論文の概要: A Novel Indoor Positioning System for unprepared firefighting scenarios
- arxiv url: http://arxiv.org/abs/2008.01344v1
- Date: Tue, 4 Aug 2020 05:46:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 00:22:02.921293
- Title: A Novel Indoor Positioning System for unprepared firefighting scenarios
- Title(参考訳): 未準備消火シナリオのための新しい室内位置決めシステム
- Authors: Vamsi Karthik Vadlamani, Manish Bhattarai, Meenu Ajith, Manel
Mart{\i}nez-Ramon
- Abstract要約: 本研究は、室内位置決めシステム(IPS)のためのコンパス方向推定とIMUデータに基づく活動認識のための新しい光フローベースビデオを実装した。
この技術は、最初の応答者が未準備で未知の環境に入るのに役立ち、依然として、方向や犠牲者のファイアファイターの位置といった状況認識を維持するのに役立ちます。
- 参考スコア(独自算出の注目度): 2.446948464551684
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Situational awareness and Indoor location tracking for firefighters is one of
the tasks with paramount importance in search and rescue operations. For Indoor
Positioning systems (IPS), GPS is not the best possible solution. There are few
other techniques like dead reckoning, Wifi and bluetooth based triangulation,
Structure from Motion (SFM) based scene reconstruction for Indoor positioning
system. However due to high temperatures, the rapidly changing environment of
fires, and low parallax in the thermal images, these techniques are not
suitable for relaying the necessary information in a fire fighting environment
needed to increase situational awareness in real time. In fire fighting
environments, thermal imaging cameras are used due to smoke and low visibility
hence obtaining relative orientation from the vanishing point estimation is
very difficult. The following technique that is the content of this research
implements a novel optical flow based video compass for orientation estimation
and fused IMU data based activity recognition for IPS. This technique helps
first responders to go into unprepared, unknown environments and still maintain
situational awareness like the orientation and, position of the victim fire
fighters.
- Abstract(参考訳): 消防士の状況把握と屋内位置追跡は,捜索救助活動において最も重要な課題の一つである。
屋内測位システム(IPS)にとって、GPSは最良の解決策ではない。
デッドレコメンテーション、Wifi、ブルートゥースによる三角測量、SFM(Structure from Motion)に基づく屋内位置決めシステムのためのシーン再構築など、他の技法はほとんどない。
しかし, 高温, 急速に変化する火の環境, 熱画像の視差が低いため, リアルタイムに状況認識を高めるために必要な消火環境において, 必要な情報を中継するには適していない。
消火環境では、煙と視界の低さにより熱画像カメラが使用されるため、消火点推定から相対方位を得るのは非常に困難である。
本研究の内容である次の技術は、オブジェクト指向推定のための新しい光フローベースビデオコンパスとIPSのためのIMUデータベースアクティビティ認識を実装している。
このテクニックは、最初の応答者が準備が整っていない未知の環境に入り込み、被害者の消防士の位置や方向のような状況認識を維持するのに役立ちます。
関連論文リスト
- NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative Learning for Dynamic Driving Scenes [49.92839157944134]
夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。
雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。
雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
論文 参考訳(メタデータ) (2024-02-28T09:02:33Z) - Fusion of Radio and Camera Sensor Data for Accurate Indoor Positioning [45.926983284834954]
広範に普及しているカメラのインフラが捉えた匿名の視覚検出を無線で読み取る新しい位置決めシステムであるRAVELを提案する。
我々の実験では、WiFi測定はそれ自体が十分正確ではないが、カメラデータと融合すると、不明瞭で断片的で匿名のビジュアル・トラックレットをまとめる触媒となる。
論文 参考訳(メタデータ) (2023-02-01T11:37:41Z) - Spatio-Temporal Split Learning for Autonomous Aerial Surveillance using
Urban Air Mobility (UAM) Networks [16.782309873372057]
本稿では,街路火災の検知を目的とした監視型UAVを利用する。
このシナリオに時空間分割学習を適用して、プライバシを保護し、世界規模で火災分類モデルを訓練する。
本稿では,このUAV環境での分断学習に必要なクライアント数とデータ比率と,必要なネットワークインフラについて検討する。
論文 参考訳(メタデータ) (2021-11-15T01:39:31Z) - Meta-UDA: Unsupervised Domain Adaptive Thermal Object Detection using
Meta-Learning [64.92447072894055]
赤外線(IR)カメラは、照明条件や照明条件が悪ければ頑丈である。
既存のUDA手法を改善するためのアルゴリズムメタ学習フレームワークを提案する。
KAISTおよびDSIACデータセットのための最先端熱検出器を作成した。
論文 参考訳(メタデータ) (2021-10-07T02:28:18Z) - Integrating Deep Learning and Augmented Reality to Enhance Situational
Awareness in Firefighting Environments [4.061135251278187]
文献の中では,消防士の状況認識を初めて構築するための,新たな4つのアプローチを提案する。
まず、深層畳み込みニューラルネットワーク(CNN)システムを用いて、熱画像から興味のある物体をリアルタイムで分類、同定した。
次に、オブジェクト検出、追跡、Mask RCNNフレームワークによるセグメンテーション、マルチモーダル自然言語処理(NLP)フレームワークによるシーン記述のためのCNNフレームワークを拡張した。
第3に、ストレスによる不整合と不安に免疫する深いQラーニングに基づくエージェントを構築し、観察結果に基づいて明確なナビゲーション決定を行う。
論文 参考訳(メタデータ) (2021-07-23T06:35:13Z) - Infrared Beacons for Robust Localization [58.720142291102135]
本稿では、赤外ビーコンと光帯域通過フィルタを備えたカメラを用いたローカライズシステムを提案する。
本システムは,照明条件にかかわらず,100m距離の個々のビーコンを確実に検出し識別することができる。
論文 参考訳(メタデータ) (2021-04-19T14:23:20Z) - Unsupervised Depth and Ego-motion Estimation for Monocular Thermal Video
using Multi-spectral Consistency Loss [76.77673212431152]
本研究では,全日深度とエゴモーション推定のための教師なし学習手法を提案する。
提案手法はマルチスペクトル整合性損失を利用してネットワークを補完的に監視する。
提案手法で訓練されたネットワークは、低照度およびゼロ照度条件下での単眼熱ビデオの深度とポーズを堅牢に推定する。
論文 参考訳(メタデータ) (2021-03-01T05:29:04Z) - Aerial Imagery Pile burn detection using Deep Learning: the FLAME
dataset [9.619617596045911]
FLAME(Fire Luminosity Airborne-based Machine Learning Evaluation)は、火災の空中画像のデータセットを提供する。
本論文は,アリゾナ松林において,所定の燃えるデトリタスの間,ドローンが収集した火災画像データセットを提供する。
また、この論文は2つの機械学習問題の解決策を強調している: 火炎の存在と不在に基づくビデオフレームのバイナリ分類。
論文 参考訳(メタデータ) (2020-12-28T00:00:41Z) - Demo Abstract: Indoor Positioning System in Visually-Degraded
Environments with Millimetre-Wave Radar and Inertial Sensors [44.58134907168034]
本研究では,ミリ波レーダと慣性計測ユニット(IMU)データを深部センサ融合により融合する屋内位置決めシステムを提案する。
優れた精度とレジリエンスは、照明の悪いシーンでも見られた。
論文 参考訳(メタデータ) (2020-10-26T17:41:25Z) - An embedded deep learning system for augmented reality in firefighting
applications [2.750124853532832]
この研究は、ディープラーニング、ポイントクラウド、サーマルイメージング、拡張現実プラットフォームなど、最近の技術の進歩を実践している。
我々は、消防士の個人防護装置(PPE)に組み込まれたカメラからストリームされるデータを利用して、熱、RGB色、深度画像をキャプチャする、プロトタイプの組込みシステムの設計と構築を行った。
組込みシステムは、処理された画像をワイヤレスストリーミングで分析して返却し、拡張現実プラットフォームを使用してリモートで消防士に中継することができる。
論文 参考訳(メタデータ) (2020-09-22T16:55:44Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。