SatSplatYOLO: 3D Gaussian Splatting-based Virtual Object Detection Ensembles for Satellite Feature Recognition

这篇文章介绍了一种方法，可以在轨道上对未知的、不合作的卫星进行几何图形映射和高置信度组件检测，以应对在非合作、可能未知的卫星周围进行精确会合和接近操作的任务，如轨道维修、卫星检查和主动碎片清除等。由于载人任务的安全问题和地面控制的滞后性，这些任务需要完全自主的执行。该方法使用加速的三维高斯点云渲染学习卫星的三维表示，渲染出虚拟视图，并在虚拟视图上集成YOLOv5目标检测器，从而实现可靠、准确和精确的卫星组件检测。整个流程可以在机载上运行，可用于实现下游的机器智能任务，如自主导航和控制。

解决在轨维修、航天器检查和主动碎片清除等任务中，对未合作、可能未知的卫星进行精确交会和近距离操作的问题，需要完全自主的解决方案。

使用加速的3D高斯喷洒技术学习卫星的3D表示，并在虚拟视图上集成YOLOv5目标检测器，从而实现对卫星组件的可靠、准确和精确检测。

实验设计了完整的流程，能够在机上运行，实现下游机器智能任务，包括自主制导、导航和控制任务。论文的亮点包括使用加速的3D高斯喷洒技术学习卫星的3D表示，并在虚拟视图上集成YOLOv5目标检测器，从而实现对卫星组件的可靠、准确和精确检测。

最近的相关研究包括《Deep Reinforcement Learning for Autonomous Spacecraft Rendezvous and Docking》、《Autonomous Rendezvous and Docking with a Non-Cooperative Target Using Deep Reinforcement Learning》等。