論文の概要: OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles

• arxiv url: http://arxiv.org/abs/2009.10492v1
• Date: Tue, 22 Sep 2020 12:28:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-15 22:43:16.989670
• Title: OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles
• Title（参考訳）: OpenREALM:無人航空機のリアルタイムマッピング
• Authors: Alexander Kern, Markus Bobbe, Yogesh Khedar and Ulf Bestmann
• Abstract要約: OpenREALMは無人航空機(UAV)のリアルタイムマッピングフレームワークである 異なる操作モードにより、OpenREALMは近似平面場を仮定して単純な縫合を行うことができる。 すべてのモードにおいて、結果のマップの漸進的な進捗は、地上のオペレータによってライブで見ることができる。
• 参考スコア（独自算出の注目度）: 62.997667081978825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents OpenREALM, a real-time mapping framework for Unmanned Aerial Vehicles (UAVs). A camera attached to the onboard computer of a moving UAV is utilized to acquire high resolution image mosaics of a targeted area of interest. Different modes of operation allow OpenREALM to perform simple stitching assuming an approximate plane ground, or to fully recover complex 3D surface information to extract both elevation maps and geometrically corrected orthophotos. Additionally, the global position of the UAV is used to georeference the data. In all modes incremental progress of the resulting map can be viewed live by an operator on the ground. Obtained, up-to-date surface information will be a push forward to a variety of UAV applications. For the benefit of the community, source code is public at https://github.com/laxnpander/OpenREALM.
• Abstract（参考訳）: 本稿では,無人航空機(UAV)のリアルタイムマッピングフレームワークOpenREALMを提案する。 移動UAVの搭載コンピュータに取り付けられたカメラを利用して、対象領域の高解像度画像モザイクを取得する。 異なる操作モードにより、OpenREALMは近似平面を仮定して単純な縫合を行うことができ、複雑な3次元表面情報を復元して高度マップと幾何学的に修正された正光線の両方を抽出することができる。 さらに、UAVのグローバルな位置は、データのジオレファレンスに使用される。 すべてのモードにおいて、結果の地図の漸進的な進行は、地上のオペレーターによってライブで見ることができる。 得られた最新のsurface情報は、さまざまなuavアプリケーションへの前進となるだろう。 コミュニティの利益のために、ソースコードはhttps://github.com/laxnpander/OpenREALM.comで公開されている。

関連論文リスト

• SkyAI Sim: An Open-Source Simulation of UAV Aerial Imaging from Satellite Data [0.8749675983608172]
  視覚ベースのナビゲーション(VBN)のための現実の空中画像の取得は、可用性と条件が限られているため困難である。 SkyAI Simは、UAVをシミュレートして、現実の可視光帯域仕様で、鳥眼の衛星画像をゼロヨーでキャプチャする、魅力的な代替手段を提供する。
  論文  参考訳（メタデータ） (2024-10-02T20:08:29Z)
• Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
  クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。 実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-09-25T13:33:28Z)
• UAV-VisLoc: A Large-scale Dataset for UAV Visual Localization [20.37586403749362]
  大規模なUAV-VisLocデータセットを提示し、UAV視覚的ローカライゼーション作業を容易にする。 われわれのデータセットには6,742枚のドローン画像と11個の衛星マップが含まれており、緯度、経度、高度、捕獲日などのメタデータがある。
  論文  参考訳（メタデータ） (2024-05-20T10:24:10Z)
• Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve Aerial Visual Perception? [57.77643186237265]
  我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。 MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。 これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
  論文  参考訳（メタデータ） (2023-12-07T18:59:14Z)
• UAVStereo: A Multiple Resolution Dataset for Stereo Matching in UAV Scenarios [0.6524460254566905]
  本稿では,UAVStereoと呼ばれる多解像度UAVシナリオデータセットを構築し,34k以上のステレオ画像ペアが3つの典型的なシーンをカバーしている。 本稿では,UAVシナリオにおける課題に対処する際の限界を明らかにするとともに,従来型および最先端のディープラーニング手法の評価を行う。
  論文  参考訳（メタデータ） (2023-02-20T16:45:27Z)
• An Informative Path Planning Framework for Active Learning in UAV-based Semantic Mapping [27.460481202195012]
  無人航空機(UAV)は、航空地図や一般的な監視作業に頻繁に使用される。 近年のディープラーニングの進歩により、画像の自動セマンティックセグメンテーションが実現され、大規模な複雑な環境の解釈が容易になった。 モデル再学習のための情報的訓練画像を自律的に取得するための,UAVのための新しい汎用的計画フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-07T09:41:21Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• VPAIR -- Aerial Visual Place Recognition and Localization in Large-scale Outdoor Environments [49.82314641876602]
  VPAIRという新しいデータセットを提示します。 データセットは地上300メートル以上の高度で飛行する軽航空機に記録されている。 このデータセットは、様々なタイプの挑戦的な風景を、100km以上にわたってカバーしている。
  論文  参考訳（メタデータ） (2022-05-23T18:50:08Z)
• 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)
• OpenStreetMap: Challenges and Opportunities in Machine Learning and Remote Sensing [66.23463054467653]
  本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。 私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
  論文  参考訳（メタデータ） (2020-07-13T09:58:14Z)

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。