論文の概要: Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments
- arxiv url: http://arxiv.org/abs/2201.09201v2
- Date: Thu, 10 Aug 2023 18:34:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 18:13:33.272429
- Title: Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments
- Title（参考訳）: 低高度都市環境における視覚によるUAV自給自足
- Authors: Ming Dai and Enhui Zheng and Zhenhua Feng and Jiedong Zhuang and
Wankou Yang
- Abstract要約: 無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。
このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を確実にする。
本稿では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
- 参考スコア（独自算出の注目度）: 20.69412701553767
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Unmanned Aerial Vehicles (UAVs) rely on satellite systems for stable
positioning. However, due to limited satellite coverage or communication
disruptions, UAVs may lose signals from satellite-based positioning systems. In
such situations, vision-based techniques can serve as an alternative, ensuring
the self-positioning capability of UAVs. However, most of the existing datasets
are developed for the geo-localization tasks of the objects identified by UAVs,
rather than the self-positioning task of UAVs. Furthermore, the current UAV
datasets use discrete sampling on synthetic data, such as Google Maps, thereby
neglecting the crucial aspects of dense sampling and the uncertainties commonly
experienced in real-world scenarios. To address these issues, this paper
presents a new dataset, DenseUAV, which is the first publicly available dataset
designed for the UAV self-positioning task. DenseUAV adopts dense sampling on
UAV images obtained in low-altitude urban settings. In total, over 27K UAV-view
and satellite-view images of 14 university campuses are collected and
annotated, establishing a new benchmark. In terms of model development, we
first verify the superiority of Transformers over CNNs in this task. Then, we
incorporate metric learning into representation learning to enhance the
discriminative capacity of the model and to lessen the modality discrepancy.
Besides, to facilitate joint learning from both perspectives, we propose a
mutually supervised learning approach. Last, we enhance the Recall@K metric and
introduce a new measurement, SDM@K, to evaluate the performance of a trained
model from both the retrieval and localization perspectives simultaneously. As
a result, the proposed baseline method achieves a remarkable Recall@1 score of
83.05% and an SDM@1 score of 86.24% on DenseUAV. The dataset and code will be
made publicly available on https://github.com/Dmmm1997/DenseUAV.
- Abstract（参考訳）: 無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。
しかし、衛星放送の制限や通信障害のため、UAVは衛星ベースの測位システムから信号を失う可能性がある。
このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を保証する。
しかし、既存のデータセットのほとんどは、UAVの自己配置タスクではなく、UAVによって識別されたオブジェクトの地理的局所化タスクのために開発されている。
さらに、現在のUAVデータセットでは、Google Mapsのような合成データの離散サンプリングを使用して、密集サンプリングの重要な側面や、現実世界のシナリオで一般的に経験される不確実性を無視している。
これらの課題に対処するため,本論文では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
DenseUAVは、低高度の都市環境で得られたUAV画像を高密度にサンプリングする。
合計27K以上のUAVビューと14の大学キャンパスの衛星ビュー画像が収集され、注釈付けされ、新しいベンチマークが確立された。
モデル開発に関しては,まずCNNよりもトランスフォーマーの方が優れていることを検証する。
次に,メトリクス学習を表現学習に取り入れ,モデルの識別能力を高め,モダリティの不一致を低減させる。
また,両視点からの共同学習を容易にするために,相互指導型学習手法を提案する。
最後に、Recall@Kメトリックを拡張し、新しい測定値SDM@Kを導入し、検索とローカライゼーションの両方の観点からトレーニングされたモデルの性能を同時に評価する。
その結果,提案手法は83.05%の注目すべきリコール@1スコアと86.24%のsdm@1スコアを達成できた。
データセットとコードはhttps://github.com/Dmmm1997/DenseUAVで公開される。
関連論文リスト
- UEVAVD: A Dataset for Developing UAV's Eye View Active Object Detection [13.208447570946173]
排除は、UAVベースの物体検出に挑戦する長年の困難である。
Active Object Detection (AOD)は、この目的を達成する効果的な方法を提供する。
我々は、UAV AOD問題の研究を促進するために、UAVの目視アクティブビジョンデータセットUEVAVDをリリースする。
論文 参考訳（メタデータ） (2024-11-07T01:10:05Z) - UAV-VisLoc: A Large-scale Dataset for UAV Visual Localization [20.37586403749362]
大規模なUAV-VisLocデータセットを提示し、UAV視覚的ローカライゼーション作業を容易にする。
われわれのデータセットには6,742枚のドローン画像と11個の衛星マップが含まれており、緯度、経度、高度、捕獲日などのメタデータがある。
論文 参考訳（メタデータ） (2024-05-20T10:24:10Z) - Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A Multi-Leader Multi-Follower Stackelberg Game Approach [57.15309977293297]
無人航空機(UAV)とメタバースの相乗効果は、UAVメタバースと呼ばれる新しいパラダイムを生み出している。
本稿では,UAVメタバースにおける効率的なUTマイグレーションのためのプルーニング技術に基づく,機械学習に基づく小さなゲームフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-18T02:14:13Z) - Evidential Detection and Tracking Collaboration: New Problem, Benchmark
and Algorithm for Robust Anti-UAV System [56.51247807483176]
無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。
従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。
本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
論文 参考訳（メタデータ） (2023-06-27T19:30:23Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳（メタデータ） (2023-06-05T16:01:33Z) - Archangel: A Hybrid UAV-based Human Detection Benchmark with Position
and Pose Metadata [10.426019628829204]
ArchangelはUAVベースのオブジェクト検出データセットで、実際のサブセットと合成サブセットで構成されている。
一連の実験は、メタデータを活用する利点を実証するために、最先端のオブジェクト検出器で慎重に設計されている。
論文 参考訳（メタデータ） (2022-08-31T21:45:16Z) - 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) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。
我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。
300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
論文 参考訳（メタデータ） (2021-01-21T07:00:15Z) - Autonomous and cooperative design of the monitor positions for a team of
UAVs to maximize the quantity and quality of detected objects [0.5801044612920815]
本稿では、完全に未知の地形内にUAVの群れを配置する問題に取り組む。
YOLOv3と複製対象を識別するシステムを用いて、各UAVの構成に1つのスコアを割り当てた。
予め定義されたスコアを最適化できる新しいナビゲーションアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-02T16:52:57Z) - RSSI-based Outdoor Localization with Single Unmanned Aerial Vehicle [9.577478740319668]
単一UAVのみを利用するRSSIに基づくローカライズ手法を提案する。
提案手法は, 繰り返し回数に応じて, 位置精度を7mまで低くすることができる。
論文 参考訳（メタデータ） (2020-04-20T15:05:41Z)
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。