Read more
Generative Adversarial Networks (GAN) hanno avuto enormi applicazioni in Computer Vision. Eppure, nel contesto della scienza spaziale e dell'esplorazione planetaria, la porta è aperta a grandi progressi. Introduciamo strumenti per gestire i dati planetari dalla missione Chang'E-4 e presentiamo un framework per il trasferimento di stile neurale utilizzando la coerenza del ciclo dalle immagini renderizzate. Introduciamo anche una nuova pipeline in tempo reale per la localizzazione e la mappatura simultanea (SLAM) e l'odometria inerziale visiva (VIO) nel contesto dei rover planetari. Sfruttiamo le informazioni preliminari sulla posizione del lander per proporre un approccio SLAM a livello di oggetto che ottimizzi la posa e la forma del lander insieme alle traiettorie della telecamera del rover. Come ulteriore passaggio di raffinamento, proponiamo di utilizzare tecniche di interpolazione tra campioni temporali adiacenti; videlicet sintetizzando immagini inesistenti per migliorare la precisione complessiva del sistema. Gli esperimenti sono condotti nel contesto dell'Iris Lunar Rover, un nano-rover che sarà schierato su terreno lunare nel 2021 come ammiraglia della Carnegie Mellon, essendo il primo rover senza pilota d'America ad essere sulla Luna.
About the author
J. de Curtò possui um duplo mestrado em Telecomunicações da Universitat Politècnica de Catalunya e Universitat Autònoma de Barcelona. De Curtò prosseguiu estudos de pós-graduação em Engenharia Eléctrica e Informática na Universidade da Cidade de Hong Kong e na Carnegie Mellon. Teve muitos compromissos de investigação entre eles na ETH Zürich e CUHK.
