一个大规模的合成基准数据集用于非合作空间目标感知
Yuxuan Liu1,2, Chunjiang Bian3, Hongbin Nie3
1National Space Science Center, Chinese Academy of Sciences, Beijing, China. liuyuxuan231@mails.ucas.ac.cn.
Scientific data
|November 12, 2025
概括
研究人员创建了一个新的合成数据集,NCSTP,以训练深度学习模型用于空间目标感知. 这一基准数据集有助于开发精确的太空物体检测和识别系统.
科学领域:
- 航空航天工程 航空航天工程
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 准确的太空目标感知对于在轨航天任务至关重要.
- 深度学习模型对空间目标感知有希望,但需要大型标记数据集.
- 现有的数据集不足以进行全面的深度学习模型培训.
研究的目的:
- 为了解决空间目标感知当前数据集的局限性.
- 建立一个名为NCSTP的多任务合成基准数据集.
- 支持同时探测空间目标,识别和组件细分.
主要方法:
- 收集和修改卫星,太空碎片和太空岩石的模型.
- 使用Blender在现实的空间环境中生成了20万个合成图像.
- 用于检测,识别和组件细分任务的注释数据.
主要成果:
- 开发了NCSTP数据集,其中包含各种空间目标变化.
- 数据集支持用于感知任务的多任务学习.
- 通过对数据集测试最先进的模型建立了一个基准.
结论:
- NCSTP数据集有效地解决了在太空目标感知中需要大规模标记数据的需求.
- 该基准有助于评估和推进用于航空航天应用的深度学习模型.
- 这一资源将加速用于太空任务的自主感知系统的开发.


