論文の概要: FAITH: Fast iterative half-plane focus of expansion estimation using
event-based optic flow
- arxiv url: http://arxiv.org/abs/2102.12823v1
- Date: Thu, 25 Feb 2021 12:49:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-26 13:44:02.584503
- Title: FAITH: Fast iterative half-plane focus of expansion estimation using
event-based optic flow
- Title（参考訳）: FAITH:イベントベース光流を用いた拡張推定の高速反復半平面焦点
- Authors: Raoul Dinaux, Nikhil Wessendorp, Julien Dupeyroux, Guido de Croon
- Abstract要約: 本研究では, 小型航空機(MAV)の走行経路を決定するためのFAst ITerative Half-plane (FAITH)法を提案する。
その結果,提案手法の計算効率は高い精度を維持しながら最先端の手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 3.326320568999945
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Course estimation is a key component for the development of autonomous
navigation systems for robots. While state-of-the-art methods widely use
visual-based algorithms, it is worth noting that they all fail to deal with the
complexity of the real world by being computationally greedy and sometimes too
slow. They often require obstacles to be highly textured to improve the overall
performance, particularly when the obstacle is located within the focus of
expansion (FOE) where the optic flow (OF) is almost null. This study proposes
the FAst ITerative Half-plane (FAITH) method to determine the course of a micro
air vehicle (MAV). This is achieved by means of an event-based camera, along
with a fast RANSAC-based algorithm that uses event-based OF to determine the
FOE. The performance is validated by means of a benchmark on a simulated
environment and then tested on a dataset collected for indoor obstacle
avoidance. Our results show that the computational efficiency of our solution
outperforms state-of-the-art methods while keeping a high level of accuracy.
This has been further demonstrated onboard an MAV equipped with an event-based
camera, showing that our event-based FOE estimation can be achieved online
onboard tiny drones, thus opening the path towards fully neuromorphic solutions
for autonomous obstacle avoidance and navigation onboard MAVs.
- Abstract（参考訳）: コース推定はロボットの自律ナビゲーションシステムの開発において重要な要素である。
state-of-the-artメソッドはビジュアルベースのアルゴリズムを広く使っているが、計算上欲深く、時には遅すぎることで現実世界の複雑さに対処できない点に注意が必要だ。
それらは、特に光学フロー(OF)がほぼゼロである拡張(FOE)の焦点内にあるとき、全体的な性能を改善するために、高いテクスチャ化を必要とすることが多い。
本研究では, 小型航空機 (MAV) の走行経路を決定するためのFAst ITerative Half-plane (FAITH) 法を提案する。
これは、イベントベースのカメラと、イベントベースの OF を使用して FOE を決定する RANSAC ベースの高速アルゴリズムによって達成されます。
シミュレーション環境でのベンチマークによって性能を検証し、室内障害物回避のために収集されたデータセット上でテストする。
提案手法の計算効率は,高い精度を維持しつつ,最先端の手法よりも優れていた。
これは、イベントベースのカメラを備えたMAV上でさらに実証され、私たちのイベントベースのFOE推定が、オンラインの小型ドローン上で達成できることを示し、MAV上での自律的障害物回避とナビゲーションのための完全なニューロモルフィックソリューションへの道を開いた。
関連論文リスト
- MPVO: Motion-Prior based Visual Odometry for PointGoal Navigation [3.9974562667271507]
視覚計測(VO)は,室内環境におけるエンボディエージェントの正確なポイントゴールナビゲーションを可能にするために不可欠である。
近年の深層学習VO法は, 頑健な性能を示すが, トレーニング中のサンプル不効率に悩まされている。
エージェントが環境をナビゲートしている間に利用可能な動作先に基づいて、ロバストでサンプル効率の良いVOパイプラインを提案する。
論文 参考訳（メタデータ） (2024-11-07T15:36:49Z) - Ensuring UAV Safety: A Vision-only and Real-time Framework for Collision Avoidance Through Object Detection, Tracking, and Distance Estimation [16.671696289301625]
本稿では,光学センサを用いた非協調航空車両の検出・追跡・距離推定のためのディープラーニングフレームワークを提案する。
本研究では,単眼カメラの入力のみを用いて,検出された空中物体の距離情報をリアルタイムで推定する手法を提案する。
論文 参考訳（メタデータ） (2024-05-10T18:06:41Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Performance Study of YOLOv5 and Faster R-CNN for Autonomous Navigation
around Non-Cooperative Targets [0.0]
本稿では,カメラと機械学習アルゴリズムを組み合わせることで,相対的なナビゲーションを実現する方法について論じる。
高速領域ベース畳み込みニューラルネットワーク(R-CNN)とYou Only Look Once(YOLOv5)の2つのディープラーニングに基づくオブジェクト検出アルゴリズムの性能を検証した。
本稿では, 特徴認識アルゴリズムの実装と, 宇宙船誘導航法制御システムへの統合に向けての道筋について論じる。
論文 参考訳（メタデータ） (2023-01-22T04:53:38Z) - Globally Optimal Event-Based Divergence Estimation for Ventral Landing [55.29096494880328]
イベントセンシングはバイオインスパイアされた飛行誘導と制御システムの主要なコンポーネントである。
本研究では, イベントカメラを用いた腹側着陸時の表面との接触時間予測について検討する。
これは、着陸時に発生する事象の流れから放射光の流れの速度である発散(逆TTC)を推定することで達成される。
我々のコアコントリビューションは、イベントベースの発散推定のための新しいコントラスト最大化定式化と、コントラストを正確に最大化し、最適な発散値を求めるブランチ・アンド・バウンドアルゴリズムである。
論文 参考訳（メタデータ） (2022-09-27T06:00:52Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - End-to-end Learning for Inter-Vehicle Distance and Relative Velocity
Estimation in ADAS with a Monocular Camera [81.66569124029313]
本稿では,ディープニューラルネットワークのエンドツーエンドトレーニングに基づくカメラによる車間距離と相対速度推定手法を提案する。
提案手法の重要な特徴は,2つの時間的単眼フレームによって提供される複数の視覚的手がかりの統合である。
また,移動場における視線歪みの影響を緩和する車両中心サンプリング機構を提案する。
論文 参考訳（メタデータ） (2020-06-07T08:18:31Z) - 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) - 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。
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。