Идентификация космических аппаратов на ближней дистанции с использованием карт глубины

В статье рассматривается задача автоматического обнаружения, сегментации и классификации космических аппаратов с использованием карт глубины. Исследование проведено на основе синтезированных полунатурных данных, что позволило смоделировать различные условия орбитальной съемки и обеспечить точную эталонную разметку для количественной оценки алгоритмов. В связи с нестабильностью текстурных и цветовых признаков в реальных условиях космоса предлагается использовать геометрическую структуру объектов как ключевой инвариантный признак. Для решения задачи обнаружения разработан многоэтапный алгоритм, включающий адаптивную эквализацию гистограммы, локальную пороговую сегментацию, морфологическую обработку и фильтрацию ложных контуров по геометрическим критериям. Для классификации космических аппаратов использовались глубокие нейронные сети семейства ResNet в двух конфигурациях: на основе только оптических изображений и на основе комбинированных данных (изображение + карта глубины). Эксперименты на синтезированной выборке из 19 440 изображений показали, что предложенный алгоритм значительно превосходит модель SAM 3 по точности обнаружения (Precision 0,917 против 0,171), обеспечивая низкий уровень ложных срабатываний. Мультимодальный подход к классификации позволил достичь точности 99,9% (модель ResNet-152), что подтверждает эффективность использования карт глубины для надежного распознавания космических аппаратов в условиях космической съемки, приближенной к реальной.