机构名称：
¥ 1.0
准确推断空间物体的方向对于了解其运行状态和协调有效的空间交通管理至关重要。为了制定解决方向推断问题所需的框架，我们分析了几种标准的旋转数学表示，重点是连续性、唯一性和深度学习效率。在此基础上，我们自然而然地想到实现一种鲜为人知但表现良好的 6D 旋转表示。对于我们的推理模型的输入，我们采用了一种距离不变的观测技术，该技术长期以来一直用于在最小尺度上探索宇宙的最远处——光谱学。在深度卷积神经网络 (CNN) 的帮助下，我们研究了使用模拟的原始长缝光谱图像来推断未解析的大轨道半径范围内空间物体方向的可行性。我们介绍了在多个空间物体的光谱图像上训练 CNN 的方法和结果，目的是 i) 标准化旋转分析中使用的测量方法，ii) 建立基于光谱的性能的上限，以及 iii) 为未来将光谱应用于空间领域感知的工作扩展提供简单场景的基线。
利用光谱和卷积网络推断空间物体方向
主要关键词
相关文件推荐
