Optics and Precision Engineering, Volume. 30, Issue 20, 2538(2022)
Overview of visual pose estimation methods for space missions
Figures & Tables(9)
Fig. 4. Classification of visual pose estimation methods based on deep learning
Table 1. Applications based on visual technology in space missions
View tableView in ArticleTable 1. Applications based on visual technology in space missions
项目名称 国家 时间 测量方式 视觉系统 观测目标 SRMS［ 39 ］加拿大 1981 遥操作监视 单目相机 空间站等 ROTEX 德国 1993 遥操作监视 单目相机 - TORU［ 40 ］俄罗斯 1994 遥操作监视 双目相机 飞船、空间站 RRM［ 41 ］美国 2011 遥操作监视 双目相机 卫星、加注口 玉兔号［ 42 ］中国 2013 遥操作监视 双目相机 月面 EST-VII［ 43 ］日本 1997 合作目标测量 CCD相机 目标星 OE［ 44 ］美国 1999 合作目标测量 VGS 目标星 太空船［ 44 ］美国 2005 合作目标测量 AVGS 目标星 天宫一号［ 45 ］中国 2011 合作目标测量 雷达、CCD相机 对接靶标 天宫二号［ 45 ］中国 2016 合作目标测量 单目相机 对接靶标 FREND/SUMO［ 46 ］美国 终止 非合作目标 立体视觉 对接环
Table 1. Applications based on visual technology in space missions
View tableView in ArticleTable 1. Applications based on visual technology in space missions
项目名称 国家 时间 测量方式 视觉系统 观测目标 PHOENIX［ 47 ］美国 2011年 非合作目标 立体视觉 星箭对接环 ROGER［ 48 ］欧空局 终止 非合作目标 变焦相机 空间碎片、故障航天器 TECSAS［ 49 ］德国 终止 非合作目标 光学相机、激光雷达 对接环 DEOS［ 50 ］德国 2006 非合作目标 EPOS系统 对接环 CX-OLEV［ 50 ］德国 2007 非合作目标 多相机组合 目标星 SDMR［ 51 ］日本 2009 非合作目标 双目视觉 空间碎片 SMART-OLEV 欧洲 2009 非合作目标 双目视觉 发动机喷嘴 天问一号［ 52 ］中国 2020 非合作目标 中高分辨率相机 火星地表 RSGS 美国 2021 非合作目标 双目视觉 目标星 祝融号火星车［ 52 ］中国 2021 非合作目标 多光谱、导航相机 火星地表 e.Deorbit［ 53 ］加拿大 2021 非合作目标 - 空间碎片
Table 2. Comparison of target recognition networks
View tableView in ArticleTable 2. Comparison of target recognition networks
分类 算法 作者 时间 检测速度 mAP（VOC2007） mAP（COCO2017） 一阶
网络
YOLO［ 69 ］Redmon J， Divvala S 2015 45 FPS 63.40% - SSD［ 70 ］Liu W 2015 59 FPS 73.90% 31.20% YOLOv2［ 73 ］Redmon J， Farhadi A 2017 67 FPS 76.80% 21.60% DSSD［ 71 ］Fu C Y， Liu W， et al 2017 9.5 FPS 78.60% - RSSD［ 72 ］Jeong J， Park H， Kwak N 2017 35 FPS 78.50% - YOLOv3［ 74 ］Redmon J， Farhadi A 2018 72 FPS - 33.00% YOLOv4［ 75 ］Bochkovskiy A 2020 65 FPS - 43.50% YOLOv5s Jocher G 2020 2 ms - 36.70% YOLOv5m 2020 2.7 ms - 44.50% YOLOv5l 2020 3.8 ms - 48.20% YOLOv5s 2020 6.1 ms - 50.40% 二阶
网络
R-CNN［ 76 ］Malik 2014 47 s/张 66.00% - Fast-RCNN［ 77 ］Girshick R 2015 2 s/张 66.90% - Faster-RCNN［ 78 ］Ren S Q， He K M 2016 5 FPS 66.90% 36.80% Mask-RCNN［ 79 ］He K M， Gkioxari G 2018 5 FPS - 37.70% Mask Scoring-RCNN［ 80 ］Huang Z J，Huang L C 2019 5 FPS - 41.70%
Table 3. Comparison of pose estimation networks
View tableView in ArticleTable 3. Comparison of pose estimation networks
分类 名称 作者 时间 对象 特点 整体回归法 PoseCNN［ 81 ］Yu X， Schmidt T 2017 RGB图像 高维语义嵌入低维特征 BB8［ 82 ］Rad M， Lepetit V 2017 RGB图像 采用8个顶点的2D投影预测3D姿态 YOLO-6D［ 83 ］Tekin B， Sinha S N 2018 RGB图像 直接预测投影顶点的2D图像位置 SSD-6D［ 84 ］Kehl W， Manhardt F 2017 RGB图像 采用离散化视图将回归问题转化为分类问题 Deep6DPose［ 85 ］Do T， Cai M 2018 RGB图像 端对端体系，附加区域建议网络 分类投票法 MCN［ 86 ］Li C， Bai J 2018 RGB图像 多视图融合，减少单视图的模糊性 CullNet［ 87 ］Gupta K，Petersson L 2019 RGB图像 利用置信度评分对位姿估计进行筛选 DenseFusion［ 88 ］Wang C， Xu D F 2019 多源数据 采用稠密融合网络提取像素级特征，迭代细化 PVNet［ 89 ］Peng S， Liu Y 2019 RGB图像 引入关键点方向，并添加不确定性驱动 PVNE3D［ 90 ］He Y S，Sun W 2020 RGB-D图像 拓展PVNet到三维关键点，利用几何约束
Tools
Get Citation
Copy Citation Text
Rui ZHOU, Yanfang LIU, Naiming QI, Jiayu SHE. Overview of visual pose estimation methods for space missions[J]. Optics and Precision Engineering, 2022, 30(20): 2538
Paper Information
Category: Information Sciences
Received: Jan. 17, 2022
Accepted: --
Published Online: Oct. 27, 2022
The Author Email: LIU Yanfang (yanfangliu@hit.edu.cn)
© Copyright 2018-2021 | Chinese Laser Press.
All Rights Reserved 沪ICP备15018463号-20