CNN-based local features for navigation near an asteroid

要約

この記事では、小惑星探査ミッションおよび軌道上サービスにおける視覚ベースの近接ナビゲーションの課題について説明します。
従来の特徴抽出方法は、散乱光が限られているため、小惑星の外観の大きな変動に対処するのが困難でした。
これを克服するために、照度の変化やアフィン変換に対して堅牢になるように設計された、小惑星近接ナビゲーションに特化した軽量の特徴抽出器を提案します。
小惑星のコンテキストにおいて、最先端の特徴抽出ネットワークと 3 つの軽量ネットワーク アーキテクチャを比較および評価します。
私たちが提案する特徴抽出器とその評価は、合成画像と、NEAR Shoemaker、Hayabusa、Rosetta、OSIRIS-REx などのミッションからの実世界データの両方を活用しています。
私たちの貢献には、トレーニングされた特徴抽出器、既存の手法に対する段階的な改善、ドメイン固有の特徴抽出器をトレーニングするためのパイプラインが含まれます。
実験結果は、正確なナビゲーションと位置特定を達成する上での私たちのアプローチの有効性を示しています。
この研究は、小惑星航行の分野を進歩させることを目的としており、この分野の将来の研究に洞察を提供します。

要約(オリジナル)

This article addresses the challenge of vision-based proximity navigation in asteroid exploration missions and on-orbit servicing. Traditional feature extraction methods struggle with the significant appearance variations of asteroids due to limited scattered light. To overcome this, we propose a lightweight feature extractor specifically tailored for asteroid proximity navigation, designed to be robust to illumination changes and affine transformations. We compare and evaluate state-of-the-art feature extraction networks and three lightweight network architectures in the asteroid context. Our proposed feature extractors and their evaluation leverages both synthetic images and real-world data from missions such as NEAR Shoemaker, Hayabusa, Rosetta, and OSIRIS-REx. Our contributions include a trained feature extractor, incremental improvements over existing methods, and a pipeline for training domain-specific feature extractors. Experimental results demonstrate the effectiveness of our approach in achieving accurate navigation and localization. This work aims to advance the field of asteroid navigation and provides insights for future research in this domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google