論文の概要: TRADE: Object Tracking with 3D Trajectory and Ground Depth Estimates for UAVs

• arxiv url: http://arxiv.org/abs/2210.03270v1
• Date: Fri, 7 Oct 2022 00:52:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-10 14:54:47.785799
• Title: TRADE: Object Tracking with 3D Trajectory and Ground Depth Estimates for UAVs
• Title（参考訳）: TRADE:UAVの3次元軌道と地上深度推定による物体追跡
• Authors: Pedro F. Proen\c{c}a, Patrick Spieler, Robert A. Hewitt, Jeff Delaune
• Abstract要約: 乱雑な環境下での移動目標のロバストな追跡と3次元位置推定のためのTRADEを提案する。 最終的にTRADEは、3d対応のターゲットをフォローできる。 我々は,クワッドコプターのボードコンピュータ上でTRADEを実行することで,熱カメラによる自律目標追従を実証する。
• 参考スコア（独自算出の注目度）: 1.6221957454728797
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose TRADE for robust tracking and 3D localization of a moving target in cluttered environments, from UAVs equipped with a single camera. Ultimately TRADE enables 3d-aware target following. Tracking-by-detection approaches are vulnerable to target switching, especially between similar objects. Thus, TRADE predicts and incorporates the target 3D trajectory to select the right target from the tracker's response map. Unlike static environments, depth estimation of a moving target from a single camera is a ill-posed problem. Therefore we propose a novel 3D localization method for ground targets on complex terrain. It reasons about scene geometry by combining ground plane segmentation, depth-from-motion and single-image depth estimation. The benefits of using TRADE are demonstrated as tracking robustness and depth accuracy on several dynamic scenes simulated in this work. Additionally, we demonstrate autonomous target following using a thermal camera by running TRADE on a quadcopter's board computer.
• Abstract（参考訳）: 単一カメラを搭載したUAVから, 乱雑な環境下での移動目標のロバストな追跡と3次元位置推定を行うTRADEを提案する。 最終的には3d対応のターゲットとなる。 追従検出アプローチは、特に類似オブジェクト間のターゲット切替に対して脆弱である。 これにより、TRADEはターゲット3D軌道を予測して組み込んで、トラッカーの応答マップから適切なターゲットを選択する。 静止環境とは異なり、単一カメラからの移動目標の深さ推定は不適切な問題である。 そこで本稿では,複雑な地形における地盤目標の3次元位置決め手法を提案する。 地上面のセグメンテーション, 深度移動, 単画像深度推定を組み合わせることで, シーン形状を考慮に入れた。 TRADEの利点は、本研究でシミュレートされた複数のダイナミックシーンにおけるロバストネスと深さ精度の追跡である。 さらに,クワッドコプターのボードコンピュータ上でTRADEを実行することで,熱カメラによる自律目標追従を示す。

関連論文リスト

• RaTrack: Moving Object Detection and Tracking with 4D Radar Point Cloud [10.593320435411714]
  レーダベースのトラッキングに適した革新的なソリューションであるRaTrackを紹介します。 本手法は,動き推定モジュールによって強化された動き分割とクラスタリングに焦点を当てる。 RaTrackは移動物体の追跡精度が優れており、最先端の技術をはるかに上回っている。
  論文  参考訳（メタデータ） (2023-09-18T13:02:29Z)
• TripletTrack: 3D Object Tracking using Triplet Embeddings and LSTM [0.0]
  3Dオブジェクトトラッキングは、自動運転システムにおいて重要なタスクである。 本稿では,3次元物体追跡における3重項埋め込みと動作表現の併用について検討する。
  論文  参考訳（メタデータ） (2022-10-28T15:23:50Z)
• Object Manipulation via Visual Target Localization [64.05939029132394]
  オブジェクトを操作するための訓練エージェントは、多くの課題を提起します。 本研究では,対象物体を探索する環境を探索し,位置が特定されると3次元座標を計算し,対象物が見えない場合でも3次元位置を推定する手法を提案する。 評価の結果,同じ感覚スイートにアクセス可能なモデルに比べて,成功率が3倍に向上したことが示された。
  論文  参考訳（メタデータ） (2022-03-15T17:59:01Z)
• A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds [50.54083964183614]
  生のLiDARスキャンにおける物体の点雲は、通常スパースで不完全であるため、正確な目標固有検出を行うのは簡単ではない。 DMTは、複雑な3D検出器の使用を完全に除去する3Dトラッキングネットワークである。
  論文  参考訳（メタデータ） (2022-03-08T17:49:07Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)
• EagerMOT: 3D Multi-Object Tracking via Sensor Fusion [68.8204255655161]
  マルチオブジェクトトラッキング(MOT)により、移動ロボットは周囲の物体を3次元空間と時間で位置づけすることで、良好な動作計画とナビゲーションを行うことができる。 既存の方法は、深度センサー(例えばLiDAR)を使用して3D空間のターゲットを検出し追跡するが、信号の間隔が限られているため、検出範囲は限られている。 我々は,両方のセンサモダリティから利用可能な物体を全て統合し,シーンのダイナミックスを適切に解釈する簡易なトラッキング定式化であるeagermotを提案する。
  論文  参考訳（メタデータ） (2021-04-29T22:30:29Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)
• Integration of the 3D Environment for UAV Onboard Visual Object Tracking [7.652259812856325]
  無人航空機からの単一の視覚的物体追跡は、根本的な課題となる。 本研究では,モデルフリーのビジュアルオブジェクトトラッカー,スパース3D再構成,状態推定器を組み合わせたパイプラインを提案する。 画像空間ではなく3次元空間における目標位置を表現することにより,エゴモーション時のトラッキングを安定化させる。
  論文  参考訳（メタデータ） (2020-08-06T18:37:29Z)
• Know Your Surroundings: Exploiting Scene Information for Object Tracking [181.1750279330811]
  現在の最先端トラッカーは、各フレーム内のオブジェクトをローカライズするためにターゲットの外観モデルのみに依存している。 本研究では,トラッキングにシーン情報を利用する新しいトラッキングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-24T17:59:04Z)

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。