論文の概要: Distributed Variable-Baseline Stereo SLAM from two UAVs
- arxiv url: http://arxiv.org/abs/2009.04801v1
- Date: Thu, 10 Sep 2020 12:16:10 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 04:20:05.443954
- Title: Distributed Variable-Baseline Stereo SLAM from two UAVs
- Title（参考訳）: 2つのUAVからの分散可変ベースラインステレオSLAM
- Authors: Marco Karrer and Margarita Chli
- Abstract要約: 本稿では,単眼カメラを1台,IMUを1台搭載した2台のUAVを用いて,視界の重なりと相対距離の測定を行った。
本稿では,glsuavエージェントを自律的に制御するために,分散協調推定方式を提案する。
我々は,高度160mまでの飛行におけるアプローチの有効性を実証し,最先端のVIO手法の能力を大きく超えている。
- 参考スコア（独自算出の注目度）: 17.513645771137178
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: VIO has been widely used and researched to control and aid the automation of
navigation of robots especially in the absence of absolute position
measurements, such as GPS. However, when observable landmarks in the scene lie
far away from the robot's sensor suite, as it is the case at high altitude
flights, the fidelity of estimates and the observability of the metric scale
degrades greatly for these methods. Aiming to tackle this issue, in this
article, we employ two UAVs equipped with one monocular camera and one IMU
each, to exploit their view overlap and relative distance measurements between
them using UWB modules onboard to enable collaborative VIO. In particular, we
propose a novel, distributed fusion scheme enabling the formation of a virtual
stereo camera rig with adjustable baseline from the two UAVs. In order to
control the \gls{uav} agents autonomously, we propose a decentralized
collaborative estimation scheme, where each agent hold its own local map,
achieving an average pose estimation latency of 11ms, while ensuring
consistency of the agents' estimates via consensus based optimization.
Following a thorough evaluation on photorealistic simulations, we demonstrate
the effectiveness of the approach at high altitude flights of up to 160m, going
significantly beyond the capabilities of state-of-the-art VIO methods. Finally,
we show the advantage of actively adjusting the baseline on-the-fly over a
fixed, target baseline, reducing the error in our experiments by a factor of
two.
- Abstract（参考訳）: VIOは、特にGPSのような絶対位置測定がなければ、ロボットのナビゲーションの自動化を制御および支援するために広く使われ、研究されてきた。
しかし、高高度飛行の場合のように、現場の観測可能なランドマークがロボットのセンサースイートから遠く離れている場合、推定値の忠実さと測定スケールの可観測性はこれらの方法で大幅に低下する。
この問題に対処するために,本論文では,単眼カメラ1台とIMU1台を装備した2台のUAVを用いて,UWBモジュールを用いた視線重なりと相対距離の測定を行い,協調型VIOを実現する。
特に,2つのUAVからのベースラインの調整が可能な仮想ステレオカメラリグの形成を可能にする,新しい分散融合方式を提案する。
エージェントを自律的に制御するために,各エージェントが独自のローカルマップを保持し,11msの平均ポーズ推定レイテンシを達成し,コンセンサスに基づく最適化によってエージェントの見積の整合性を確保する分散協調推定方式を提案する。
実写シミュレーションの徹底的な評価を行ない,高度160mまでの高高度飛行におけるアプローチの有効性を実証した。
最後に,目標とする固定ベースラインに対してオンザフライのベースラインを積極的に調整することで,実験の誤差を2倍に低減できるという利点を示す。
関連論文リスト
- Long-Range Vision-Based UAV-assisted Localization for Unmanned Surface Vehicles [7.384309568198598]
地球測位システム (GPS) は海洋環境下での無人表面車両 (USV) によるフィールド操作に必須のナビゲーション手法となっている。
GPSは、自然の干渉や悪意のある妨害攻撃に弱いため、必ずしも屋外で利用できるとは限らない。
本研究では,無人航空機(UAV)を用いて,制限された海洋環境下でのUSVのローカライズを支援する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-08-21T08:37:37Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper [115.56455278813756]
航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。
本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
論文 参考訳（メタデータ） (2023-10-03T11:47:01Z) - Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。
標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
論文 参考訳（メタデータ） (2022-05-27T05:42:16Z) - 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) - Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense
Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。
我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。
ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文 参考訳（メタデータ） (2021-09-14T07:24:53Z) - 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) - Planetary UAV localization based on Multi-modal Registration with
Pre-existing Digital Terrain Model [0.5156484100374058]
我々は,UAV上のナディルビューカメラを用いて,惑星UAVの位置を推定するマルチモーダル登録に基づくSLAMアルゴリズムを提案する。
オンボードUAV画像とプリインストールデジタル地形モデルとのスケールと外観の違いを克服するために,UAV画像とDEMの地形特性がクロスパワースペクトルを介して周波数領域で相関できることを示す理論的モデルを提案した。
提案するローカライゼーションアルゴリズムのロバスト性と有効性をテストするために,惑星探査のための新しいクロスソースドローンベースのローカライゼーションデータセットを提案する。
論文 参考訳（メタデータ） (2021-06-24T02:54:01Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z) - 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) - Reinforcement Learning for UAV Autonomous Navigation, Mapping and Target
Detection [36.79380276028116]
本研究では,無人航空機(UAV)に低高度レーダーを装備し,未知の環境下での飛行における共同検出・マッピング・ナビゲーション問題について検討する。
目的は、マッピング精度を最大化する目的で軌道を最適化することであり、目標検出の観点からは、測定が不十分な領域を避けることである。
論文 参考訳（メタデータ） (2020-05-05T20:39:18Z)
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。