Fugu-MT 論文翻訳(概要): Point Cloud-based Proactive Link Quality Prediction for Millimeter-wave Communications

論文の概要: Point Cloud-based Proactive Link Quality Prediction for Millimeter-wave Communications

arxiv url: http://arxiv.org/abs/2301.00752v1
Date: Mon, 2 Jan 2023 16:51:40 GMT
ステータス: 処理完了
システム内更新日: 2023-01-03 13:51:26.583905
Title: Point Cloud-based Proactive Link Quality Prediction for Millimeter-wave Communications
Title（参考訳）: ミリ波通信のためのポイントクラウドに基づくプロアクティブリンク品質予測
Authors: Shoki Ohta, Takayuki Nishio, Riichi Kudo, Kahoko Takahashi, Hisashi Nagata
Abstract要約: 本研究は,mmWaveリンクの品質予測法を設計し,LiDARと深度カメラの異なる種類の点雲を用いて2つの実験を行った。提案手法は,人体による妨害によるmWaveリンクの品質低下を予測できる。
参考スコア（独自算出の注目度）: 2.8558942410497066
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study demonstrates the feasibility of point cloud-based proactive link quality prediction for millimeter-wave (mmWave) communications. Image-based methods to quantitatively and deterministically predict future received signal strength using machine learning from time series of depth images to mitigate the human body line-of-sight (LOS) path blockage in mmWave communications have been proposed. However, image-based methods have been limited in applicable environments because camera images may contain private information. Thus, this study demonstrates the feasibility of using point clouds obtained from light detection and ranging (LiDAR) for the mmWave link quality prediction. Point clouds represent three-dimensional (3D) spaces as a set of points and are sparser and less likely to contain sensitive information than camera images. Additionally, point clouds provide 3D position and motion information, which is necessary for understanding the radio propagation environment involving pedestrians. This study designs the mmWave link quality prediction method and conducts two experimental evaluations using different types of point clouds obtained from LiDAR and depth cameras, as well as different numerical indicators of link quality, received signal strength and throughput. Based on these experiments, our proposed method can predict future large attenuation of mmWave link quality due to LOS blockage by human bodies, therefore our point cloud-based method can be an alternative to image-based methods.
Abstract（参考訳）: 本研究では,ミリ波通信におけるポイントクラウドに基づくリンク品質予測の実現可能性を示す。深度画像の時系列から機械学習を用いて将来の受信信号強度を定量的かつ決定的に予測し、mWave通信における人体視線(LOS)経路遮断を緩和する画像ベース手法が提案されている。しかし、カメラ画像はプライベート情報を含む可能性があるため、適用環境では画像ベースの手法が限られている。そこで本研究では,mmWaveリンク品質予測のための光検出・測光(LiDAR)から得られる点雲の有用性を示す。点雲は3次元(3d)空間を点の集合として表現し、カメラ画像よりもセンシティブな情報を含まない。さらに点雲は3次元位置と運動情報を提供し、歩行者を含む電波伝搬環境を理解するのに必要である。本研究は,mmWaveリンク品質予測法を設計し,LiDARと深度カメラの異なる種類の点雲と,リンク品質,受信信号強度,スループットの異なる数値指標を用いて2つの実験評価を行った。これらの実験に基づき,提案手法は人体によるロスブロックによるmmwaveリンク品質の将来の大きな減衰を予測できるため,ポイントクラウドベースの手法が画像ベース手法の代替となりうる。

関連論文リスト

bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文参考訳（メタデータ） (2024-10-30T17:30:35Z)
ProbRadarM3F: mmWave Radar based Human Skeletal Pose Estimation with Probability Map Guided Multi-Format Feature Fusion [14.83158440666821]
本稿では,確率マップによるマルチフォーマット特徴融合モデルProbRadarM3Fを提案する。 ProbRadarM3Fは従来のヒートマップの特徴と位置特徴を融合させ、効果的に14個の人体のキーポイントを推定する。
論文参考訳（メタデータ） (2024-05-08T15:54:57Z)
Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
論文参考訳（メタデータ） (2023-10-10T20:11:13Z)
Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文参考訳（メタデータ） (2023-05-22T07:09:35Z)
DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文参考訳（メタデータ） (2022-12-31T16:48:43Z)
mm-Wave Radar Hand Shape Classification Using Deformable Transformers [0.46007387171990594]
リアルタイム・ミリ波レーダを用いた静的手形分類アルゴリズムと実装を提案する。この手法は60Ghzレーダをセンサ入力として使用し、低コストかつプライバシーに敏感なタッチレス制御技術にいくつかの応用を見出した。
論文参考訳（メタデータ） (2022-10-24T09:56:11Z)
mmBody Benchmark: 3D Body Reconstruction Dataset and Analysis for Millimeter Wave Radar [10.610455816814985]
ミリ波(mmWave)レーダーは、煙、雨、雪、照明の悪さといった悪環境でも使えるため、人気が高まっている。以前の研究では、ノイズやスパースなmmWaveレーダ信号から3D骨格やメッシュを再構築する可能性を探っている。このデータセットは、同期および校正されたmmWaveレーダーポイント雲と、異なるシーンにおけるRGB(D)イメージと、シーン内の人間のためのスケルトン/メシュアノテーションで構成されている。
論文参考訳（メタデータ） (2022-09-12T08:00:31Z)
Evaluating Point Cloud from Moving Camera Videos: A No-Reference Metric [58.309735075960745]
本稿では,ビデオ品質評価(VQA)手法を用いて,ポイントクラウド品質評価(PCQA)タスクの処理方法について検討する。捉えたビデオは、いくつかの円形の経路を通して、点雲の周りでカメラを回転させて生成する。トレーニング可能な2D-CNNモデルと事前学習された3D-CNNモデルを用いて、選択したキーフレームとビデオクリップから空間的・時間的品質認識特徴を抽出する。
論文参考訳（メタデータ） (2022-08-30T08:59:41Z)
mmPose-NLP: A Natural Language Processing Approach to Precise Skeletal Pose Estimation using mmWave Radars [0.0]
本稿では,ミリ波レーダデータを用いたシークエンス・ツー・シークエンス(Seq2Seq)の骨格キーポイント推定器にインスパイアされた新しい自然言語処理(NLP)を提案する。著者の知る限りでは、これはmmWaveレーダデータだけで25個の骨格キーポイントを正確に推定する最初の方法である。骨格的なポーズ推定は、自動運転車、交通監視、患者監視、歩行分析、防衛法医学、予防的および行動可能な意思決定の助けなど、いくつかの応用において重要である。
論文参考訳（メタデータ） (2021-07-21T19:45:17Z)
R-AGNO-RPN: A LIDAR-Camera Region Deep Network for Resolution-Agnostic Detection [3.4761212729163313]
3次元点雲とRGB画像を融合した領域提案ネットワークR-AGNO-RPNを提案する。私たちのアプローチは、低点のクラウド解像度にも適用できるように設計されています。
論文参考訳（メタデータ） (2020-12-10T15:22:58Z)
Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文参考訳（メタデータ） (2020-09-30T19:01:33Z)

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。