論文の概要: Lunar Rover Localization Using Craters as Landmarks

• arxiv url: http://arxiv.org/abs/2203.10073v1
• Date: Fri, 18 Mar 2022 17:38:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-21 13:33:55.728201
• Title: Lunar Rover Localization Using Craters as Landmarks
• Title（参考訳）: クレーターをランドマークとした月面ローバー位置決め
• Authors: Larry Matthies, Shreyansh Daftry, Scott Tepsuporn, Yang Cheng, Deegan Atha, R. Michael Swan, Sanjna Ravichandar, Masahiro Ono
• Abstract要約: そこで本研究では,クレーターを用いた月面ローバーの局地化手法として,ライダーやステレオカメラからの3次元点雲データと,モノクラー搭載画像のシェーディングキューを用いた手法を提案する。 本報告では, 搭載ライダーやステレオカメラの3次元点雲データを用いたクレーター検出と, 単眼画像におけるシェーディングキューを用いたクレーター検出の初期結果について述べる。
• 参考スコア（独自算出の注目度）: 7.097834331171584
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Onboard localization capabilities for planetary rovers to date have used relative navigation, by integrating combinations of wheel odometry, visual odometry, and inertial measurements during each drive to track position relative to the start of each drive. At the end of each drive, a ground-in-the-loop (GITL) interaction is used to get a position update from human operators in a more global reference frame, by matching images or local maps from onboard the rover to orbital reconnaissance images or maps of a large region around the rover's current position. Autonomous rover drives are limited in distance so that accumulated relative navigation error does not risk the possibility of the rover driving into hazards known from orbital images. However, several rover mission concepts have recently been studied that require much longer drives between GITL cycles, particularly for the Moon. These concepts require greater autonomy to minimize GITL cycles to enable such large range; onboard global localization is a key element of such autonomy. Multiple techniques have been studied in the past for onboard rover global localization, but a satisfactory solution has not yet emerged. For the Moon, the ubiquitous craters offer a new possibility, which involves mapping craters from orbit, then recognizing crater landmarks with cameras and-or a lidar onboard the rover. This approach is applicable everywhere on the Moon, does not require high resolution stereo imaging from orbit as some other approaches do, and has potential to enable position knowledge with order of 5 to 10 m accuracy at all times. This paper describes our technical approach to crater-based lunar rover localization and presents initial results on crater detection using 3D point cloud data from onboard lidar or stereo cameras, as well as using shading cues in monocular onboard imagery.
• Abstract（参考訳）: これまで惑星ローバーの軌道上のローカライズ機能は、車輪のオドメトリ、視覚のオドメトリ、慣性測定の組み合わせを統合して、各ドライブの開始に対する位置を追跡することで、相対的なナビゲーションを使用してきた。 各ドライブの最後には、ローバー上の画像やローカルマップをローバーの現在の位置の広い領域の軌道偵察画像や地図にマッチングすることにより、よりグローバルな参照フレームで人間のオペレーターからの位置更新を受けるために、グランド・イン・ザ・ループ(gitl)インタラクションが使用される。 自律的なローバードライブは距離が限られているので、相対的な航法誤差の蓄積は、軌道画像から知られる危険にさらされる恐れがない。 しかし、最近のいくつかのローバーミッションの概念は、特に月のGITLサイクルの間にずっと長いドライブを必要とする。 これらの概念はGITLサイクルを最小限に抑えるためにより大きな自律性を必要とし、グローバルなローカライゼーションがそのような自律性の重要な要素である。 ローバーのグローバルローカライズには過去に複数の技術が研究されてきたが、まだ十分な解決策は見つかっていない。 月にとって、ユビキタスなクレーターは新しい可能性を提供し、軌道からクレーターをマッピングし、ローバーに搭載されたカメラやライダーでクレーターのランドマークを認識する。 このアプローチは月の至るところで適用でき、他のいくつかのアプローチと同様に高解像度のステレオイメージングは必要とせず、常に5mから10mの精度で位置知識を実現できる可能性がある。 本稿では,月面ローバーのクレーター位置推定に関する技術アプローチについて述べるとともに,lidarやステレオカメラからの3dポイント雲データと単眼画像におけるシェーディング手がかりを用いたクレーター検出の初期結果について述べる。

関連論文リスト

• MARs: Multi-view Attention Regularizations for Patch-based Feature Recognition of Space Terrain [4.87717454493713]
  現在のアプローチは、事前収集されたパッチベースの機能とテンプレートマッチングに依存している。 マルチビューアテンション・レギュラライゼーション(MAR)を導入し,複数の特徴ビューにまたがるチャネルと空間的注意を制約する。 地形特徴認識性能は85%以上向上した。
  論文  参考訳（メタデータ） (2024-10-07T16:41:45Z)
• ShadowNav: Autonomous Global Localization for Lunar Navigation in Darkness [4.200882007630191]
  私たちはシャドウナブ(ShadowNav)を紹介します。これは、暗闇や夜間の運転に焦点を当てた、月上のグローバルなローカライゼーションのための自律的なアプローチです。 我々のアプローチでは、ルナークレーターの先端をランドマークとして使用し、検出されたクレーターと検出されたクレーターをオフボードマップ上の既知のクレーターに関連付けるために粒子フィルタリング手法を用いています。 アリゾナ州シンダーレイクスにおけるフィールドテストにおいて,Lunarシミュレーション環境とデータ収集における提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-05-02T18:59:53Z)
• Pixel to Elevation: Learning to Predict Elevation Maps at Long Range using Images for Autonomous Offroad Navigation [10.898724668444125]
  本稿では,車載エゴセントリック画像のみをリアルタイムに利用して,長距離の地形標高マップを予測できる学習型アプローチを提案する。 複雑で非構造的な地形における自律型オフロードロボットナビゲーションへの提案手法の適用性を実験的に検証した。
  論文  参考訳（メタデータ） (2024-01-30T22:37:24Z)
• Boosting 3-DoF Ground-to-Satellite Camera Localization Accuracy via Geometry-Guided Cross-View Transformer [66.82008165644892]
  地上レベルの画像と一致/検索衛星画像との相対的な回転と変換を推定することにより、地上カメラの位置と方向の精度を向上させる手法を提案する。 実験の結果,本手法は最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-07-16T11:52:27Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• ShadowNav: Crater-Based Localization for Nighttime and Permanently Shadowed Region Lunar Navigation [4.521278242509125]
  本研究では、クレーターをランドマークとして利用し、検出されたクレーターの縁と軌道地図上の既知のクレーターとのマッチングを行う絶対位置決め法を提案する。 この手法は、ほとんどの惑星探査ミッションで必要となる10m未満の絶対位置推定誤差を維持できることを示す。
  論文  参考訳（メタデータ） (2023-01-11T18:35:31Z)
• LunarNav: Crater-based Localization for Long-range Autonomous Lunar Rover Navigation [8.336210810008282]
  アルテミス計画では、資源探査と利用のためにロボットと有人月面ローバーを必要とする。 LunarNavプロジェクトは、月面探査機が地球の位置を推定し、5m未満の位置誤差の目標性能で月に向かうのを可能にすることを目的としている。 これは、ローバー付近のクレーターを検出し、軌道からマッピングされた既知のクレーターのデータベースと一致させることで、自律的に達成される。
  論文  参考訳（メタデータ） (2023-01-03T20:46:27Z)
• Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
  本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。 本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
  論文  参考訳（メタデータ） (2022-07-27T13:16:39Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。