Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Vision-based 3D reconstruction for navigation a...

Vision-based 3D reconstruction for navigation and characterization of unknown, space-borne targets

Avatar for Spatial AI Network

Spatial AI Network

July 09, 2025
Tweet

More Decks by Spatial AI Network

Other Decks in Technology

Transcript

  1. Agenda 1. Introduction: 分野のご紹介 2. 論文紹介: VISION-BASED 3D RECONSTRUCTION FOR

    NAVIGATION AND CHARACTERIZATION OF UNKNOWN, SPACE-BORNE TARGETS Note: - 前半部分は表題の論文の内容とは限りません - 後半部分は特に記載がない限り、表題の論文が出典です。 - ニッチなアプリケーション領域の紹介です。
  2. なぜ宇宙空間で3D Reconstructionが必要? - 小惑星や人工物にランデブーしたい - 航法技術は基本的に対象の形状情報を前提 としている - 形状情報が事前にないこともある -

    小惑星は事前にはわからない - 人工物も衝突などで変形している可能性 - 通信遅延などがあるので、衛星側で自律制御 できるのが理想
  3. 技術的難しさ - 撮影自体の難しさ - 近づくのが難しい - 望遠では安定したポインティングが難 しい - 撮りたい方向から撮るのが難しい

    - 画像処理の難しさ - ハイコントラスト - Harsh Shadows - 動的に変化し続ける照明条件 - 軌道上の人工物は基本テカテカ NASA: ハッブル宇宙望遠鏡
  4. Approach - LiDAR - Stereophotoclinometry(SPC) - Triangulation - SfM-MVS -

    Stereo Vision - Novel View Synthesis ISAS/JAXA: SPCによるリュウグウの形状モデル
  5. 現状 - 現状 - 実例はごく少ない - NeRF/3DGS適用の論文が多い - Gaussian Splatting:

    最近の事例 - 期待される応用先 - デブリ除去 - 小惑星探査 - 未登録物体の識別 - 燃料補給・修理
  6. 論文紹介: VISION-BASED 3D RECONSTRUCTION FOR NAVIGATION AND CHARACTERIZATION OF UNKNOWN,

    SPACE-BORNE TARGETS 33rd AAS/AIAA Space Flight Mechanics Meeting, Austin, TX, January 15-19, 2023.
  7. 背景 - LiDAR手法はサイズ・重量・電力・コストが 大きいのでVisionでやりたい(V3DR) - V3DRは複雑さゆえに実用できていない - 先行研究で示されていない3つのGap - 設計パラメータの感度解析

    - 逐次画像と同期画像の比較 - ターゲットが自然物か人工物かの影響 - 包括的な解析を実施 https://www.youtube.com/watch?v=d7UxzpnmpWk&t=908s&a b_channel=SpaceRendezvousLaboratory
  8. 対象 カメラ 実験: シナリオ設定 - 設計パラメータ - Angular Separation -

    Number of Views - Percent of FoV(Distance) - Target Rotation Rate - 状態の不確実性 - Absolute Pose Uncertainty - Relative Pose Uncertainty - Clock Sync 対象を中心に円軌道上を等間隔 で撮影していく。Tangoの場合も、 相対的に円を描く軌道を選択す ることができる Sequential撮影の場合は一つの 衛星で逐次撮影。Synchronize の場合は複数衛星で同時撮影
  9. 結果: Angular Separation 結果は顕著なものを除き割愛 - SV - 角度差を大きくしていくと、視差が得 られてエラーが減少していく -

    しかし一定以上になると、十分な マッチング量が得られず悪化に転ず る - SfM - 同様の傾向が見られるが、マッチン グ減少の影響をより強く受ける
  10. 結果: State Uncertainty - Absolute Position Errorが本論文の parameter上で最も大きな影響を与え る -

    Relative Position ErrorはAbsoluteに 比べて誤差が一桁小さい。一般的に Relative誤差のほうが小さく抑えやす いため。 - clock 同期誤差と姿勢誤差の影響は 小さい
  11. 結果: Synchronized vs. Sequential Imaging - Keypointsを使用したケースでは、 Synchronizedは同様、またはより良 い結果だった -

    Verticesを使用したケースでは、わ ずかな差 - 平均して20%誤差が小さかった