Deep learning for asteroids autonomous terrain relative navigation

The future of humanity in space will require, more and more frequently, proximity operations with unexplored celestial bodies. These types of missions will have an important role to expand our knowledge of the solar system and its planets. Moreover, asteroids and comets will have a crucial role in the future space economy and exploration. They will represent a strategic resource for the development and maintenance of interplanetary infrastructure and long-term deep space missions. These types of environments are often characterized by unknown terrain maps and lack of navigation infrastructure. Many techniques can be used to navigate in such scenarios, among all, terrain relative navigation is the one analyzed in this thesis manuscript. The proposed system aimed to retrieve the position of a spacecraft inside a pre-computed map with known coordinates. This was achieved by searching for the best matching point of the images coming from the spacecraft cameras. For this purpose, an artificial siamese convolutional neural network has been used, to develop a real-time image matching and position retrieval algorithm, for reliable autonomous navigation. The matching between two images has been computed by projecting the input images into a different dimensional space, called features space, in which it was possible to quantify and evaluate the similarity between the two images. In this thesis, the implementation details and the testing results of the proposed system are presented. They have been conducted either on a validation dataset and on three descent simulations. The use of machine learning techniques allowed the development of a system robust to image noise, reusable on multiple terrains and lending sites, which did not require any additional hardware components. Space exploration is one of the fields with the highest need for autonomous vehicles. The results presented in this thesis will give an idea of the potentiality and benefits of AI technologies applied in this field.

Il futuro dell'umanità nello spazio richiederà, sempre più frequentemente, operazioni di prossimità con corpi celesti inesplorati. Questo tipo di missioni avranno un ruolo importante per espandere la nostra conoscenza del sistema solare e dei suoi pianeti. Inoltre, gli asteroidi e le comete avranno un ruolo cruciale nell'economia e nel futuro dell’esplorazione spaziale. Saranno risorse strategiche per lo sviluppo e il mantenimento di missioni a lungo termine nello spazio profondo e per lo sviluppo di infrastrutture interplanetarie. Asteroidi e comete sono ambienti di cui non si dispone, a priori, di una mappa dettagliata e non è presente, in loco, un’infrastruttura a supporto della navigazione. Molte tecniche possono essere utilizzate per navigare in tali scenari, tra tutte, la navigazione ottica relativa al terreno è quella analizzata in questa tesi. Il sistema proposto mirava a recuperare la posizione di un veicolo spaziale all'interno di una mappa precalcolata con coordinate note. Tale sistema è stato realizzato cercando all’interno della mappa, una corrispondenza per le immagini proveniente dalla camera della sonda. Per predire la posizione della sonda è stata utilizzata una rete neurale siamese convoluzionale, per proiettare le immagini catturate dalla camera in uno spazio dimensionale diverso da quello di partenza, chiamato features space, in cui è stato possibile quantificare e valutare la somiglianza di due immagini. Più di un'architettura di rete neurale è stata testata per sviluppare questo sistema, in questa tesi vengono presentati i dettagli implementativi ed i risultati dei test, effettuati sia su un dataset di validazione che su tre simulazioni di atterraggio. L'utilizzo di tecniche di machine learning ha consentito lo sviluppo di un sistema robusto al rumore nelle immagini, riutilizzabile su più terreni e siti di atterraggio, che non necessita di componenti hardware aggiuntive. I risultati presentati in questa tesi evidenziano i benefici che tecniche di deep learning possono avere in un settore come l'esplorazione spaziale.