Key points are not available for this paper at this time.
A detecção bem-sucedida de componentes chave dentro de satélites é um pré-requisito crucial para a execução de missões de captura em órbita. Devido à funcionalidade inerente orientada a dados, os algoritmos de detecção de componentes baseados em aprendizado profundo dependem fortemente da escala e da qualidade do conjunto de dados para sua precisão e robustez. No entanto, os conjuntos de dados de imagens de satélites existentes apresentam várias deficiências, como a falta de estados de movimento dos satélites, iluminações extremas ou oclusão de componentes críticos, o que prejudica severamente o desempenho dos algoritmos de detecção. Neste trabalho, suprimos essa lacuna por meio do lançamento de um novo conjunto de dados adaptado para a detecção de componentes chave de satélites. Diferentemente dos conjuntos de dados convencionais compostos por imagens sintéticas, o conjunto de dados proposto, Componentes Típicos de Satélites (TYCOS), é composto por fotos autênticas capturadas em um ambiente espacial simulado. Ele abrange três tipos de satélites, três tipos de componentes chave, três tipos de iluminação e três tipos de estado de movimento. Enquanto isso, cenários com oclusão na frente do satélite também são considerados. Com base no TYCOS, vários métodos de detecção de ponta são empregados em experimentos rigorosos seguidos de uma análise abrangente, o que melhora ainda mais o desenvolvimento da percepção de cenas espaciais e a segurança dos satélites.
He et al. (Sex,) estudaram essa questão.