MétaCan
Menu
Retour à la cohorte
Enregistrement W4243519581 · doi:10.32920/ryerson.14645982

Detection Strategies for High Slew Rate, Low SNR Star Tracking

2021· preprint· en· W4243519581 sur OpenAlexaff
Laila Kazemi

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueInertial Sensor and Navigation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésStar (game theory)Star trackerSlew rateThresholdingComputer scienceArtificial intelligenceTracking (education)StarsPixelComputer visionAlgorithmImage (mathematics)PhysicsAstrophysicsAstronomy

Résumé

récupéré en direct d'OpenAlex

This research is aimed to improve star tracker performance in presence of dynamic conditions. It offers an assessment of various image thresholding and centroiding algorithms to improve star tracker centroiding accuracy at moderate slew rates (< 10 0=s). Star trackers generally have arc-second accuracy in stationary conditions, however their accuracy degrades as slew rate increases. In dynamic conditions, blur effects add to the challenges of star detection. This work presents an image processing algorithm for star images that preserves star tracker detection accuracy and is able to detect dim stars up to slew rates less than 10 0=s. A number of algorithms from literature were evaluated and their performance in motion and simulations were measured. The primary performance metrics are false positive ratio, and false negative ratio of star pixels. This Work introduced a new algorithm for star acquisition in moderate slew rates that combines positive features of existing algorithms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,475
Score d'incertitude au seuil0,934

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,230
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInertial Sensor and NavigationTravaux en français237 207