論文の概要: Dynamic Sensor Matching based on Geomagnetic Inertial Navigation
- arxiv url: http://arxiv.org/abs/2208.06233v1
- Date: Fri, 12 Aug 2022 12:04:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-15 13:06:48.427030
- Title: Dynamic Sensor Matching based on Geomagnetic Inertial Navigation
- Title（参考訳）: 地磁気慣性航法に基づく動的センサマッチング
- Authors: Simone M\"uller and Dieter Kranzlm\"uller
- Abstract要約: 本稿では,マルチセンサデータを一般に参照されている世界座標系に転送する概念を提案する。
惑星磁場の定常的な存在は、信頼できる世界座標系を提供する。
評価の結果,地球磁場による品質のレベルが明らかとなった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Optical sensors can capture dynamic environments and derive depth information
in near real-time. The quality of these digital reconstructions is determined
by factors like illumination, surface and texture conditions, sensing speed and
other sensor characteristics as well as the sensor-object relations.
Improvements can be obtained by using dynamically collected data from multiple
sensors. However, matching the data from multiple sensors requires a shared
world coordinate system. We present a concept for transferring multi-sensor
data into a commonly referenced world coordinate system: the earth's magnetic
field. The steady presence of our planetary magnetic field provides a reliable
world coordinate system, which can serve as a reference for a position-defined
reconstruction of dynamic environments. Our approach is evaluated using
magnetic field sensors of the ZED 2 stereo camera from Stereolabs, which
provides orientation relative to the North Pole similar to a compass. With the
help of inertial measurement unit informations, each camera's position data can
be transferred into the unified world coordinate system. Our evaluation reveals
the level of quality possible using the earth magnetic field and allows a basis
for dynamic and real-time-based applications of optical multi-sensors for
environment detection.
- Abstract（参考訳）: 光センサーは動的環境を捉え、ほぼリアルタイムで深度情報を導き出すことができる。
これらのデジタル再構成の品質は、照明、表面およびテクスチャ条件、センシング速度などのセンサ特性、センサオブジェクトの関係などによって決定される。
複数のセンサから動的に収集されたデータを使うことで、改善が得られる。
しかし、複数のセンサーからのデータをマッチングするには、共有世界座標システムが必要である。
本稿では,多センサデータを一般に参照される世界座標系である地球の磁場に転送する概念を提案する。
惑星磁場の定常的な存在は、動的環境の位置決定された再構築の基準となる信頼性の高い世界座標系を提供する。
本手法は,zed 2ステレオカメラの磁場センサを用いて,コンパスに類似した極に対する向き付けを提供するステレオラブを用いて評価する。
慣性測定ユニット情報の助けを借りて、各カメラの位置データを統一世界座標系に転送することができる。
本評価では,地球磁場による品質のレベルを明らかにし,環境検出のための光マルチセンサの動的・リアルタイム応用の基礎となる。
関連論文リスト
- MAROON: A Framework for the Joint Characterization of Near-Field High-Resolution Radar and Optical Depth Imaging Techniques [4.816237933371206]
我々は、光学領域と電波領域の両方から深度イメージを特徴付けるというユニークな課題に挑戦する。
本研究では, 対象物, ジオメトリー, 物体間距離について, 深度測定の総合的な評価を行う。
すべてのオブジェクトの測定は、MAROONと呼ばれるマルチモーダルデータセットとして公開されます。
論文 参考訳（メタデータ） (2024-11-01T11:53:10Z) - SenPa-MAE: Sensor Parameter Aware Masked Autoencoder for Multi-Satellite Self-Supervised Pretraining [1.4528189330418977]
SenPa-MAEは、観察されたマルチスペクトル信号のセンサーパラメータを画像埋め込みに符号化する。
SenPa-MAEは、非マッチングスペクトルまたは幾何学的センサー特性を持つ異なる衛星の画像で事前訓練することができる。
論文 参考訳（メタデータ） (2024-08-20T16:53:30Z) - Bridging Remote Sensors with Multisensor Geospatial Foundation Models [15.289711240431107]
msGFMは4つのキーセンサーからのデータを統合する多センサ地理空間基盤モデルである。
同一の位置情報から得られるデータに対して、我々のモデルは革新的なクロスセンサー事前学習アプローチを採用している。
msGFMは、シングルセンサーとマルチセンサーの両方の下流タスクにおいて、高い習熟度を示した。
論文 参考訳（メタデータ） (2024-04-01T17:30:56Z) - Neural Plasticity-Inspired Multimodal Foundation Model for Earth Observation [48.66623377464203]
我々の新しいアプローチは、脳科学における神経可塑性の概念を活用する、ダイナミックワンフォーオール(DOFA)モデルを導入している。
このダイナミックなハイパーネットワークは、異なる波長に調整され、5つのセンサーのデータに基づいて1つの多目的トランスフォーマーを共同で訓練し、12の異なる地球観測タスクを遂行することを可能にする。
論文 参考訳（メタデータ） (2024-03-22T17:11:47Z) - Automatic Spatial Calibration of Near-Field MIMO Radar With Respect to Optical Depth Sensors [4.328226032204419]
本稿では,光学RGB-DセンサとMIMOレーダの連成校正手法を提案する。
私たちのパイプラインは、自動目標検出と位置決めを可能にする、ベスポークキャリブレーションターゲットで構成されています。
我々は光学領域から2つの異なる深度センシング技術を用いてアプローチを検証する。
論文 参考訳（メタデータ） (2024-03-16T17:24:46Z) - Data-Induced Interactions of Sparse Sensors [3.050919759387984]
トレーニングデータによって引き起こされるセンサインタラクションの全体像を熱力学ビューで計算する。
これらのデータによって引き起こされるセンサーの相互作用をマッピングすることで、外部選択基準と組み合わせ、センサーの代替効果を予測することができる。
論文 参考訳（メタデータ） (2023-07-21T18:13:37Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Environmental Sensor Placement with Convolutional Gaussian Neural
Processes [65.13973319334625]
センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。
確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。
本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
論文 参考訳（メタデータ） (2022-11-18T17:25:14Z) - Learning Online Multi-Sensor Depth Fusion [100.84519175539378]
SenFuNetは、センサ固有のノイズと外れ値統計を学習するディープフュージョンアプローチである。
実世界のCoRBSとScene3Dデータセットで様々なセンサーの組み合わせで実験を行う。
論文 参考訳（メタデータ） (2022-04-07T10:45:32Z) - Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision
Action Recognition [131.6328804788164]
本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。
SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
論文 参考訳（メタデータ） (2020-09-01T03:38:31Z) - Learning Selective Sensor Fusion for States Estimation [47.76590539558037]
本稿では,エンド・ツー・エンドのセンサ・フュージョン・モジュールであるSelectFusionを提案する。
予測中、ネットワークは異なるセンサーモードから潜伏する特徴の信頼性を評価することができる。
我々は、公開データセットと漸進的に劣化したデータセットの両方において、すべての融合戦略を広範囲に評価する。
論文 参考訳（メタデータ） (2019-12-30T20:25:16Z)
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。