Stima della posa di un satellite da immagini monoculari basata su reti neurali

Spisni, Simone (2022) Stima della posa di un satellite da immagini monoculari basata su reti neurali. [Laurea], Università di Bologna, Corso di Studio in Ingegneria aerospaziale [L-DM270] - Forli', Documento ad accesso riservato.
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (13MB) | Contatta l'autore

Abstract

Le missioni spaziali che prevedono operazioni di prossimità tra due o più satelliti richiedono la conoscenza accurata della posa relativa al fine di poter manovrare i veicoli in sicurezza. Nei casi in cui siano coinvolti solo due satelliti, si distinguono un inseguitore ed un bersaglio. Qualora il bersaglio sia non cooperativo, la posa deve essere stimata autonomamente dall’inseguitore. In questo elaborato viene presentato un algoritmo per la stima della posa di un satellite da immagini monoculari, basata su reti neurali. La soluzione proposta consiste essenzialmente in una rivisitazione dell’approccio adottato dai vincitori della Satellite Pose Estimation Challenge, organizzata dall’Agenzia Spaziale Europea nel 2019, con lo scopo di migliorare il compromesso tra costo di calcolo e accuratezza. In particolare, il metodo si compone di tre sottosistemi principali: una rete neurale per identificare il satellite all’interno dell’immagine, una seconda rete con il compito di individuare una selezione di punti, ed un risolutore di prospettiva. In fase di sviluppo è stato inoltre valutato l’impatto di diverse tipologie di aumentazioni applicate durante l’allenamento della seconda rete. L’introduzione di rotazioni randomiche delle immagini ha consentito di raggiungere un’accuratezza media di circa 1.6° e 19 cm sul dataset SPEED, alla luce di un numero di parametri delle reti estremamente contenuto, pari a circa 6.5 milioni.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
Spisni, Simone
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Microsatelliti, stima della posa, deep learning, reti neurali convoluzionali, aumentazioni
Data di discussione della Tesi
26 Maggio 2022
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^