SLAM a eventi per la ricostruzione del moto relativo tra due satelliti: studio di una pipeline ibrida APS-DVS-IMU con backend GTSAM

Questa tesi propone una pipeline di Visual-Inertial Odometry per stimare la traiettoria di una camera DAVIS346 in moto attorno a un satellite bersaglio, con l’obiettivo di valutare la fusione tra eventi (DVS), immagini di intensità (APS) e misure inerziali (IMU) nel regime di moto tipico di un’ispezione orbitale ravvicinata. Il codice, sviluppato in Python, integra i tre flussi sensoriali in un back-end a factor graph basato sulla libreria GTSAM, che ottimizza il grafo in modo incrementale tramite iSAM2. Il modulo di front-end utilizza un tracker Kanade–Lucas–Tomasi su entrambi i canali: sulle immagini APS, con rilevamento di angoli di Harris, e sul flusso di eventi, dove il rilevamento avviene con FAST su un frame compensato con la rotazione misurata dal giroscopio. I landmark da eventi e da immagini sono mantenuti in due insiemi separati, legati tra loro solo dalle pose comuni e dalla preintegrazione IMU. La selezione dei keyframe e altre componenti seguono le pratiche consolidate dello SLAM visivo-inerziale basato su feature, mentre le condizioni del setup sperimentale hanno richiesto alcune soluzioni dedicate, tra cui un rilevatore dell’istante di inizio del moto affidato a un test del rapporto di verosimiglianza generalizzato (GLRT) sulle misure inerziali. Il lavoro è da intendersi come una proposta di pipeline, testata presso la SPARTANS Facility del CISAS dell’Università di Padova su un mock-up di un satellite bersaglio, con riferimento fornito dal sistema di motion capture a telecamere infrarosse del laboratorio. I risultati sperimentali mostrano che l’integrazione di questi sensori in un’unica architettura a factor graph consente di stimare la traiettoria della camera con accuratezza coerente con il riferimento di motion capture, evidenziando il potenziale delle event camera come sensore complementare ai sistemi visivo-inerziali tradizionali.