論文の概要: Detection-Aware Trajectory Generation for a Drone Cinematographer
- arxiv url: http://arxiv.org/abs/2009.01565v1
- Date: Thu, 3 Sep 2020 10:27:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 08:03:46.086527
- Title: Detection-Aware Trajectory Generation for a Drone Cinematographer
- Title（参考訳）: ドローンシネマトグラフィーのための検出・認識軌道生成
- Authors: Boseong Felipe Jeon, Dongseok Shim and H. Jin Kim
- Abstract要約: 提案手法は,撮影用ドローンの動作を積極的に誘導し,撮影対象の色がドローンの視界の背景色とよく区別されるようにする。
パイプライン全体がオンザフライで更新され、ターゲットの動きに反応する。
- 参考スコア（独自算出の注目度）: 25.223801390996435
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work investigates an efficient trajectory generation for chasing a
dynamic target, which incorporates the detectability objective. The proposed
method actively guides the motion of a cinematographer drone so that the color
of a target is well-distinguished against the colors of the background in the
view of the drone. For the objective, we define a measure of color
detectability given a chasing path. After computing a discrete path optimized
for the metric, we generate a dynamically feasible trajectory. The whole
pipeline can be updated on-the-fly to respond to the motion of the target. For
the efficient discrete path generation, we construct a directed acyclic graph
(DAG) for which a topological sorting can be determined analytically without
the depth-first search. The smooth path is obtained in quadratic programming
(QP) framework. We validate the enhanced performance of state-of-the-art object
detection and tracking algorithms when the camera drone executes the trajectory
obtained from the proposed method.
- Abstract（参考訳）: 本研究では, 動的目標を追尾するための効率的な軌道生成手法について検討した。
提案手法は,撮影用ドローンの動作を積極的に誘導し,撮影対象の色がドローンの視界の背景色とよく区別されるようにする。
目的,追跡経路を与えられた色検出性の測定値を定義する。
メトリックに最適化された離散経路を計算した後、動的に実現可能な軌道を生成する。
パイプライン全体をオンザフライで更新することで、ターゲットの動きに応答することができる。
効率的な離散経路生成のために、深度優先探索なしでトポロジカルソートを解析的に決定できる有向非巡回グラフ(DAG)を構築する。
滑らかな経路は2次プログラミング(QP)フレームワークで得られる。
提案手法により得られた軌道をカメラドローンが実行した場合,最先端の物体検出・追尾アルゴリズムの性能向上を検証した。
関連論文リスト
- Construction of Object Boundaries for the Autopilotof a Surface Robot
from Satellite Imagesusing Computer Vision Methods [101.18253437732933]
衛星地図上での水物体を検出する手法を提案する。
輪郭のGPS座標を計算するアルゴリズムを作成する。
提案アルゴリズムは,表面ロボットオートパイロットモジュールに適したフォーマットで結果の保存を可能にする。
論文 参考訳（メタデータ） (2022-12-05T12:07:40Z) - A Search and Detection Autonomous Drone System: from Design to
Implementation [7.760962597460447]
ターゲットを見つけるのに要する時間の観点からの探索効率は、山火事の検出に不可欠である。
経路計画と目標検出という2つのアルゴリズムが提案されている。
その結果,提案アルゴリズムはミッションの平均時間を大幅に短縮することがわかった。
論文 参考訳（メタデータ） (2022-11-29T01:44:29Z) - Vision-aided UAV navigation and dynamic obstacle avoidance using
gradient-based B-spline trajectory optimization [7.874708385247353]
本稿では,ロボットの車載視力を利用した勾配に基づくB-スプライン軌道最適化アルゴリズムを提案する。
提案手法は、まず円ベースのガイドポイントアルゴリズムを用いて、静的障害物を避けるためのコストと勾配を近似する。
視界検出された移動物体では, 動的衝突を防止するために, 反射・水平距離場が同時に使用される。
論文 参考訳（メタデータ） (2022-09-15T02:12:30Z) - ParticleSfM: Exploiting Dense Point Trajectories for Localizing Moving
Cameras in the Wild [57.37891682117178]
本稿では,一対の光流からの高密度対応に基づく動画の高密度間接構造抽出手法を提案する。
不規則点軌道データを処理するために,新しいニューラルネットワークアーキテクチャを提案する。
MPIシンテルデータセットを用いた実験により,我々のシステムはより正確なカメラ軌道を生成することがわかった。
論文 参考訳（メタデータ） (2022-07-19T09:19:45Z) - Neural Motion Fields: Encoding Grasp Trajectories as Implicit Value
Functions [65.84090965167535]
本稿では,ニューラルネットワークによってパラメータ化される暗黙的値関数として,オブジェクト点群と相対的タスク軌跡の両方を符号化する新しいオブジェクト表現であるNeural Motion Fieldsを提案する。
このオブジェクト中心表現は、SE(3)空間上の連続分布をモデル化し、サンプリングベースのMPCを利用して、この値関数を最適化することで、反応的に把握することができる。
論文 参考訳（メタデータ） (2022-06-29T18:47:05Z) - Cross-Camera Trajectories Help Person Retrieval in a Camera Network [124.65912458467643]
既存の手法では、純粋な視覚的マッチングや時間的制約を考慮することが多いが、カメラネットワークの空間情報は無視する。
本稿では,時間的情報と空間的情報を統合したクロスカメラ生成に基づく歩行者検索フレームワークを提案する。
本手法の有効性を検証するため,最初のカメラ横断歩行者軌跡データセットを構築した。
論文 参考訳（メタデータ） (2022-04-27T13:10:48Z) - Implicit Motion Handling for Video Camouflaged Object Detection [60.98467179649398]
本稿では,新しいビデオカモフラージュオブジェクト検出(VCOD)フレームワークを提案する。
短期的および長期的整合性を利用して、ビデオフレームからカモフラージュされたオブジェクトを検出する。
論文 参考訳（メタデータ） (2022-03-14T17:55:41Z) - Class agnostic moving target detection by color and location prediction
of moving area [11.326363150470204]
移動目標検出はコンピュータビジョンにおいて重要な役割を果たす。
ディープラーニングベースの畳み込みニューラルネットワークのような最近のアルゴリズムは、高精度でリアルタイムのパフォーマンスを実現している。
モデル自由移動目標検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-06-24T12:34:58Z) - Trajectory saliency detection using consistency-oriented latent codes
from a recurrent auto-encoder [0.0]
軌道は、プログレッシブな動的サリエンシー検出をサポートする最良の方法です。
与えられた文脈に関連する共通の動きパターンを共有する通常の軌跡から逸脱した場合、軌跡は有能である。
本手法は,鉄道駅で取得した歩行者軌跡の公開データセットから得られた複数のシナリオにおいて,既存の手法に勝ることを示す。
論文 参考訳（メタデータ） (2020-12-17T13:29:11Z) - AutoTrajectory: Label-free Trajectory Extraction and Prediction from
Videos using Dynamic Points [92.91569287889203]
軌道抽出と予測のための新しいラベルなしアルゴリズムAutoTrajectoryを提案する。
動画中の移動物体をよりよく捉えるために,ダイナミックポイントを導入する。
ビデオ内の歩行者などの移動物体を表すインスタンスポイントに動的ポイントを集約する。
論文 参考訳（メタデータ） (2020-07-11T08:43:34Z) - Applying r-spatiogram in object tracking for occlusion handling [16.36552899280708]
映像追跡の目的は、動画シーケンス内の移動対象を正確に特定し、そのシーケンスの特徴空間内の非ターゲットから目標を識別することである。
本稿では,オブジェクトモデリング,オブジェクト検出とローカライゼーション,モデル更新という,参照モデルの3つの主要コンポーネントで構成される多くのトラッカーの基本概念を用いる。
論文 参考訳（メタデータ） (2020-03-18T02:42:51Z)
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。