論文の概要: AutoDrone: Shortest Optimized Obstacle-Free Path Planning for Autonomous Drones

• arxiv url: http://arxiv.org/abs/2111.00200v1
• Date: Sat, 30 Oct 2021 07:52:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-02 16:19:18.766143
• Title: AutoDrone: Shortest Optimized Obstacle-Free Path Planning for Autonomous Drones
• Title（参考訳）: AutoDrone: 自動運転ドローンの障害物なし経路計画が最短
• Authors: Prithwish Jana, Debasish Jana
• Abstract要約: GPSで誘導される座標系において,障害物のない最短経路を求める手法を提案する。 これは特に、省エネな方法で救助活動や迅速な配送やピックアップに有用である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With technological advancement, drone has emerged as unmanned aerial vehicle that can be controlled by humans to fly or reach a destination. This may be autonomous as well, where the drone itself is intelligent enough to find a shortest obstacle-free path to reach the destination from a designated source. Be it a planned smart city or even a wreckage site affected by natural calamity, we may imagine the buildings, any surface-erected structure or other blockage as obstacles for the drone to fly in a direct line-of-sight path. So, the whole bird's eye-view of the landscape can be transformed to a graph of grid-cells, where some are occupied to indicate the obstacles and some are free to indicate the free path. The autonomous drone (AutoDrone) will be able to find out the shortest hindrance-free path while travelling in two-dimensional space and move from one place to another. In this paper, we propose a method to find out an obstacle-free shortest path in the coordinate system guided by GPS. This can be especially beneficial in rescue operations and fast delivery or pick-up in an energy-efficient way, where our algorithm will help in finding out the shortest path and angle along which it should fly. Our work shows different scenarios to path-tracing, through the shortest feasible path computed by the autonomous drone.
• Abstract（参考訳）: 技術進歩により、ドローンは人間が操縦して目的地に到達できる無人航空機として出現した。 ドローン自体も、指定されたソースから目的地に到達するための最も短い障害物のない経路を見つけるのに十分な知性を持っている。 計画されているスマートシティや、自然災害の影響を受けている残骸の場所であっても、ドローンが直接視界を飛行する障害として、建物、表面検出された構造物、その他のブロックを想像することができる。 そのため、鳥全体の風景の視界をグリッドセルのグラフに変換することができ、障害物を示すために占有されるものや、自由な経路を示す自由なものもある。 自律型ドローン(autodrone)は、2次元空間を移動しながら最も短い障害のない経路を見つけ、ある場所から別の場所へ移動することができる。 本稿では,GPSで誘導される座標系において,障害物のない最短経路を求める手法を提案する。 これは、救助活動や迅速な配送、あるいはエネルギー効率の良い方法でのピックアップにおいて特に有益であり、アルゴリズムは、飛行すべき最短経路と角度を見つけるのに役立つでしょう。 私たちの研究は、自律ドローンによって計算される最も短い経路を通じて、パストラッキングのさまざまなシナリオを示しています。

関連論文リスト

• Genetic Algorithm Based System for Path Planning with Unmanned Aerial Vehicles Swarms in Cell-Grid Environments [42.72938925647165]
  無人航空機(UAV)の群集を自律的に制御するための経路計画法が勢いを増している。 自律的な運用は労働コストを大幅に削減できるため、現在では複数のUAVを自律的に制御する必要があるシナリオが増えている。 しかし、これらのシナリオの多くは、パスプランニングを複雑にする電力線や木などの障害を含む。 本稿では, 遺伝的アルゴリズムを用いた進化的システムを用いて, 障害のある環境におけるこの問題に対処する。
  論文  参考訳（メタデータ） (2024-12-04T16:24:41Z)
• Exploring Jamming and Hijacking Attacks for Micro Aerial Drones [14.970216072065861]
  Crazyflieのエコシステムは、最も人気のあるMicro Aerial Dronesの1つであり、世界中で展開される可能性がある。 本稿では,Crazy Real Time Protocol (CRTP) に対する2つの干渉攻撃について実験的に検討する。 本実験は,自律飛行モードと非自律飛行モードの両方において,このような攻撃の有効性を示すものである。
  論文  参考訳（メタデータ） (2024-03-06T17:09:27Z)
• POA: Passable Obstacles Aware Path-planning Algorithm for Navigation of a Two-wheeled Robot in Highly Cluttered Environments [53.41594627336511]
  パッシブル障害物認識(Passable Obstacles Aware, POA)プランナーは, 乱雑な環境下での二輪ロボットのナビゲーション手法である。 我々のアルゴリズムは、二輪ロボットが通過可能な障害物を通り抜ける道を見つけることを可能にする。
  論文  参考訳（メタデータ） (2023-07-16T19:44:27Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• Coupling Vision and Proprioception for Navigation of Legged Robots [65.59559699815512]
  我々は視覚と受容の相補的な強みを利用して、脚のあるロボットでポイントゴールナビゲーションを実現する。 車輪付きロボット(LoCoBot)のベースラインよりも優れた性能を示す。 また,センサーと計算能力を備えた四足歩行ロボットに,我々のシステムを実環境に展開することも示す。
  論文  参考訳（メタデータ） (2021-12-03T18:59:59Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• AlphaPilot: Autonomous Drone Racing [47.205375478625776]
  このシステムは、2019年のAlphaPilot Challengeという、初の無人ドローンレース世界選手権で成功している。 提案システムは,最大8m/sの速度に達するタイトなレースコースを通じて,ドローンを誘導することに成功した。
  論文  参考訳（メタデータ） (2020-05-26T15:45:05Z)
• University-1652: A Multi-view Multi-source Benchmark for Drone-based Geo-localization [87.74121935246937]
  我々は、ドローンによるジオローカライゼーションのための新しいマルチビューベンチマーク、University-1652を紹介する。 大学1652は、世界中の1,652の大学の建物から合成ドローン、衛星、地上カメラなどの3つのプラットフォームからのデータを含んでいる。 実験の結果,University-1652は視点不変の特徴の学習を支援し,実世界のシナリオにおいて優れた一般化能力を有することが示された。
  論文  参考訳（メタデータ） (2020-02-27T15:24:15Z)

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。