Object detection and image cropping integration on a tracklet extraction pipeline

Space Surveillance and Tracking activities are fundamental for maintaining an adequate level of safety in the space environment, allowing the actors in the field to keep their instruments operational. Given the buildup of high-speed clutter and the ever-increasing number of inoperative satellites, present and future space missions are at stake due to recurring conjunction events between resident space objects and strategic orbiting assets. The main activities of the Space Surveillance and Tracking segment are the observation of objects in orbit and the maintenance of an updated catalog with their orbital parameters. This allows us to maintain collision risk awareness and be able to perform orbit modification maneuvers to avoid potential impacts. Monitoring space objects is mainly performed with sensor networks of combined radar and optical ground stations. The latter relies on advanced image processing techniques to locate the streak an orbiting object illuminated by the Sun leaves on the detector during observation campaigns. In this thesis, an alternative structure of an existing pipeline for tracklet extraction is proposed. In particular, the core of this work is to integrate a Machine Learning aided object detection suite for tracklet spotting with a tool for astrometric reduction. Via object detection, it is possible to crop a night shot around the object of interest and perform the tracklet extraction to obtain the centroid position. By carrying out the astrometric reduction of the image, the angular coordinates expressed in Right Ascension and Declination are associated with the pixel coordinates of the centroid of the tracklet. This data can be used to initiate the orbital determination process. The results obtained from this customized structure are compared with those obtained from astrometric reduction alone. It is observed a lowered computational time without losing the ability to correctly analyze a large number of images and to accurately estimate the centroid angular coordinates.

Le attività di sorveglianza e tracciamento sono fondamentali per il mantenimento di un'adeguato livello di sicurezza nell'ambiente spaziale, consentendo agli attori in campo di mantenere operativi i propri strumenti. Data la crescente congestione di oggetti orbitanti e l'aumento del numero di satelliti non operativi, il successo delle missioni spaziali presenti e future è a rischio a causa di ricorrenti eventi di congiunzione tra oggetti spaziali residenti e risorse strategiche in orbita. Le attività principali del segmento di Space Surveillance and Tracking sono l'osservazione degli oggetti in orbita e il costante aggiornamento di un catalogo con i loro parametri orbitali. Questo consente di avere consapevolezza del rischio di collisione e di essere in grado di eseguire manovre di modifica dell'orbita per evitare potenziali impatti. Il monitoraggio degli oggetti spaziali avviene principalmente integrando reti di sensori che includono stazioni terrestri radar e ottiche. Queste ultime si basano su tecniche avanzate di elaborazione delle immagini al fine di individuare la traccia che un oggetto orbitante illuminato dal Sole lascia sul sensore durante le campagne di osservazione. In questa tesi viene proposta una struttura alternativa di una esistente pipeline per l'estrazione delle tracce. In particolare, il fulcro di questo lavoro è l'integrazione di uno strumento per il rilevamento di oggetti basato su tecniche di Apprendimento Automatico che permette di rilevare la traccia, con uno strumento per la riduzione astrometrica. Attraverso lo strumento di rilevazione, è possibile ritagliare uno scatto notturno attorno all'oggetto di interesse ed eseguire l'estrazione della traccia per ottenere la posizione del centroide. Effettuando la riduzione astrometrica dell'immagine, le coordinate angolari espresse in Ascensione Retta e Declinazione sono associate alle coordinate pixel del centroide della traccia. Questi dati possono essere utilizzati per avviare il processo di determinazione orbitale. I risultati ottenuti da questa pipeline modificata vengono confrontati con quelli ottenuti dalla sola riduzione astrometrica. Si osserva un tempo computazionale ridotto senza perdere la capacità di analizzare correttamente un elevato numero di immagini e di stimare accuratamente le coordinate angolari del centroide.