論文の概要: Collaborative Mapping of Archaeological Sites using multiple UAVs
- arxiv url: http://arxiv.org/abs/2105.07644v1
- Date: Mon, 17 May 2021 07:12:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 22:21:33.114177
- Title: Collaborative Mapping of Archaeological Sites using multiple UAVs
- Title(参考訳): 複数のUAVを用いた遺跡の協調地図作成
- Authors: Manthan Patel, Aditya Bandopadhyay and Aamir Ahmad
- Abstract要約: 考古学遺跡のより高速なマッピングのためのマルチUAV手法を提案する。
私たちは、インドのグジャラートにある15世紀の砦であるサドラ砦の最初の3Dマップを作成しました。
- 参考スコア(独自算出の注目度): 0.6212955085775759
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: UAVs have found an important application in archaeological mapping. Majority
of the existing methods employ an offline method to process the data collected
from an archaeological site. They are time-consuming and computationally
expensive. In this paper, we present a multi-UAV approach for faster mapping of
archaeological sites. Employing a team of UAVs not only reduces the mapping
time by distribution of coverage area, but also improves the map accuracy by
exchange of information. Through extensive experiments in a realistic
simulation (AirSim), we demonstrate the advantages of using a collaborative
mapping approach. We then create the first 3D map of the Sadra Fort, a 15th
Century Fort located in Gujarat, India using our proposed method. Additionally,
we present two novel archaeological datasets recorded in both simulation and
real-world to facilitate research on collaborative archaeological mapping. For
the benefit of the community, we make the AirSim simulation environment, as
well as the datasets publicly available.
- Abstract(参考訳): UAVは考古学的な地図に重要な応用を見出した。
既存の手法の多くは、考古学遺跡から収集したデータをオフラインで処理する手法を採用している。
時間がかかり、計算コストも高い。
本稿では,考古学遺跡の高速マッピングのためのマルチUAV手法を提案する。
UAVのチームを採用することで、カバー範囲の分布によるマッピング時間を短縮できるだけでなく、情報の交換によるマップの精度も向上する。
実写シミュレーション(airsim)における広範囲な実験を通じて,協調マッピングアプローチを用いた利点を実証する。
そして、提案手法を用いて、インドのグジャラートにある15世紀の砦であるサドラ砦の最初の3Dマップを作成する。
さらに,シミュレーションと実世界の両方に記録された2つの新しい考古学的データセットを提案する。
コミュニティの利益のために、私たちはairsimシミュレーション環境とデータセットを公開しています。
関連論文リスト
- Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳(メタデータ) (2024-01-12T14:56:45Z) - Dataset of Pathloss and ToA Radio Maps With Localization Application [64.57766973771004]
データセットには、実都市地図における現実的な密集した都市環境の大規模なコレクションに、シミュレートされたパスロス/受信信号強度(RSS)と到着時刻(ToA)ラジオマップが含まれる。
提案データセットの2つの主な応用は,1)入力都市地図からパスロスを予測する学習方法,2)無線の局所化である。
RSSとToAマップが同じ都市マップ上で同じシミュレーションによって計算されているという事実は、RSSとToAベースのローカライゼーション手法を公平に比較することができる。
論文 参考訳(メタデータ) (2022-11-18T20:39:51Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - Aerial View Goal Localization with Reinforcement Learning [6.165163123577484]
本稿では,実際のUAVへのアクセスを必要とせずに,SAR(Search-and-Rescue)のようなセットアップをエミュレートするフレームワークを提案する。
この枠組みでは、エージェントが空中画像(探索領域のプロキシ)上で動作し、視覚的手がかりとして記述されたゴールのローカライズを行う。
AiRLocは、探索(遠方目標探索)と搾取(近方目標の局所化)を分離する強化学習(RL)に基づくモデルである。
論文 参考訳(メタデータ) (2022-09-08T10:27:53Z) - UAVs Beneath the Surface: Cooperative Autonomy for Subterranean Search
and Rescue in DARPA SubT [5.145696432159643]
本稿では, 複雑なトポロジを持つ地下ドメインの探索・救助作業において, 自律的協調型UAVの新たなアプローチを提案する。
提案されたシステムは、DARPA SubTファイナルのVirtual TrackでCTU-CRAS-NORLABチームの一員として第2位にランクされた。
提案手法はまた、現実世界の競争の極端に厳しく制限された環境で飛行する物理的UAVに展開するための堅牢なシステムであることを証明した。
論文 参考訳(メタデータ) (2022-06-16T13:54:33Z) - Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust
Road Extraction [110.61383502442598]
我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。
CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。
実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
論文 参考訳(メタデータ) (2021-11-30T04:30:10Z) - Deep Reinforcement Learning for Adaptive Exploration of Unknown
Environments [6.90777229452271]
私達はUAVのための1つのステップで調査および搾取間のトレードオフに適応的な調査のアプローチを開発します。
提案手法では, 環境マップを小型でトラクタブルな地図に分解するために, マップセグメンテーション手法を用いる。
その結果,本提案手法は,ランダムに生成された環境をナビゲートし,ベースラインと比較してAoIを短時間でカバーできることが示された。
論文 参考訳(メタデータ) (2021-05-04T16:29:44Z) - OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles [62.997667081978825]
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。
論文 参考訳(メタデータ) (2020-09-22T12:28:14Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳(メタデータ) (2020-08-21T03:16:51Z) - UAV Autonomous Localization using Macro-Features Matching with a CAD
Model [0.0]
本稿では,マクロな特徴の検出とマッチングに依存する,オフライン,ポータブル,リアルタイムな室内UAVローカライゼーション手法を提案する。
この研究の主な貢献は、UAVキャプチャー画像からマクロ特徴記述ベクトルをリアルタイムに作成することであり、同時にコンピュータ支援設計(CAD)モデルからオフラインの既存ベクトルと一致する。
提案システムの有効性と精度をシミュレーションおよび試作実験により評価した。
論文 参考訳(メタデータ) (2020-01-30T23:49:15Z)
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。