論文の概要: Brain over Brawn -- Using a Stereo Camera to Detect, Track and Intercept
a Faster UAV by Reconstructing Its Trajectory
- arxiv url: http://arxiv.org/abs/2107.00962v1
- Date: Fri, 2 Jul 2021 10:49:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-05 12:46:28.644664
- Title: Brain over Brawn -- Using a Stereo Camera to Detect, Track and Intercept
a Faster UAV by Reconstructing Its Trajectory
- Title（参考訳）: brain over brawn -- ステレオカメラを使って、軌道を再構築してより高速なuavを検出し、追跡し、インターセプトする
- Authors: Antonella Bari\v{s}i\'c, Frano Petric, Stjepan Bogdan
- Abstract要約: 本稿では,MBZIRC 2020 Challenge 1に触発された高速侵入型UAVのインターセプト手法について述べる。
侵入者の軌道の形状を活用することで、インターセプションポイントを計算することができる。
このシステムは、ほとんどのシミュレーション実験において、インターセプターよりも30%速いターゲットを追跡し、インターセプトすることができる。
- 参考スコア（独自算出の注目度）: 2.1638817206926855
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The work presented in this paper demonstrates our approach to intercepting a
faster intruder UAV, inspired by the MBZIRC2020 Challenge 1. By leveraging the
knowledge of the shape of the intruder's trajectory we are able to calculate
the interception point. Target tracking is based on image processing by a
YOLOv3 Tiny convolutional neural network, combined with depth calculation using
a gimbal-mounted ZED Mini stereo camera. We use RGB and depth data from ZED
Mini to extract the 3D position of the target, for which we devise a
histogram-of-depth based processing to reduce noise. Obtained 3D measurements
of target's position are used to calculate the position, the orientation and
the size of a figure-eight shaped trajectory, which we approximate using
lemniscate of Bernoulli. Once the approximation is deemed sufficiently precise,
measured by Hausdorff distance between measurements and the approximation, an
interception point is calculated to position the intercepting UAV right on the
path of the target. The proposed method, which has been significantly improved
based on the experience gathered during the MBZIRC competition, has been
validated in simulation and through field experiments. The results confirmed
that an efficient visual perception module which extracts information related
to the motion of the target UAV as a basis for the interception, has been
developed. The system is able to track and intercept the target which is 30%
faster than the interceptor in majority of simulation experiments. Tests in the
unstructured environment yielded 9 out of 12 successful results.
- Abstract（参考訳）: 本稿では,MBZIRC2020 Challenge 1に触発された高速侵入型UAVのインターセプト手法について述べる。
侵入者の軌道の形状の知識を活用することで、インターセプションポイントを計算することができる。
ターゲット追跡は, YOLOv3 Tiny畳み込みニューラルネットワークによる画像処理と, ジンバル搭載型ZED Miniステレオカメラを用いた深度計算を併用した。
我々は、ZED MiniからRGBと深度データを用いてターゲットの3次元位置を抽出し、ノイズを低減するためにヒストグラムに基づく処理を考案した。
目標位置の3次元計測は、ベルヌーイの補題を用いて近似した図形形状軌跡の位置、向き、大きさを計算するために用いられる。
近似が十分正確であると判断されると、測定と近似の間のハウスドルフ距離によって測定され、インターセプションポイントが算出され、インターセプションUAVがターゲットの経路に位置決めされる。
提案手法はmbzircコンペティションで得られた経験に基づいて大幅に改善され,シミュレーションおよびフィールド実験により検証された。
その結果, 標的UAVの動作に関する情報を抽出する効率的な視覚認識モジュールが, インターセプションの基盤として開発されたことを確認した。
このシステムは、ほとんどのシミュレーション実験において、インターセプターよりも30%速いターゲットを追跡し、インターセプトすることができる。
非構造環境でのテストでは、12の成果のうち9つが成功した。
関連論文リスト
- Revisiting Stereo Triangulation in UAV Distance Estimation [5.656973345209692]
UAV距離推定のためのUAVDEデータセットを構築し,UWBセンサを用いて2つのUAV間距離を求める。
本研究では,観測位置と実際の位置とのオフセットを直接予測できる新しい位置補正モジュールを提案する。
我々はUAVDEに関する広範囲な実験を行い,本手法は強力なベースライン上での大幅な性能向上を実現することができる。
論文 参考訳（メタデータ） (2023-06-15T08:22:05Z) - RealNet: Combining Optimized Object Detection with Information Fusion
Depth Estimation Co-Design Method on IoT [2.9275056713717285]
本稿では,モデル流線形認識アルゴリズム,深度推定アルゴリズム,情報融合を組み合わせた共同設計手法を提案する。
本稿では,リアルタイム要求の高いモバイルプラットフォームに適した手法を提案する。
論文 参考訳（メタデータ） (2022-04-24T08:35:55Z) - iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
iSDFは実時間符号付き距離場再構成のための連続学習システムである。
より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
論文 参考訳（メタデータ） (2022-04-05T15:48:39Z) - RAANet: Range-Aware Attention Network for LiDAR-based 3D Object
Detection with Auxiliary Density Level Estimation [11.180128679075716]
自律運転のためのLiDARデータから3Dオブジェクトを検出するために,Range-Aware Attention Network (RAANet) が開発された。
RAANetはより強力なBEV機能を抽出し、優れた3Dオブジェクト検出を生成する。
nuScenesデータセットの実験により,提案手法がLiDARを用いた3Dオブジェクト検出の最先端手法より優れていることが示された。
論文 参考訳（メタデータ） (2021-11-18T04:20:13Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳（メタデータ） (2021-07-23T03:33:29Z) - PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。
この2つのタスクを同一のメトリック空間で統一するモデルを提案する。
提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-01-17T05:11:38Z) - Deep Learning based Multi-Modal Sensing for Tracking and State
Extraction of Small Quadcopters [3.019035926889528]
本稿では, クワッドコプター無人航空機(UAV)の検出, 追跡, ローカライズのためのマルチセンサ方式を提案する。
具体的には、FoV内のUAVを検出し、追跡するために、単眼のRGBとサーマルビデオ(固定されたプラットフォームからキャプチャする)を処理するパイプラインが開発されている。
2次元平面ライダーは、画素データの実際の距離測定への変換を可能にし、グローバル座標におけるUAVの局所化を可能にする。
論文 参考訳（メタデータ） (2020-12-08T23:59:48Z) - Reinforced Axial Refinement Network for Monocular 3D Object Detection [160.34246529816085]
モノクロ3次元物体検出は、2次元入力画像から物体の位置と特性を抽出することを目的としている。
従来のアプローチでは、空間から3D境界ボックスをサンプリングし、対象オブジェクトと各オブジェクトの関係を推定するが、有効サンプルの確率は3D空間で比較的小さい。
我々は,まず最初の予測から始めて,各ステップで1つの3dパラメータだけを変えて,基礎的真理に向けて徐々に洗練することを提案する。
これは、いくつかのステップの後に報酬を得るポリシーを設計する必要があるため、最適化するために強化学習を採用します。
論文 参考訳（メタデータ） (2020-08-31T17:10:48Z) - Expandable YOLO: 3D Object Detection from RGB-D Images [64.14512458954344]
本稿では,ステレオカメラから深度とカラー画像を入力する軽量物体検出器の構築を目的とする。
YOLOv3のネットワークアーキテクチャを中央から3Dに拡張することにより、深さ方向の出力が可能となる。
領域抽出結果の精度を確認するため、3次元空間におけるユニノン(IoU)の切断を導入する。
論文 参考訳（メタデータ） (2020-06-26T07:32:30Z) - 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)
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。