論文の概要: Mapping the Buried Cable by Ground Penetrating Radar and
Gaussian-Process Regression
- arxiv url: http://arxiv.org/abs/2201.11253v1
- Date: Tue, 25 Jan 2022 08:32:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-28 14:09:00.748717
- Title: Mapping the Buried Cable by Ground Penetrating Radar and
Gaussian-Process Regression
- Title（参考訳）: 地中レーダとガウス過程回帰による埋設ケーブルのマッピング
- Authors: Xiren Zhou, Qiuju Chen, Shengfei Lyu, Huanhuan Chen
- Abstract要約: 本稿では,地中貫入レーダ(GPR)とガウス過程の回帰に基づく地下ケーブルの位置推定法を提案する。
実世界のデータセット実験を行い,提案手法の有効性を実証した。
- 参考スコア（独自算出の注目度）: 21.43182752819447
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the rapid expansion of urban areas and the increasingly use of
electricity, the need for locating buried cables is becoming urgent. In this
paper, a noval method to locate underground cables based on Ground Penetrating
Radar (GPR) and Gaussian-process regression is proposed. Firstly, the
coordinate system of the detected area is conducted, and the input and output
of locating buried cables are determined. The GPR is moved along the
established parallel detection lines, and the hyperbolic signatures generated
by buried cables are identified and fitted, thus the positions and depths of
some points on the cable could be derived. On the basis of the established
coordinate system and the derived points on the cable, the clustering method
and cable fitting algorithm based on Gaussian-process regression are proposed
to find the most likely locations of the underground cables. Furthermore, the
confidence intervals of the cable's locations are also obtained. Both the
position and depth noises are taken into account in our method, ensuring the
robustness and feasibility in different environments and equipments.
Experiments on real-world datasets are conducted, and the obtained results
demonstrate the effectiveness of the proposed method.
- Abstract（参考訳）: 都市部の急速な拡大と電気利用の増加に伴い、埋設ケーブルの設置の必要性が高まっている。
本稿では,地中レーダ(gpr)とガウス過程回帰(gaussian-process regression)に基づく地下ケーブル探査手法を提案する。
まず、検出された領域の座標系を実行し、埋設ケーブルの入力及び出力を決定する。
GPRは、確立された並列検出線に沿って移動され、埋設ケーブルによって発生する双曲シグネチャを識別して取付けることにより、ケーブル上のいくつかの点の位置と深さを導出することができる。
確立された座標系とケーブル上の導出点に基づいて,ガウス過程の回帰に基づくクラスタリング法とケーブル嵌合法を提案し,地下ケーブルの最も可能性の高い位置を求める。
さらに、ケーブルの位置の信頼区間も得られる。
本手法では, 位置と深さのノイズを考慮し, 異なる環境や機器におけるロバスト性, 実現可能性を確保する。
実世界のデータセットに関する実験を行い,提案手法の有効性を示す。
関連論文リスト
- A Collision-Aware Cable Grasping Method in Cluttered Environment [12.17415219032655]
粗い環境下での堅牢なケーブルグルーピングを容易にするために設計したケーブル型Grasp畳み込みニューラルネットワークを提案する。
我々は、ケーブルポーズの複雑さを模倣し、ケーブルとロボットグリップの潜在的な衝突を要因とするデータセットを生成する。
我々は、ケーブルで92.3%、未知のケーブルで88.4%の成功率を達成した。
論文 参考訳（メタデータ） (2024-02-22T12:47:04Z) - Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳（メタデータ） (2023-11-30T13:50:21Z) - Transformer-Based Neural Surrogate for Link-Level Path Loss Prediction
from Variable-Sized Maps [11.327456466796681]
送信機と受信機の位置に対する経路損失の推定は、ネットワーク計画やハンドオーバを含む多くのユースケースにおいて重要である。
本稿では,様々な次元の地図やスパース測定からリンクレベルの特性を予測できるトランスフォーマーベースのニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-10-06T20:17:40Z) - Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart
Grid [56.838297900091426]
高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。
提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
論文 参考訳（メタデータ） (2023-08-14T17:14:58Z) - Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。
ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
論文 参考訳（メタデータ） (2022-01-20T06:36:35Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-23T22:25:10Z) - SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。
我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。
複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-04-07T19:27:17Z) - Condition Assessment of Stay Cables through Enhanced Time Series
Classification Using a Deep Learning Approach [4.648677931378919]
本研究では,無傷状態からバイアスパターンを認識し,測定ケーブル力によるケーブル損傷を検知するデータ駆動方式を提案する。
提案手法は, ケーブルを損傷したケーブル架設橋上で試験した。
論文 参考訳（メタデータ） (2021-01-11T05:08:19Z) - Channel Gain Cartography via Mixture of Experts [18.126535422561766]
このようなスペクトルマップを構築するためのほとんどのアプローチは位置ベースであり、つまり推定関数への入力変数は空間的位置の対である。
スペクトルパワーマップでは、位置情報の推定ではなく、位置信号から抽出された特徴からマップへの入力変数が構成される。
本研究は,CGマップにおける位置自由な特徴の適応とは別に,両手法を組み合わせられる手法を提案する。
論文 参考訳（メタデータ） (2020-12-08T09:06:57Z) - Fault Location Estimation by Using Machine Learning Methods in Mixed
Transmission Lines [0.0]
距離保護リレー用混合送電線として、154kVの頭上送電線と地下ケーブル線を検討した。
単位長さあたりの特性インピーダンスが異なるため、混合伝送路で断層位置を正しく検出することはできない。
論文 参考訳（メタデータ） (2020-11-06T08:56:30Z) - Holistically-Attracted Wireframe Parsing [123.58263152571952]
本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。
提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
論文 参考訳（メタデータ） (2020-03-03T17:43:57Z)
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。