Procedural Systems for Training Object Detection and Depth Estimation Algorithms in Space Environments

Thesis Description & Objectives

La generazione procedurale può, in misura variabile, creare automaticamente scene 3D sintetiche, fotorealistiche e annotate, basate su regole predefinite. Questo è molto utile per aumentare sinteticamente il numero di immagini da inviare ai sistemi di Intelligenza Artificiale (IA), come il rilevamento di oggetti (DE) e la stima della profondità (DE). Attualmente esistono diversi framework in grado di offrire questa capacità, tra cui Infinigen, Nvidia Omniverse e BlenderProc. La maggior parte di essi si concentra specificamente sulla generazione procedurale di ambienti simili alla Terra, come scene urbane, industriali e naturali, per applicazioni principalmente legate allo sviluppo di veicoli e robot autonomi.
Allo stesso tempo, esistono poche applicazioni per la generazione procedurale di ambienti spaziali fotorealistici annotati, che potrebbero contribuire alla creazione di robot autonomi in grado di orbitare attorno alla Terra per rimuovere detriti spaziali o navigare su superfici satellitari e planetarie.
L’obiettivo di questa proposta di tesi è pertanto quello di esplorare soluzioni per la generazione procedurale di ambienti spaziali fotorealistici e annotati che potrebbero essere utilizzati per le attività sopra menzionate.
Per ulteriori informazioni, si prega di contattare Bartolomeo Montrucchio e Antonio Marceddu alle seguenti email:
bartolomeo.montrucchio@polito.it
antonio.marceddu@polito.it

Advisors

Proposal Details

PoliTo Thesis ID #15960
PoliTo Thesis Page →
Application Deadline 03/09/2027