Sensitivity Testing of Stereophotoclinometry for the OSIRIS-REx Mission. I. The Accuracy and Errors of Digital Terrain Modeling
Notice bibliographique
Résumé
Abstract Stereophotoclinometry (SPC) was the prime method of shape modeling for NASA’s OSIRIS-REx mission to asteroid Bennu. Here we describe the extensive testing conducted before launch to certify SPC as NASA Class B flight software, which not only validated SPC for operational use but also quantified the accuracy of this technique. We used a computer-generated digital terrain model (DTM) of a synthetic asteroid as the truth input to render simulated truth images per the planned OSIRIS-REx observing campaign. The truth images were then used as input to SPC to create testing DTMs. Imaging sets, observational parameters, and processing techniques were varied to evaluate their effects on SPC's performance and their relative importance for the quality of the resulting DTMs. We show that the errors in accuracy for SPC models are of the order of the source images’ smallest pixel sizes and that a DTM can be created at any scale, provided there is sufficient imagery at that scale. Uncertainty in the spacecraft’s flight path has minimal impact on the accuracy of SPC models. Subtraction between two DTMs (truth and simulated) is an effective approach for measuring error but has limitations. Comparing the simulated truth images with images rendered from the SPC-derived DTMs provides an excellent metric for DTM quality at smaller scales and can also be applied in flight by using real images of the target. SPC has limitations near steep slopes (e.g., the sides of boulders), leading to height errors of more than 30%. This assessment of the accuracy and sensitivity of SPC provides confidence in this technique and lessons that can be applied to future missions.
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 | 0,002 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».