論文の概要: Potential UAV Landing Sites Detection through Digital Elevation Models
Analysis
- arxiv url: http://arxiv.org/abs/2107.06921v1
- Date: Wed, 14 Jul 2021 18:13:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-17 06:13:03.200741
- Title: Potential UAV Landing Sites Detection through Digital Elevation Models
Analysis
- Title(参考訳): デジタル標高モデル解析によるUAV着陸地点検出の可能性
- Authors: Efstratios Kakaletsis, Nikos Nikolaidis
- Abstract要約: デジタル表面モデル(DSM)の画像勾配等級をしきい値にすることで、正常または緊急時におけるUAVの適切な着陸域を構成する平坦領域
人工構造物や植生地域は、潜在的な上陸地点から検出され、除外される。
- 参考スコア(独自算出の注目度): 6.167849162878745
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, a simple technique for Unmanned Aerial Vehicles (UAVs)
potential landing site detection using terrain information through
identification of flat areas, is presented. The algorithm utilizes digital
elevation models (DEM) that represent the height distribution of an area. Flat
areas which constitute appropriate landing zones for UAVs in normal or
emergency situations result by thresholding the image gradient magnitude of the
digital surface model (DSM). The proposed technique also uses connected
components evaluation on the thresholded gradient image in order to discover
connected regions of sufficient size for landing. Moreover, man-made structures
and vegetation areas are detected and excluded from the potential landing
sites. Quantitative performance evaluation of the proposed landing site
detection algorithm in a number of areas on real world and synthetic datasets,
accompanied by a comparison with a state-of-the-art algorithm, proves its
efficiency and superiority.
- Abstract(参考訳): 本稿では,平面の同定による地形情報を用いた無人航空機(uavs)の着陸地点検出のための簡易手法を提案する。
このアルゴリズムは、地域の高さ分布を表すデジタル標高モデル(DEM)を利用する。
通常または緊急時のUAVの適切な着陸ゾーンを構成する平坦な領域は、デジタル表面モデル(DSM)の画像勾配等級を閾値付けすることによって生じる。
提案手法では,着地に十分な大きさの接続領域を発見するために,閾値勾配画像の連結成分評価も行う。
また, 人工構造物や植生地域は, 潜在的な上陸地点から検出・排除されている。
実世界および合成データセットの様々な領域において,提案手法の有効性を定量的に評価し,最先端アルゴリズムとの比較を行った結果,その効率と優越性が証明された。
関連論文リスト
- DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。
画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。
MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
論文 参考訳(メタデータ) (2023-12-11T18:38:28Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳(メタデータ) (2023-11-21T19:49:13Z) - Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D
Object Detection [92.75961303269548]
先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである
本稿では,両問題を一度に解決するGPENetを提案する。
我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
論文 参考訳(メタデータ) (2022-11-03T02:21:35Z) - Cross-Geography Generalization of Machine Learning Methods for
Classification of Flooded Regions in Aerial Images [3.9921541182631253]
本研究は,UAV空中画像中の浸水領域を特定するための2つのアプローチを提案する。
最初のアプローチは、テクスチャベースの教師なしセグメンテーションを使用して、浸水した地域を検出する。
2つ目は、テクスチャ機能に人工ニューラルネットワークを使用して、画像が浸水して浮かばないものとして分類する。
論文 参考訳(メタデータ) (2022-10-04T13:11:44Z) - Progressive Domain Adaptation with Contrastive Learning for Object
Detection in the Satellite Imagery [0.0]
最先端のオブジェクト検出手法は、小さくて密度の高いオブジェクトを特定するのにほとんど失敗している。
本稿では,特徴抽出プロセスを改善する小型物体検出パイプラインを提案する。
未確認データセットにおけるオブジェクト識別の劣化を緩和できることを示す。
論文 参考訳(メタデータ) (2022-09-06T15:16:35Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳(メタデータ) (2021-11-17T21:48:31Z) - Adaptive Path Planning for UAV-based Multi-Resolution Semantic
Segmentation [26.729010176211016]
本稿では,UAV経路に適応して高精細なセマンティックセマンティックセマンティクスを得るオンライン計画アルゴリズムを提案する。
私たちのアプローチの重要な特徴は、ディープラーニングベースのアーキテクチャのための新しい精度モデルです。
実地フィールドデータを用いた精密農業における作物・雑草分断の適用性について,本研究のアプローチを評価した。
論文 参考訳(メタデータ) (2021-08-04T07:30:04Z) - Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing
Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。
生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文 参考訳(メタデータ) (2021-04-22T12:47:37Z) - Uncertainty-Aware Deep Learning for Autonomous Safe Landing Site
Selection [3.996275177789895]
本論文では,危険検出と着陸地点選択のための不確実性認識学習手法を提案する。
ベイジアンディープラーニングとセマンティックセグメンテーションを通じて、安全予測マップとその不確実性マップを生成する。
生成された不確実性マップを使用して予測マップ内の不確かさ画素をフィルタリングし、特定の画素のみに基づいて安全なランディングサイト選択を行う。
論文 参考訳(メタデータ) (2021-02-21T08:13:49Z) - Deep Learning Framework for Detecting Ground Deformation in the Built
Environment using Satellite InSAR data [7.503635457124339]
我々は、全国規模の速度場における変形を検出するために、事前訓練された畳み込みニューラルネットワーク(CNN)を適用した。
我々は、以前特定された変形が石炭採掘、地下水流出、地すべり、トンネル掘削と関係している英国に焦点を当てる。
本研究は, 自動地動解析システムの開発に提案手法が適用可能であることを示すものである。
論文 参考訳(メタデータ) (2020-05-07T03:14:00Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳(メタデータ) (2020-03-28T18:51:43Z)
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。