Resumen

En este trabajo, abordamos el problema del reconocimiento de satélites basado en la visión y la estimación de poses, que consiste en reconocer el satélite a partir de múltiples vistas y estimar las poses relativas utilizando sensores de imagen. Proponemos un método basado en la visión para resolver estos dos problemas utilizando la regresión del proceso gaussiano (GPR). Asumiendo que la función de regresión que mapea desde la imagen (o característica) del satélite objetivo hasta su categoría o pose sigue un proceso gaussiano (GP) debidamente parametrizado por una función de media y una función de covarianza, las ecuaciones de predicción pueden obtenerse fácilmente mediante un enfoque de máxima verosimilitud cuando se dan datos de entrenamiento. Estas formulaciones explícitas no sólo pueden ofrecer la categoría o la pose estimada mediante el valor medio de la salida predicha, sino que también dan su incertidumbre mediante la varianza, lo que hace que el resultado predicho sea convincente y aplicable en la práctica. Además, también introducimos una restricción múltiple en la salida del modelo GPR para mejorar su rendimiento en la estimación de la pose del satélite. Se realizan amplios experimentos con dos conjuntos de datos de imágenes simuladas que contienen imágenes de satélite con variaciones de pose 1D y 2D, así como diferentes ruidos y condiciones de iluminación. Los resultados experimentales validan la eficacia y robustez de nuestro enfoque.

• Materias:Aerodinámica Ingeniería aeroespacial Satélites Satélite artificial Meteorología
• Subjects:Aerodynamics Aerospace engineering Satellites Artificial satellites Meteorology
• Palabras claves:problema de visión, regresión del proceso gaussiano, imagen de 1d, conjuntos de datos de imágenes simuladas, variación de la pose de 2d, reconocimiento de satélites basado, estimación de la pose de los satélites, condiciones de iluminación, valor de la media, proceso gaussiano
• Keywords:problem of vision, gaussian process regression, image of 1d, simulated image datasets, 2d pose variation, based satellite recognition, satellite pose estimation, lighting conditions, means value, gaussian process