FenixEdu™

Dissertação

Vision-based Navigation supported by Convolutional Neural Networks for Lunar and Planetary Landing Missions EVALUATED

Detalhes: Os sistemas de navegação auxiliada por visão são uma tecnologia relevante na indústria espacial. Este método é baseado no uso de câmaras como o principal componente de um sistema de navegação para estimar a posição e atitude relativas de um veículo espacial, nomeadamente para operações de proximidade, tais como missões de aterragem lunar e planetária. Nas últimas décadas, as técnicas de processamento de imagem convencionais têm vindo a ser substituídas por redes neuronais convolucionais num vasto número de tarefas e domínios, dado que os métodos de Inteligência Artificial têm vindo a ultrapassar em grande parte os testes de referência. Inspirados por estes avanços promissores, nesta Tese, investigamos alternativas usando Aprendizagem Profunda para algoritmos clássicos de processamento de imagem, que possam vir a ser usadas numa navegação auxiliada por imagem, no âmbito de missões de aterragem planetária. Desta forma, propomos uma abordagem completa para avaliar detetores de pontos de interesse com o objetivo de estimar estados do movimento em missões de aterragem planetária, usando dados representativos, simulados e ainda o mais recente vídeo da NASA da aterragem do rover Perseverance. Com este objetivo, apresentamos uma solução baseada em homografias. Uma avaliação qualitativa e quantitativa é apresentada, comparando detetores de pontos de interesse clássicos e um baseado em arquiteturas de Aprendizagem Profunda. Ao obtermos resultados promissores na aplicação de aprendizagem automática para este problema, introduzimos uma alternativa aos algoritmos clássicos de visão computacional. Para além disso, discutimos possíveis trabalhos futuros para melhorar os resultados.
Keywords: Navegação auxiliada por visão, Aterragem Planetária, Homografia, Aprendizagem Profunda, Redes Neuronais Convolucionais, Detetores de pontos de interesse

Discussão: julho 26, 2021, 16:0