Tirocini ed elaborati finali - Laurea Triennale

Abstract
This study investigates whether heatmap-based keypoint estimation improves spacecraft pose robustness compared to direct coordinate regression. A neural network predicts 2D keypoint heatmaps from monocular images. Keypoints are extracted and
combined with a known 3D spacecraft keypoint model to estimate 6DoF pose via PnP. The approach is evaluated under occlusions, illumination changes, and partial visibility.

Objectives

1. Implement a heatmap regression model for spacecraft keypoints.
2. Build a full keypoint-to-pose pipeline using PnP.
3. Compare against a direct keypoint regression baseline.
4. Quantify robustness under challenging visual conditions.

Methodology

1. Use existing spacecraft dataset with 2D keypoint labels.
2. Train a compact heatmap model.
3. Decode heatmaps  to get 2D keypoints.
4. Estimate pose with solvePnP and camera intrinsics.
5. Evaluate against a direct-regression baseline with same training setup.

Expected Contributions

1. Reproducible spacecraft pose pipeline from keypoint heatmaps.
2. Comparative analysis: heatmap vs direct regression.

Tools: python, pytorch, ultralytics, vs-code, google colab.  

Le immagini radar ad apertura sintetica (SAR) sono frequentemente contaminate da artefatti dovuti a interferenze in radiofrequenza (RFI), che ne degradano la qualità e compromettono le applicazioni a valle. Il rilevamento automatico di tali artefatti è un problema aperto di grande rilevanza per l'osservazione della Terra.

Le attività di tirocinio e tesi si inseriscono nell'ambito della challenge ESA Φ-Lab ClearSAR (https://platform.ai4eo.eu/clear-sar), con scadenza a maggio 2026.

Obiettivi

• Sviluppare un modello di rilevamento e localizzazione di artefatti RFI in immagini SAR quicklook (RGB), basato su reti neurali per la localizzazione di oggetti
• Partecipare alla challenge ClearSAR, con valutazione sulla metrica mAP (mean Average Precision) secondo lo standard COCO

Metodologia

• Studio del dataset ClearSAR (3.940 immagini annotate con riquadri di delimitazione)
• Addestramento e ottimizzazione di architetture di rilevamento (es. YOLOv8/v11, Faster R-CNN)
• Sottomissione alla challenge e confronto con lo stato dell'arte in classifica

Contributi attesi

• Procedura riproducibile per il rilevamento automatico di RFI in immagini SAR
• Analisi comparativa di architetture di rilevamento su dati di osservazione della Terra

Tutor: Alessandro Lotti

La propagazione orbitale, ossia il calcolo della traiettoria di oggetti in orbita a partire da un set di condizioni iniziali, è un'operazione fondamentale in astrodinamica. Essa trova diverse applicazioni, tra cui il monitoraggio dell'ambiente orbitale terrestre, in cui la predizione dello stato orbitale di un satellite consente di valutare il rischio di collisione con altri oggetti, siano essi satelliti attivi o space debris.

L'obiettivo del tirocinio è implementare diversi tipi di propagatori orbitali (analitici, numerici, semi-analitici) attraverso Orekit, una libreria Java di astrodinamica sviluppata da CS Group, e confrontarne le performance.

Sono richieste conoscenze di base di:

• meccanica orbitale
• MATLAB

L'obiettivo della tesi verrà concordato al termine del tirocinio.

Tutor: Stefano Palmiotto

L'Initial Orbit Determination (IOD) è un algoritmo che, a partire da un set di osservazioni di un oggetto in orbita, fornisce una stima iniziale della sua posizione e velocità ad un certo istante temporale. La IOD trova applicazione, ad esempio, nel contesto di Space Surveillance and Tracking, ossia il monitoraggio della popolazione orbitale terrestre, dove consente di ricostruire lo stato orbitale di un oggetto osservato che non è noto a priori. Tale stima può essere poi raffinata e propagata nel tempo per valutare il rischio di collisioni con altri oggetti in orbita terrestre. Inoltre, una direzione che sta prendendo sempre più piede in Space Surveillance and Tracking è quella di spostare gli osservatori da terra agli stessi satelliti in orbita, con il vantaggio di una maggiore copertura e dell'assenza di atmosfera.

Il tirocinio si compone delle seguenti attività:

• simulazione di uno scenario orbitale terrestre tramite Aerospace Toolbox di MATLAB
• simulazione delle osservazioni di un target da parte di un satellite osservatore
• implementazione e confronto di algoritmi di IOD forniti da Orekit, una libreria Java di astrodinamica sviluppata da CS Group

Sono richieste conoscenze di base di:

• meccanica orbitale
• MATLAB

L'obiettivo della tesi verrà concordato al termine del tirocinio.

Tutor: Stefano Palmiotto

Il Laboratorio dispone di una dark room attrezzata con un braccio robotico UR10e, una guida lineare motorizzata, un sistema motion capture OptiTrack e sun simulator per test di pose estimation (image-based) e navigazione relativa di satelliti. La facility necessita di una caratterizzazione metrologica formale e di un ambiente di simulazione che consenta la pianificazione offline delle operazioni.

L'attività di tirocinio prevede:

• Studio della norma ISO 9283 (Performance criteria and related test methods for manipulating industrial robots) e progettazione di una campagna di test di ripetibilità del braccio robotico UR10e, utilizzando il sistema OptiTrack come riferimento di misura esternoEsecuzione dei test, analisi statistica dei risultati e stesura di un test report formale comprensivo di incertezze di misura
• Sviluppo di un digital twin della facility in Gazebo a partire dal modello URDF esistente, ottenuto modellando i componenti in SolidWorks
• Validazione della corrispondenza tra pianificazione traiettorie in ambiente simulato (MoveIt + Gazebo) ed esecuzione sul sistema reale

L'obiettivo della tesi verrà concordato al termine del tirocinio.
Tutor: Alessandro Lotti