Benutzer: Gast  Login
Dokumenttyp:
Bachelorarbeit 
Autor(en):
Gebhard, Daniel 
Titel:
Implementation and Evaluation of Reinforcement Learning for Depth Image Enhancement in Orbital Proximity Operations 
Übersetzter Titel:
Implementierung und Evaluation von Reinforcement Learning für eine Tiefenbildverbesserung in orbitalen Nahbereichsoperationen 
Abstract:
In order to prevent the Kessler Syndrome and to extent the operational lifetime of satellites, Active Debris Removal and On Orbit Servicing missions are planned. Both rely on an uncooperative rendezvous between the chaser and the target. Often an exact 3D model of the target is not available which makes the task even more difficult. Many research groups as well as different space industry companies are developing systems for an uncooperative rendezvous. The RACOON-Lab at TUM is one of those r...    »
 
übersetzter Abstract:
Um das Eintreten des Kessler-Syndroms zu verhindern und die operationale Lebenszeit von Satelliten zu verlängern, sind Active Debris Removal- und On Orbit Servicing- Missionen geplant. Für beide ist ein unkooperatives Rendezvous-Manöver zwischen den Verfolger und dem Ziel notwendig. Häufig steht kein exaktes 3D-Modell des Ziels zur Verfügung, was die Aufgabe weiter erschwert. Viele Forschungsgruppen und Firmen aus der Weltraumindustrie entwickeln Systeme für unkooperative Rendezvous- Manöver. D...    »
 
Stichworte:
Space, RACOON, Satellite, Orbit, Reinforcement, Machine, Learning, Computer Vision 
Fachgebiet:
TEC Technik, Ingenieurwissenschaften (allgemein) 
DDC:
620 Ingenieurwissenschaften 
Betreuer:
Dziura, Martin 
Gutachter:
Walter, Ulrich (Prof. Dr.) 
Jahr:
2021 
Sprache:
en 
Sprache der Übersetzung:
de 
Hochschule / Universität:
Technical University of Munich 
Fakultät:
TUM School of Engineering and Design 
TUM Einrichtung:
Lehrstuhl für Raumfahrttechnik 
Annahmedatum:
16.12.2021 
Präsentationsdatum:
31.01.2022