論文の概要: AirTrack: Onboard Deep Learning Framework for Long-Range Aircraft
Detection and Tracking
- arxiv url: http://arxiv.org/abs/2209.12849v3
- Date: Mon, 20 Mar 2023 21:25:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 03:13:49.541267
- Title: AirTrack: Onboard Deep Learning Framework for Long-Range Aircraft
Detection and Tracking
- Title（参考訳）: airtrack: 長距離航空機の検出と追跡のためのディープラーニングフレームワーク
- Authors: Sourish Ghosh and Jay Patrikar and Brady Moon and Milad Moghassem
Hamidi and Sebastian Scherer
- Abstract要約: AirTrackは、sUASシステムのサイズ、重量、電力制約を尊重するリアルタイムの視覚のみの検出および追跡フレームワークである。
AirTrackは、Amazon Airborne Object Tracking(AOT)で最先端のアートベースラインを上回ります。
実験による評価から,本システムでは,最大で700mまでの95%以上をトラックできる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 3.3773749296727535
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detect-and-Avoid (DAA) capabilities are critical for safe operations of
unmanned aircraft systems (UAS). This paper introduces, AirTrack, a real-time
vision-only detect and tracking framework that respects the size, weight, and
power (SWaP) constraints of sUAS systems. Given the low Signal-to-Noise ratios
(SNR) of far away aircraft, we propose using full resolution images in a deep
learning framework that aligns successive images to remove ego-motion. The
aligned images are then used downstream in cascaded primary and secondary
classifiers to improve detection and tracking performance on multiple metrics.
We show that AirTrack outperforms state-of-the art baselines on the Amazon
Airborne Object Tracking (AOT) Dataset. Multiple real world flight tests with a
Cessna 182 interacting with general aviation traffic and additional
near-collision flight tests with a Bell helicopter flying towards a UAS in a
controlled setting showcase that the proposed approach satisfies the newly
introduced ASTM F3442/F3442M standard for DAA. Empirical evaluations show that
our system has a probability of track of more than 95% up to a range of 700m.
Video available at https://youtu.be/H3lL_Wjxjpw .
- Abstract（参考訳）: 検出・回避(DAA)能力は無人航空機システム(UAS)の安全運用に不可欠である。
本稿では, sUASシステムのサイズ, 重量, パワー(SWaP)の制約を考慮し, リアルタイムに視覚のみを検出するフレームワークであるAirTrackを紹介する。
遠距離航空機の信号対雑音比 (SNR) が低いことを考慮し, 連続した画像を整列させてエゴモーションを除去する深層学習の枠組みにおいて, フル解像度画像を用いることを提案する。
次に、アライメントされた画像は、カスケードされたプライマリとセカンダリの分類器で下流で使用され、複数のメトリクスにおける検出と追跡のパフォーマンスを改善する。
AirTrackはAmazon Airborne Object Tracking (AOT) Datasetで最先端のアートベースラインを上回っている。
セスナ182による複数の実世界の飛行試験は一般の航空交通と相互作用し、さらにベルヘリコプターがUASに向かって飛行し、提案されたアプローチが新たに導入されたASTM F3442/F3442MのDAA標準を満足することを示した。
実験結果から,本システムでは95%以上のトラックを700mの範囲まで追跡する可能性が示唆された。
ビデオはhttps://youtu.be/h3ll_wjxjpw。
関連論文リスト
- Commissioning An All-Sky Infrared Camera Array for Detection Of Airborne Objects [0.11703603440337004]
ガリレオ計画では、空を継続的に監視する多モード地上観測所を設計、建設、委託している。
鍵となる機器の1つは、8つの冷却されていない長波長のFLIRボソン640カメラを使用した全天型赤外線カメラアレイである。
各種気象条件に対する受入率(観測可能な航空機等)と検出効率(検出に成功している航空機等)を報告する。
おもちゃのアウトリーチは2次元再構成トラジェクトリーフラッグの大きな不純物に焦点を絞ったもので、トラジェクトリーの約16%をアウトリーチとして用いた。
論文 参考訳（メタデータ） (2024-11-12T17:31:51Z) - Ensuring UAV Safety: A Vision-only and Real-time Framework for Collision Avoidance Through Object Detection, Tracking, and Distance Estimation [16.671696289301625]
本稿では,光学センサを用いた非協調航空車両の検出・追跡・距離推定のためのディープラーニングフレームワークを提案する。
本研究では,単眼カメラの入力のみを用いて,検出された空中物体の距離情報をリアルタイムで推定する手法を提案する。
論文 参考訳（メタデータ） (2024-05-10T18:06:41Z) - Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied
Scenarios [66.05091704671503]
本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。
また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
論文 参考訳（メタデータ） (2024-02-04T08:41:20Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - Improving Underwater Visual Tracking With a Large Scale Dataset and
Image Enhancement [70.2429155741593]
本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。
水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。
本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。
この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
論文 参考訳（メタデータ） (2023-08-30T07:41:26Z) - VPAIR -- Aerial Visual Place Recognition and Localization in Large-scale
Outdoor Environments [49.82314641876602]
VPAIRという新しいデータセットを提示します。
データセットは地上300メートル以上の高度で飛行する軽航空機に記録されている。
このデータセットは、様々なタイプの挑戦的な風景を、100km以上にわたってカバーしている。
論文 参考訳（メタデータ） (2022-05-23T18:50:08Z) - SUES-200: A Multi-height Multi-scene Cross-view Image Benchmark Across
Drone and Satellite [0.0]
クロスビュー画像マッチングの目的は、同じターゲットシーンの異なるプラットフォームから取得した画像をマッチングすることである。
SUES-200は、飛行高度の異なるドローンの空中撮影によって生じる違いを考察した最初のデータセットである。
論文 参考訳（メタデータ） (2022-04-22T13:49:52Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳（メタデータ） (2021-11-17T21:48:31Z) - Planetary UAV localization based on Multi-modal Registration with
Pre-existing Digital Terrain Model [0.5156484100374058]
我々は,UAV上のナディルビューカメラを用いて,惑星UAVの位置を推定するマルチモーダル登録に基づくSLAMアルゴリズムを提案する。
オンボードUAV画像とプリインストールデジタル地形モデルとのスケールと外観の違いを克服するために,UAV画像とDEMの地形特性がクロスパワースペクトルを介して周波数領域で相関できることを示す理論的モデルを提案した。
提案するローカライゼーションアルゴリズムのロバスト性と有効性をテストするために,惑星探査のための新しいクロスソースドローンベースのローカライゼーションデータセットを提案する。
論文 参考訳（メタデータ） (2021-06-24T02:54:01Z) - Correlation Filters for Unmanned Aerial Vehicle-Based Aerial Tracking: A
Review and Experimental Evaluation [17.8941834997338]
識別相関フィルタ (DCF) ベースのトラッカーは, 単一のCPU上での高い計算効率とロバスト性で注目されている。
この研究では、23の最先端のDCFベースのトラッカーが、様々な問題を解決するためのイノベーションに従って要約されている。
実験では、UAVトラッキングにおけるDCFベースのトラッカーの現在の課題として、パフォーマンスを示し、実現可能性を検証する。
論文 参考訳（メタデータ） (2020-10-13T09:35:40Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z)
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。