論文の概要: ROS georegistration: Aerial Multi-spectral Image Simulator for the Robot Operating System

• arxiv url: http://arxiv.org/abs/2201.07863v1
• Date: Wed, 19 Jan 2022 21:09:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-21 14:55:42.697608
• Title: ROS georegistration: Aerial Multi-spectral Image Simulator for the Robot Operating System
• Title（参考訳）: ROSジオレジゲーション:ロボット・オペレーティング・システムのための空中マルチスペクトル画像シミュレータ
• Authors: Andrew R. Willis, Kevin Brink, and Kathleen Dipple
• Abstract要約: 本稿では,ロボット・オペレーティング・システム(ROS)とガゼボ3Dシミュレーション環境での利用を目的としたROSジオレジゲーションというソフトウェアパッケージについて述べる。 ROSジオレジゲーションは、空中ジオレジゲーションアルゴリズムのシミュレーション、テスト、展開のためのツールを提供する。
• 参考スコア（独自算出の注目度）: 0.7646713951724012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article describes a software package called ROS georegistration intended for use with the Robot Operating System (ROS) and the Gazebo 3D simulation environment. ROSgeoregistration provides tools for the simulation, test and deployment of aerial georegistration algorithms and is made available with a link provided in the paper. A model creation package is provided which downloads multi-spectral images from the Google Earth Engine database and, if necessary, incorporates these images into a single, possibly very large, reference image. Additionally a Gazebo plugin which uses the real-time sensor pose and image formation model to generate simulated imagery using the specified reference image is provided along with related plugins for UAV relevant data. The novelty of this work is threefold: (1) this is the first system to link the massive multi-spectral imaging database of Google's Earth Engine to the Gazebo simulator, (2) this is the first example of a system that can simulate geospatially and radiometrically accurate imagery from multiple sensor views of the same terrain region, and (3) integration with other UAS tools creates a new holistic UAS simulation environment to support UAS system and subsystem development where real-world testing would generally be prohibitive. Sensed imagery and ground truth registration information is published to client applications which can receive imagery synchronously with telemetry from other payload sensors, e.g., IMU, GPS/GNSS, barometer, and windspeed sensor data. To highlight functionality, we demonstrate ROSgeoregistration for simulating Electro-Optical (EO) and Synthetic Aperture Radar (SAR) image sensors and an example use case for developing and evaluating image-based UAS position feedback, i.e., pose for image-based Guidance Navigation and Control (GNC) applications.
• Abstract（参考訳）: 本稿では,ロボット・オペレーティング・システム(ROS)とガゼボ3Dシミュレーション環境を用いたROSジオレジゲーションというソフトウェアパッケージについて述べる。 rosgeoregistrationは航空地理登録アルゴリズムのシミュレーション、テスト、デプロイのためのツールを提供し、論文に提供されているリンクで利用可能である。 Google Earth Engineデータベースからマルチスペクトル画像をダウンロードし、必要に応じて、これらの画像を単一の、おそらく非常に大きな参照イメージに組み込むモデル作成パッケージが提供される。 また、リアルタイムセンサポーズと画像形成モデルを用いて、特定基準画像を用いたシミュレーション画像を生成するGazeboプラグインと、UAV関連データの関連プラグインが提供される。 The novelty of this work is threefold: (1) this is the first system to link the massive multi-spectral imaging database of Google's Earth Engine to the Gazebo simulator, (2) this is the first example of a system that can simulate geospatially and radiometrically accurate imagery from multiple sensor views of the same terrain region, and (3) integration with other UAS tools creates a new holistic UAS simulation environment to support UAS system and subsystem development where real-world testing would generally be prohibitive. imu、gps/gnss、バロメーター、風速センサデータなど、他のペイロードセンサからのテレメトリと同期して画像を受け取ることができるクライアントアプリケーションに対して、センシングされた画像と地上の真理登録情報を公開する。 機能強調のために,Electro-Optical (EO) とSAR (Synthetic Aperture Radar) の画像センサをシミュレートするためのROSgeoregistrationと,画像ベースのUAS位置フィードバック,すなわち画像ベースの誘導ナビゲーション制御 (GNC) アプリケーションの開発と評価のためのユースケースを示す。

関連論文リスト

• XLD: A Cross-Lane Dataset for Benchmarking Novel Driving View Synthesis [84.23233209017192]
  本稿では,自律走行シミュレーションに特化して設計された新しい駆動ビュー合成データセットとベンチマークを提案する。 データセットには、トレーニング軌跡から1-4mずれて取得した画像のテストが含まれているため、ユニークなものだ。 我々は、フロントオンリーおよびマルチカメラ設定下で、既存のNVSアプローチを評価するための最初の現実的なベンチマークを確立する。
  論文  参考訳（メタデータ） (2024-06-26T14:00:21Z)
• Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
  Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。 リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
  論文  参考訳（メタデータ） (2023-03-20T13:40:11Z)
• Real-Time Multi-Modal Semantic Fusion on Unmanned Aerial Vehicles with Label Propagation for Cross-Domain Adaptation [28.78192888704324]
  実時間意味推論と複数センサの融合のためのUAVシステムを提案する。 LiDARスキャンとRGBイメージのセマンティックセグメンテーション、およびRGBおよび熱画像のオブジェクト検出は、UAVコンピュータ上でオンラインで実行される。 都市環境および災害現場における実環境実験における統合システムの評価を行った。
  論文  参考訳（メタデータ） (2022-10-18T10:32:11Z)
• R$^3$LIVE++: A Robust, Real-time, Radiance reconstruction package with a tightly-coupled LiDAR-Inertial-Visual state Estimator [5.972044427549262]
  同時ローカライゼーションとマッピング(SLAM)は、自律ロボット(例えば、自動運転車、無人ドローン)、3Dマッピングシステム、AR/VRアプリケーションに不可欠である。 この研究は、R$3$LIVE++と呼ばれる新しいLiDAR-慣性-視覚融合フレームワークを提案した。
  論文  参考訳（メタデータ） (2022-09-08T09:26:20Z)
• xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture Radar Imagery [52.67592123500567]
  世界の漁業は海洋資源や生態系に大きな脅威をもたらす。 夜間または夜間、全天候下で暗黒船の自動検出が可能となった。 xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
  論文  参考訳（メタデータ） (2022-06-02T06:53:45Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Continuous Self-Localization on Aerial Images Using Visual and Lidar Sensors [25.87104194833264]
  本研究では,車両のセンサ情報を未確認対象領域の航空画像に登録することにより,屋外環境におけるジオトラッキング手法を提案する。 我々は、地上および空中画像から視覚的特徴を抽出するために、計量学習環境でモデルを訓練する。 本手法は,視認不可能な正光の自己局在化のために,エンド・ツー・エンドの微分可能なモデルでオンボードカメラを利用する最初の方法である。
  論文  参考訳（メタデータ） (2022-03-07T12:25:44Z)
• UAV Localization Using Autoencoded Satellite Images [14.39926267531322]
  無人航空機(UAV)のローカライズに衛星画像を用いる高速でロバストな手法の提案と実演を行う。 本研究では,所望の飛行経路をオフラインにするためにGoogle Earth(GE)画像を収集し,これらの画像を低次元ベクトル表現に圧縮するオートエンコーダを訓練する。 我々は、1日の照明条件にまたがる6回のランのUAV画像と、衛星画像の同じ地図とをしっかり一致させた。
  論文  参考訳（メタデータ） (2021-02-10T19:08:10Z)
• 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)
• Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
  形状とSVBRDFを段階的に推定した新しいディープラーニングアーキテクチャを提案する。 ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。 合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-04-01T12:56:13Z)
• RDAnet: A Deep Learning Based Approach for Synthetic Aperture Radar Image Formation [0.0]
  我々は、画像形成と画像処理の両方を行うディープニューラルネットワークを訓練し、SAR処理パイプラインを統合する。 その結果,従来のアルゴリズムと同等の画質のSAR画像を精度良く出力できることが示唆された。
  論文  参考訳（メタデータ） (2020-01-22T18:44:40Z)

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。