MARC

 008260126s2024        us                              c    eng  d
■001000017360381
■00520260202105515
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263342784
■035    ▼a(MiAaPQ)AAI32309311
■035    ▼a(MiAaPQ)GeorgiaTech75319
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a531.14
■1001  ▼aDor,  Mehregan.
■24510▼aAutonomous  and  Robust  Monocular  Simultaneous  Localization  and  Mapping-Based  Navigation  for  Robotic  Operations  in  Space
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a215  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  B.
■500    ▼aAdvisor:  Tsiotras,  Panagiotis.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aNon-cooperative  unmapped  space  targets  are  typically  poorly  characterized  natural  or  artificial  orbiting  bodies  selected  for  inspection  by  means  of  an  observer  spacecraft  circumnavigating  it.  We  may  include  in  space  targets  such  things  as  resident  space  objects  (RSO)  and  space  debris,  but  equally  we  may  designate  unexplored  small  celestial  bodies,  such  as  comets  and  asteroids.  We  acknowledge  the  impact  of  autonomous  navigation  solutions  for  space  applications  in  both  rendezvous  and  proximity  operations  in  Earth  vicinity,  as  well  as  small  body  probing  and  surveying  missions  in  deep  space  setting.  The  ever  more  capable  on-board  computation  systems  which  allow  high-rate,  high  data-flow  applications  to  be  run  in  real-time,  provide  the  means  for  accurate  navigation  algorithms  to  also  be  run  on-board  the  observer  spacecraft,  for  the  purpose  of  closed-loop  control  of  the  spacecraft's  attitude  and  orbital  motions.  Yet,  current  navigation  pipelines  involve  highly  complex  procedures,  requiring  ground-segment  human  intervention,  especially  since  the  target  object's  shape  or  dynamical  properties  are  unknown  before  the  encounter.Meanwhile,  in  ground  robotics  research,  recent  strides  in  autonomous  and  precise  robotic  localization  and  mapping,  piggy-backed  on  the  advances  in  computer  vision-based  procedures  and  the  incorporation  of  machine  learning  techniques,  have  improved  performance,  accuracy,  robustness  and  reliability  by  leaps  and  bounds,  often  leaving  classical  methods  in  the  dust.  We  highlight  Simultaenous  Localization  and  Mapping  (SLAM),  which,  with  its  visual  (vSLAM)  and  visual-inertial  (viSLAM)  flavors,  in  both  monocular  and  stereo  vision  settings,  has  produced  impressive  and  efficient  results  for  large  scale  mapping  and  localization  tasks.Tomorrow's  next  generation  of  space-bound  applications  will  certainly  need  to  incorporate  and  adapt  today's  most  recent  solutions  from  the  ground  robotics  community  to  further  increase  the  breadth  and  scope  of  practicable  space  mission  designs.In  this  dissertation,  an  attempt  is  made  to  bridge  the  gap  between  space  and  ground  robotics  when  it  comes  to  the  state-of-the-art  of  precise  navigation  solutions.  Specifically,  the  realm  of  real-time  algorithms,  capable  of  running  on-the-fly  and  using  a  monocular  vision-based  measurement  paradigm,  are  examined.  By  preferring  monocular  measurements,  the  work  is  contrasted  to  the  most  recent  research  efforts  in  spacecraft  rendezvous  and  proximity  operations,  which  typically  favor  stereo  vision.  SLAM  is  selected  as  a  framework  solution  for  model-agnostic  non-cooperative  navigation.  A  case  study  is  conducted  to  determine  the  underlying  real-world  challenges  of  applying  monocular  SLAM  to  spacecraft  relative  navigation.  The  relevant  constraints  imposed  by  the  relative  orbital  dynamics  are  leveraged  to  improve  the  accuracy  of  the  navigation  solution,  instead  of  relying  on  uninformative  inertial  sensor  accelerometer  measurements.  The  proposed  solution  is  developed  within  a  state-of-the-art  incremental  smoothing-based  estimation  framework.  Through  validation  and  testing  with  simulation  data,  legacy  mission  data,  and  in-lab  generated  data,  the  accuracy  and  efficiency  of  the  algorithms  are  demonstrated.  An  existing  procedure  for  estimating  the  dynamical  parameters  of  a  spinning  target  spacecraft  is  extended  to  perform  the  estimation  of  spin  state,  center  of  mass  and  gravity  parameter  of  a  small  body,  on-the-fly.  A  modern  technique,  inspired  by  applications  in  mobile  augmented  reality,  is  exploited  to  tackle  the  challenges  plaguing  the  estimation  of  a  starting  map  and  robot  state  for  SLAM  initialization,  with  assumption  of  weak-perspective  projection  and  small  camera  baseline.
■590    ▼aSchool  code:  0078.
■650  4▼aGravity
■650  4▼aSpace  telescopes
■650  4▼aAccelerometers
■650  4▼aLie  groups
■650  4▼aParameter  estimation
■650  4▼aRobotics
■650  4▼aAstronomy
■650  4▼aMathematics
■650  4▼aOptics
■690    ▼a0771
■690    ▼a0606
■690    ▼a0405
■690    ▼a0752
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05B.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360381▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서