Deep Learning-Based Image Recovery and Pose Estimation for Resident Space Objects

要約

地球の軌道上の宇宙船の密度が増加するにつれて、衝突の可能性を回避し、デブリ除去作業を実行するためには、宇宙船の認識、姿勢、軌道の識別が重要になります。
ただし、宇宙船とその姿勢を識別できるモデルのトレーニングには、モデルのトレーニングに使用できる画像データが不足しているため、大きな課題が生じます。
この論文では、Resident Space Object (RSO) 画像の現実的な合成データセットを生成するための革新的なフレームワークを提案します。
国際宇宙ステーション (ISS) をテスト ケースとして使用し、画像回帰と画像復元手法を組み合わせて、ぼやけた画像から姿勢を推定します。
提案された画像回復および回帰技術の分析が行われ、RSO の実際の画像に適用した場合のパフォーマンス、潜在的な強化および制限についての洞察が得られました。
調査された画像回復アプローチでは、最初に有効点広がり関数を使用して画像デコンボリューションを適用し、続いて U-Net を使用して詳細オブジェクトを抽出します。
興味深いことに、画像再構成に U-Net のみを使用すると、最高の姿勢パフォーマンスが達成され、画像回復における平均二乗誤差が 97.28%、平均角度誤差が 71.9% 減少しました。
国際宇宙ステーションの姿勢推定に、Resnet50 回帰ネットワークと組み合わせた U-Net 画像復元の適用に成功したことは、地球上の遠方の物体の分析など、現実世界の問題を効果的に解決するための多様な評価ツールの価値を実証しています。
軌道。

要約(オリジナル)

As the density of spacecraft in Earth’s orbit increases, their recognition, pose and trajectory identification becomes crucial for averting potential collisions and executing debris removal operations. However, training models able to identify a spacecraft and its pose presents a significant challenge due to a lack of available image data for model training. This paper puts forth an innovative framework for generating realistic synthetic datasets of Resident Space Object (RSO) imagery. Using the International Space Station (ISS) as a test case, it goes on to combine image regression with image restoration methodologies to estimate pose from blurred images. An analysis of the proposed image recovery and regression techniques was undertaken, providing insights into the performance, potential enhancements and limitations when applied to real imagery of RSOs. The image recovery approach investigated involves first applying image deconvolution using an effective point spread function, followed by detail object extraction with a U-Net. Interestingly, using only U-Net for image reconstruction the best pose performance was attained, reducing the average Mean Squared Error in image recovery by 97.28% and the average angular error by 71.9%. The successful application of U-Net image restoration combined with the Resnet50 regression network for pose estimation of the International Space Station demonstrates the value of a diverse set of evaluation tools for effective solutions to real-world problems such as the analysis of distant objects in Earth’s orbit.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google