論文の概要: Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy

• arxiv url: http://arxiv.org/abs/2109.06479v1
• Date: Tue, 14 Sep 2021 07:24:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-16 01:56:25.496158
• Title: Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy
• Title（参考訳）: 密林天蓋下リアルタイムセマンティックスラムを用いた大規模自律飛行
• Authors: Xu Liu, Guilherme V. Nardari, Fernando Cladera Ojeda, Yuezhan Tao, Alex Zhou, Thomas Donnelly, Chao Qu, Steven W. Chen, Roseli A. F. Romero, Camillo J. Taylor, Vijay Kumar
• Abstract要約: 本研究では,長距離ミッションとリアルタイムセマンティックマッピングが可能な自律飛行・セマンティックSLAMシステムを提案する。 ニューラルネットワークとインスタンス抽出アルゴリズムを用いて,UAV上でのセマンティックセグメンテーションをリアルタイムで実現する。 セマンティックSLAMの出力は、状態推定、計画、制御アルゴリズムにリアルタイムで使用される。
• 参考スコア（独自算出の注目度）: 60.97520127326484
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this letter, we propose an integrated autonomous flight and semantic SLAM system that can perform long-range missions and real-time semantic mapping in highly cluttered, unstructured, and GPS-denied under-canopy environments. First, tree trunks and ground planes are detected from LIDAR scans. We use a neural network and an instance extraction algorithm to enable semantic segmentation in real time onboard the UAV. Second, detected tree trunk instances are modeled as cylinders and associated across the whole LIDAR sequence. This semantic data association constraints both robot poses as well as trunk landmark models. The output of semantic SLAM is used in state estimation, planning, and control algorithms in real time. The global planner relies on a sparse map to plan the shortest path to the global goal, and the local trajectory planner uses a small but finely discretized robot-centric map to plan a dynamically feasible and collision-free trajectory to the local goal. Both the global path and local trajectory lead to drift-corrected goals, thus helping the UAV execute its mission accurately and safely.
• Abstract（参考訳）: 本稿では,高度に乱雑で非構造的でGPSを付加したアンダーキャノピー環境において,長距離ミッションとリアルタイムセマンティックマッピングを行うことができる自律飛行・セマンティックSLAMシステムを提案する。 まず、LIDARスキャンから木の幹と地上面が検出される。 ニューラルネットワークとインスタンス抽出アルゴリズムを用いて,UAV上でのセマンティックセグメンテーションをリアルタイムで実現する。 次に、検出されたツリートランクインスタンスをシリンダーとしてモデル化し、lidarシーケンス全体に関連付ける。 このセマンティックデータアソシエーションは、ロボットのポーズとトランクランドマークモデルの両方に制約を与える。 意味論的SLAMの出力は、状態推定、計画、制御アルゴリズムにリアルタイムで使用される。 グローバルプランナーは、グローバルゴールへの最短経路を計画するスパースマップに頼っており、ローカルトラジェクトリプランナーは、小さく、細分化されたロボット中心のマップを使用して、ダイナミックに実現可能で、衝突のない軌道をローカルゴールに計画する。 グローバルパスと局所軌道の両方がドリフト修正目標につながり、uavのミッションを正確かつ安全に遂行するのに役立つ。

関連論文リスト

• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• DiFSD: Ego-Centric Fully Sparse Paradigm with Uncertainty Denoising and Iterative Refinement for Efficient End-to-End Self-Driving [55.53171248839489]
  我々は、エンドツーエンドの自動運転のためのエゴ中心の完全スパースパラダイムであるDiFSDを提案する。 特に、DiFSDは主にスパース知覚、階層的相互作用、反復的な運動プランナーから構成される。 nuScenesとBench2Driveデータセットで実施された実験は、DiFSDの優れた計画性能と優れた効率を実証している。
  論文  参考訳（メタデータ） (2024-09-15T15:55:24Z)
• OMEGA: Efficient Occlusion-Aware Navigation for Air-Ground Robot in Dynamic Environments via State Space Model [12.09638785374894]
  地上ロボット(AGR)は、監視や災害対応に広く利用されている。 現在のAGRナビゲーションシステムは、静的環境においてよく機能する。 しかし、これらのシステムは動的で厳しい閉塞シーンの課題に直面している。 これらの問題に対処するために,効率的なAGR-Plannerを用いたOccMambaを提案する。
  論文  参考訳（メタデータ） (2024-08-20T07:50:29Z)
• Improved LiDAR Odometry and Mapping using Deep Semantic Segmentation and Novel Outliers Detection [1.0334138809056097]
  高速移動プラットフォームのためのLOAMアーキテクチャに基づくリアルタイムLiDARオドメトリーとマッピングのための新しいフレームワークを提案する。 本フレームワークは,ディープラーニングモデルによって生成された意味情報を用いて,ポイント・ツー・ラインとポイント・ツー・プレーンのマッチングを改善する。 高速動作に対するLiDARオドメトリーのロバスト性に及ぼすマッチング処理の改善効果について検討した。
  論文  参考訳（メタデータ） (2024-03-05T16:53:24Z)
• 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)
• Adaptive Path Planning for UAVs for Multi-Resolution Semantic Segmentation [28.104584236205405]
  重要な課題は、大規模な環境で取得したデータの価値を最大化するミッションを計画することである。 これは例えば、農地のモニタリングに関係している。 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。
  論文  参考訳（メタデータ） (2022-03-03T11:03:28Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• 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)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。