Detection and tracking of resident space objects with event-based cameras

Il presente lavoro sviluppa e valida un sistema di tracciamento visivo basato su sensori neuromorfici, o event-based, per applicazioni di Space Situational Awareness (SSA). A differenza dei sensori tradizionali, le camere event-based generano eventi asincroni in risposta a variazioni locali di luminosità, permettendo una rappresentazione spaziotemporale altamente efficiente, con elevata risoluzione temporale e basso consumo energetico. La ricerca esplora algoritmi provenienti dalla letteratura per l’elaborazione di questi dati, comprendenti la costruzione di superfici temporali a decadimento esponenziale, un filtro di attivazione spaziale per ridurre il rumore, un rilevatore di feature basato su template angolari e un tracciatore asincrono di eventi con meccanismo di potenziale membranale ispirato ai neuroni Leaky Integrate-and-Fire (LIF). Il sistema è stato testato su dataset reali di osservazioni spaziali e in laboratorio mediante un setup controllato in cui un target puntiforme si muove su uno sfondo uniforme. La regolazione dei parametri dei sensori ha consentito di ridurre il rumore di fondo e migliorare il rapporto segnale-rumore, aumentando l’efficacia del tracciamento. I risultati mostrano che la combinazione di sensori event-based e algoritmi neuromorfici permette di ottenere una sequenza di eventi pulita e gestibile in tempo reale, riducendo significativamente la complessità computazionale.