Target Localization from 3D data for On-Orbit Autonomous Rendezvous & Docking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Neptec has developed a vision system for autonomous on-orbit rendezvous and docking that does not require the use of cooperative markers on the target spacecraft. The system uses an active TriDAR 3D sensor and efficient model based tracking algorithms to provide 6 degree of freedom (6DOF) relative pose information in real-time. The TriDAR (triangulation + LIDAR) sensing technology combines triangulation and Time-of-Flight (ToF) active ranging techniques within the same optical path. This configuration takes advantage of the complementary nature of these two imaging technologies and allows the system to provide fast and accurate 3 dimensional data at both short and long range. In partnership with the Canadian Space Agency (CSA), Neptec has developed a novel object localization algorithm that calculates the relative pose of a target spacecraft without requiring an initial estimate of the pose. This algorithm will be used to automatically initiate the model based tracking process and recover if tracking is lost. The technique was specifically designed for real-time operations in space where a target spacecraft could be tumbling and processing power is limited. Most traditional approaches to object recognition and pose estimation algorithms require high resolution data arranged in a grid such that convolution based operators can be used. This generally means that data acquisition is slow and real-time data processing requires a powerful computer. Neptec's approach follows the More Information Less Data (MILD) paradigm. It requires only a unorganized sparse 3D point cloud of the target, keeping the data acquisition time to a minimum.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 découle