Spacecraft-NeRF：基于神经辐射场的隐式表示方法实现的高保真航天器重建

《IEEE Transactions on Aerospace and Electronic Systems》：Spacecraft-NeRF: High-Fidelity Reconstruction of Spacecraft by Neural Radiance Field Based Implicit Representation

　　航天器三维重建与渲染优化方法Spacecraft-NeRF提出基于神经辐射场技术，结合Segment Anything模型生成掩码解决复杂背景干扰，采用混合编码策略提升重建精度，并基于自建数据集验证其在PSNR/SSIM/LPIPS指标上优于传统NeRF模型。

　　

摘要：

获取航天器的外观和几何信息是开展在轨服务的关键环节之一。然而，在缺乏先验信息的情况下，大多数现有方法仍然需要从主动传感器收集原始数据，然后通过一系列复杂的重建过程进行处理。因此，对于高保真度的航天器重建和渲染来说，简单且易于实现的方法仍然具有挑战性。近期，基于神经辐射场的隐式表示技术在多种重建任务中表现出色。在这项工作中，我们重点关注在轨服务中的基本需求：1）二维视图合成；2）三维模型重建，并提出了一种高保真度重建方法——Spacecraft-NeRF。该方法利用segment anything模型生成的掩码图像来屏蔽室外场景中的复杂背景内容，通过