit. We implement accelerated 3D Gaussian splatting to learn a 3D representation of the satellite, render virtual views of the target, and ensemble the YOLOv5 object detector over the virtual views, resulting in reliable, accurate, and precise satellite component detections. The full pipeline capable of running on-board and stand to enable downstream machine intelligence tasks necessary for autonomous guidance, navigation, and control tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google