From:東京工業(yè)大學 編譯:Yulei近日，來自日本東京工業(yè)大學的研究人員將基于深度學習的新型傳感器送入太空。作為日本新型衛(wèi)星技術(shù)驗證計劃的一部分，這一稱為深度學習姿態(tài)傳感器（Deep Learning Attitude Sensor，DLAS）的傳感器利用深度學習算法來實現(xiàn)低成本、高精度、長在軌時間姿態(tài)傳感器。它主要包含了地球傳感器和星體追蹤器兩個部分，他們分別基于不同的深度學習算法來對進行三軸位姿估計。

利用邊緣計算平臺和簡單的圖像分割算法實現(xiàn)了不同地表的識別，隨后利用一種新穎的姿態(tài)估計算法從識別后的數(shù)據(jù)中估計出三軸位姿。

這一算法主要分為以下幾個步驟，首先在軌道上對地表進行拍攝，并將拍攝的照片分別送入到圖像識別網(wǎng)絡(luò)和邊緣檢測器中；其中圖像識別網(wǎng)絡(luò)將根據(jù)不同的地表特征對圖像進行分割，將圖像中的太空、陸地、海洋和森林等區(qū)域識別出來；而送入邊緣檢測圖像則先檢測地球與太空的邊緣，確定出兩個中的姿態(tài)；隨后利用地圖映射得到陸地的分割結(jié)果；最后結(jié)合地表特征的分割結(jié)果和陸地的分割結(jié)果來實現(xiàn)模式匹配，最終得到三軸位姿的精確估計。

模式識別以及匹配的方法開發(fā)出了星體跟蹤器，通過持續(xù)追蹤太空中的恒星位置來實現(xiàn)高精度姿態(tài)估計。這一方法首先利用星體特征抽取獲取太空中恒星的位置，隨后利用模式匹配來尋找對應(yīng)的恒星，最后根據(jù)匹配的幾何關(guān)系實現(xiàn)三軸姿態(tài)估計。

實時圖像識別的軌道測試。通過使用兩個緊湊型可見光攝像機對地表進行拍攝，通過處理估計出三軸位姿。具體來講，將拍攝到的圖像送入專門開發(fā)的高速、輕量級圖像識別網(wǎng)絡(luò)進行處理，目前可以在4秒內(nèi)處理800萬像素的圖像、并根據(jù)地表特性的不同將地表分割的結(jié)果分為九大類，包括綠地，沙漠，海洋，云和外太空等。這是首次使用深度學習在太空中進行實時的圖像識別。

最后廣泛研究這種圖像識別技術(shù)的應(yīng)用，并評估這種三軸姿態(tài)估計方法的準確性，特別是地表特征被云層遮擋的情況下的可靠性，并將它們與預(yù)先記錄在星載計算機上的地圖數(shù)據(jù)進行比較。東京工業(yè)大學對于納米微信的研發(fā)已經(jīng)有很長的歷史。自工程技術(shù)演示衛(wèi)星CUTE-I以來，東工大的Kawai實驗室和Matsunaga實驗室的研究小組致力于納米衛(wèi)星空間科學觀測，并通過開展，發(fā)射和運行納米衛(wèi)星，引領(lǐng)世界納米衛(wèi)星的發(fā)展。這次將深度學習技術(shù)應(yīng)用于姿態(tài)估計領(lǐng)域也在開創(chuàng)了全新的研究領(lǐng)域。

短期天體物理現(xiàn)象的初始活動跡象。而觀測的主要波段紫外線卻因為大氣阻擋，使得星載設(shè)備成為了唯一的研究途徑。

送上太空的觀測設(shè)備同時還需要一個穩(wěn)定的觀測平臺。要觀測即遙遠又微弱的星體，需要衛(wèi)星保持較高的姿態(tài)穩(wěn)定性?？梢韵胂笠幌?，在顛簸的汽車上我們是無法用相機拍出窗外的美景的，只有在平穩(wěn)行駛的時候我們才有可能從容的拍攝下清晰的風景。此外由于衛(wèi)星通信鏈路的限制，難以將所有圖像數(shù)據(jù)瞬時傳送回地面，只有傳輸短小的報文信息才能使短期快速通信成為可能。為了充分結(jié)合天體綜合的觀測設(shè)備，實現(xiàn)聯(lián)合觀測，開發(fā)星載高速處理算法成為了有效觀測的必由之路。研究人員希望衛(wèi)星可以對采集的圖像進行分析，例如目標天體的準確位置和亮度的分析結(jié)果傳送回地球。為了完成這樣復雜的觀測任務(wù)，需要開發(fā)高度精確的星體跟蹤器以及高新能的星載計算機，同時還需要開發(fā)高性能、低功耗的自動圖像分析技術(shù)。