Lightweight compact optical correlator for spacecraft docking
Notice bibliographique
Résumé
Spacecraft docking, landing and star tracking are critical operations in various space missions. Docking provides the opportunity to joint two vehicles in order to change crews and deliver resources to a spacecraft. One of the main challenges in docking is to perform real-time tracking of the docking point for a precise and rapid feedback to the control system in order to achieve reliable operations. The same requirements are found for landing operations and star-tracking with main difference that the ground or sky is used for position and attitude tracking. Docking operations found multiple earth counterpart applications. Many of these earth-based applications concern the use of robotic devices to grab a specific object. In these cases various location parameters of the object are needed, such as rotation angle, scale and position. INO has developed a compact lightweight optical correlator prototype. This prototype provides a tool for the evaluation of various applications. In collaboration with ESA, INO studied the use of an optical correlator for selected space applications such as rendez-vous and docking, landing and star tracking operations. Optical correlator provides beyond real-time image processing capabilities and is well suited for target identification and positioning purpose. The optical correlator also shows low power consumption. In this paper, the latest analyses of the docking and landing applications are presented. For evaluation purpose, video sequences of Soyuz docking the International Space Station (ISS) were used. In the case of landing, moon images acquired in the SMART-1 mission, during its last orbits, were used. Mt. Wilson telescope images were used for star tracking examples.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».