arXiv cs.AI· Yonglong Zhang, Zongwu Xie, Yang Liu·· 13 小时前AI 评分18
基于极性与时间交互及多级可靠性的航天器位姿估计框架
Polarity--Time Interaction and Multi-Level Reliability for Event-Based Spacecraft Pose Estimation
AI 导读
一个可靠性感知框架通过极性—时间定位、几何恢复、事件—CAD 精修与轨迹优化实现航天器位姿估计，在官方 SPADES 挑战测试集上取得 0.0474 的综合位姿分数，比 PASAN+IRIS 低约 5.4%。消融实验显示，完整级联将基础定位加均匀 PnP 的 0.0772 降至 0.0514；在相同单帧观测下，质量加权把常权优化的 0.0549 降至 0.0514。
正文 · AI 翻译
摘要：稀疏事件响应会产生不均匀的关键点误差，其对航天器位姿的影响取决于对应几何关系以及连续观测的可靠性。我们提出一个可靠性感知框架，将极性—时间定位、几何恢复、事件—CAD 细化与轨迹优化连接起来。一个三分支表示通过跨分支注意力与门控将正事件、负事件和近期事件时序相结合，随后进行时空聚合。一个有序语义点头估计相对对应精度，用于几何约束下的位姿恢复。随后，事件边缘与 CAD 投影的一致性在关键点几何保护下引导局部位姿细化。在序列层面，一个十维描述子结合热图形状、重投影一致性和几何条件，以设定时间对齐的观测尺度。在官方 SPADES 挑战测试集上，完整系统取得 0.0474 的综合位姿分数，比 PASAN+IRIS 低约 5.4\%。验证消融将分数从基础定位配合均匀 PnP 的 0.0772 降至完整级联的 0.0514；在相同的单帧观测上，质量加权将分数从恒定权重优化的 0.0549 降至 0.0514。
| 主题： | 人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.36625 [cs.AI] |
| （或本版本的 arXiv:2610.36625v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.36625 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yonglong Zhang [查看邮箱]
[v1]
2026年10月27日星期二 04:29:19 UTC（464 KB）
来源：arXiv cs.AI · arxiv.org