Fugu-MT 論文翻訳(概要): RSSI-based Outdoor Localization with Single Unmanned Aerial Vehicle

論文の概要: RSSI-based Outdoor Localization with Single Unmanned Aerial Vehicle

arxiv url: http://arxiv.org/abs/2004.10083v1
Date: Mon, 20 Apr 2020 15:05:41 GMT
ステータス: 処理完了
システム内更新日: 2022-12-11 19:23:52.408409
Title: RSSI-based Outdoor Localization with Single Unmanned Aerial Vehicle
Title（参考訳）: 無人航空機を用いたRSSIを用いた屋外位置推定
Authors: Seyma Yucer, Furkan Tektas, Mesih Veysi Kilinc, Ilyas Kandemir, Hasari Celebi, Yakup Genc, Yusuf Sinan Akgul
Abstract要約: 単一UAVのみを利用するRSSIに基づくローカライズ手法を提案する。提案手法は, 繰り返し回数に応じて, 位置精度を7mまで低くすることができる。
参考スコア（独自算出の注目度）: 9.577478740319668
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Localization of a target object has been performed conventionally using multiple terrestrial reference nodes. This paradigm is recently shifted towards utilization of unmanned aerial vehicles (UAVs) for locating target objects. Since locating of a target using simultaneous multiple UAVs is costly and impractical, achieving this task by utilizing single UAV becomes desirable. Hence, in this paper, we propose an RSSI-based localization method that utilizes only a single UAV. The proposed approach is based on clustering method along with the Singular Value Decomposition (SVD). The performance of the proposed method is verified by the experimental measurements collected by a UAV that we have designed and computer simulations. The results show that the proposed method can achieve location accuracy as low as 7m depending on the number of iterations.
Abstract（参考訳）: ターゲットオブジェクトのローカライズは通常、複数の地上参照ノードを使用して行われてきた。このパラダイムは、最近、無人航空機(UAV)による目標物の位置特定に向けてシフトしている。複数のUAVを同時に使用する目標の配置はコストがかかり実用的ではないため、単一のUAVを利用することでこの課題を達成することが望ましい。そこで本稿では,単一のUAVのみを利用するRSSIに基づくローカライズ手法を提案する。提案手法は,Singular Value Decomposition (SVD) とともにクラスタリング手法に基づいている。提案手法の性能は, 設計したUAVが収集した実験結果と計算機シミュレーションにより検証した。その結果,提案手法は反復回数に応じて7m以下の位置精度を達成できることがわかった。

関連論文リスト

SFTrack: A Robust Scale and Motion Adaptive Algorithm for Tracking Small and Fast Moving Objects [2.9803250365852443]
本稿では,無人航空機(UAV)映像における多物体追跡の問題に対処する。交通監視システムや警察によるリアルタイム容疑者追跡など、様々なUAVアプリケーションにおいて重要な役割を果たしている。低信頼度検出から対象物体の追跡を開始する新しい追跡戦略を提案する。
論文参考訳（メタデータ） (2024-10-26T05:09:20Z)
UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
論文参考訳（メタデータ） (2024-04-11T03:19:22Z)
Anti-Jamming Path Planning Using GCN for Multi-UAV [0.0]
UAVスワーミングの有効性は、ジャミング技術によって著しく損なわれる可能性がある。 UAV群集が集団知能を利用してジャム領域を予測する手法が提案されている。マルチエージェント制御アルゴリズムを使用して、UAVスワムを分散し、ジャミングを回避し、ターゲットに到達すると再グループ化する。
論文参考訳（メタデータ） (2024-03-13T07:28:05Z)
Diffusion-Based Particle-DETR for BEV Perception [94.88305708174796]
Bird-Eye-View (BEV)は、自律走行車(AV)における視覚知覚のための最も広く使われているシーンの1つである。近年の拡散法は、視覚知覚のための不確実性モデリングに有望なアプローチを提供するが、BEVの広い範囲において、小さな物体を効果的に検出することができない。本稿では,BEVにおける拡散パラダイムと最先端の3Dオブジェクト検出器を組み合わせることで,この問題に対処する。
論文参考訳（メタデータ） (2023-12-18T09:52:14Z)
Joint Optimization of Deployment and Trajectory in UAV and IRS-Assisted IoT Data Collection System [25.32139119893323]
無人航空機(UAV)は多くのモノのインターネット(IoT)システムに適用できる。 UAV-IoT無線チャネルは、時には木や高層建築物によってブロックされることがある。本稿では,UAVの展開と軌道を最適化することで,システムのエネルギー消費を最小化することを目的とする。
論文参考訳（メタデータ） (2022-10-27T06:27:40Z)
Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments [20.69412701553767]
無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を確実にする。本稿では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
論文参考訳（メタデータ） (2022-01-23T07:18:55Z)
Trajectory Design for UAV-Based Internet-of-Things Data Collection: A Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文参考訳（メタデータ） (2021-07-23T03:33:29Z)
A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文参考訳（メタデータ） (2021-07-19T12:54:04Z)
MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
論文参考訳（メタデータ） (2020-12-24T06:36:48Z)
Autonomous and cooperative design of the monitor positions for a team of UAVs to maximize the quantity and quality of detected objects [0.5801044612920815]
本稿では、完全に未知の地形内にUAVの群れを配置する問題に取り組む。 YOLOv3と複製対象を識別するシステムを用いて、各UAVの構成に1つのスコアを割り当てた。予め定義されたスコアを最適化できる新しいナビゲーションアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-07-02T16:52:57Z)
Congestion-aware Evacuation Routing using Augmented Reality Devices [96.68280427555808]
複数の目的地間でリアルタイムに個別の避難経路を生成する屋内避難のための渋滞対応ルーティングソリューションを提案する。建物内の混雑分布をモデル化するために、ユーザエンド拡張現実(AR)デバイスから避難者の位置を集約して、オンザフライで取得した人口密度マップを用いる。
論文参考訳（メタデータ） (2020-04-25T22:54:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。