Icy Moon Surface Simulation and Stereo Depth Estimation for Sampling Autonomy

要約

氷月着陸船ミッションの自律サンプリングには、サンプリング地形の地形特性と測光特性を理解する必要があります。
高解像度の視覚データセット (鳥瞰図または着陸船からの視点) が利用できないことは、知覚システムの選択、検証、開発の障害となります。
私たちは、1) バルク測光特性のスペクトルにわたる多用途のステレオ データセット生成のための、氷月表面シミュレーション用グラフィカル ユーティリティ (GUIS) フレームワークを提案し、2) ステレオベースの視覚認識システムに焦点を当て、
ステレオマッチングによる深度推定のための従来のアルゴリズムと深層学習ベースのアルゴリズムの両方を評価します。
氷の月の地形 (エンケラドゥスとエウロパ) の表面反射率特性は、以前のミッションのマルチスペクトル データセットから推測されます。
手続き型地形生成と物理的に有効な照明源を使用することで、私たちのフレームワークは、氷の月の地形の視覚的表現に関する幅広い仮説に適合できます。
これに続いて、さまざまな視覚仮説の下でのステレオ マッチング アルゴリズムのパフォーマンスに関する研究が続きます。
最後に、エンケラドゥスやエウロパなどの氷の衛星の知覚データ資産をシミュレートするために対処すべき継続的な課題を強調します。
私たちのコードは、https://github.com/nasa-jpl/guiss にあります。

要約(オリジナル)

Sampling autonomy for icy moon lander missions requires understanding of topographic and photometric properties of the sampling terrain. Unavailability of high resolution visual datasets (either bird-eye view or point-of-view from a lander) is an obstacle for selection, verification or development of perception systems. We attempt to alleviate this problem by: 1) proposing Graphical Utility for Icy moon Surface Simulations (GUISS) framework, for versatile stereo dataset generation that spans the spectrum of bulk photometric properties, and 2) focusing on a stereo-based visual perception system and evaluating both traditional and deep learning-based algorithms for depth estimation from stereo matching. The surface reflectance properties of icy moon terrains (Enceladus and Europa) are inferred from multispectral datasets of previous missions. With procedural terrain generation and physically valid illumination sources, our framework can fit a wide range of hypotheses with respect to visual representations of icy moon terrains. This is followed by a study over the performance of stereo matching algorithms under different visual hypotheses. Finally, we emphasize the standing challenges to be addressed for simulating perception data assets for icy moons such as Enceladus and Europa. Our code can be found here: https://github.com/nasa-jpl/guiss.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google