OrbitTrack: Advanced RSO detection and tracking from wide field-of-view on-orbit images
Notice bibliographique
Résumé
The growing congestion in Low Earth Orbit, driven by increased space exploration and satellite deployments, has made Space Situational Awareness more critical than ever. To address this challenge cost-effectively, we propose OrbitTrack, a deep learning-based approach for detecting and tracking RSO using wide field-of-view cameras such as commercial off-the-shelf star trackers. Our method is specifically designed to process the Fast Auroral Imager dataset from the CASSIOPE satellite, which presents unique difficulties such as low frame rates, low resolution, and short-exposure images. Additionally, the satellite’s spin-stabilized nature causes both stars and RSOs to follow curved trajectories, complicating their detection and tracking. OrbitTrack employs YOLOX-Nano, a lightweight real-time object detector, leveraging consecutive images to capture trajectory-based features for more accurate detection. For tracking, we introduce a training-free association mechanism inspired by Simple Online and Realtime Tracking but enhanced to use RSO velocity and center distances to predict future positions and associate tracklets. This method overcomes the limitations of traditional Kalman filter and IoU-based approaches, which struggle with low frame rates, and eliminates the need for hyperparameters such as covariance matrices and IoU thresholds. The system efficiently processes 640 × 640 images in 43 ms and 768 × 768 images in 55 ms on a standard CPU, making it suitable for real-time applications. In experiments, OrbitTrack demonstrates a precision of 97.2 %, recall of 74.2 %, MOTA of 71.4, IDF1 of 81.9, and an ID switch rate of just 0.7 over a stack of three consecutive frames. This represents a significant improvement over the rule-based state-of-the-art method, increasing precision by 10.2 % and recall by 11.2 %. The method’s efficiency and accuracy position OrbitTrack as a promising tool for enhancing Near-Earth space monitoring using existing hardware.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».