論文の概要: Tracking People in Highly Dynamic Industrial Environments

• arxiv url: http://arxiv.org/abs/2302.00503v1
• Date: Wed, 1 Feb 2023 15:17:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-02 17:15:22.220355
• Title: Tracking People in Highly Dynamic Industrial Environments
• Title（参考訳）: ダイナミックな産業環境における人々の追跡
• Authors: Savvas Papaioannou, Andrew Markham, and Niki Trigoni
• Abstract要約: 高度にダイナミックな産業環境における人を追跡する新しい位置決めシステムを提案する。 提案システムは、既存のCCTVカメラのインフラと、各労働者の携帯電話内の無線および慣性センサーを利用する。 建設現場では, クロスモダリティトレーニングや社会力の利用により, 大幅な精度向上が図られている。
• 参考スコア（独自算出の注目度）: 41.80840853105103
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To date, the majority of positioning systems have been designed to operate within environments that have long-term stable macro-structure with potential small-scale dynamics. These assumptions allow the existing positioning systems to produce and utilize stable maps. However, in highly dynamic industrial settings these assumptions are no longer valid and the task of tracking people is more challenging due to the rapid large-scale changes in structure. In this paper we propose a novel positioning system for tracking people in highly dynamic industrial environments, such as construction sites. The proposed system leverages the existing CCTV camera infrastructure found in many industrial settings along with radio and inertial sensors within each worker's mobile phone to accurately track multiple people. This multi-target multi-sensor tracking framework also allows our system to use cross-modality training in order to deal with the environment dynamics. In particular, we show how our system uses cross-modality training in order to automatically keep track environmental changes (i.e. new walls) by utilizing occlusion maps. In addition, we show how these maps can be used in conjunction with social forces to accurately predict human motion and increase the tracking accuracy. We have conducted extensive real-world experiments in a construction site showing significant accuracy improvement via cross-modality training and the use of social forces.
• Abstract（参考訳）: これまで、ポジショニングシステムの大部分は、長期安定なマクロ構造と潜在的に小規模なダイナミクスを持つ環境内で動作するように設計されてきた。 これらの仮定により、既存の測位システムは安定した地図を作成、利用することができる。 しかし、高度にダイナミックな工業環境では、これらの仮定はもはや有効ではなく、構造が急速に変化するため、人々を追跡する仕事はより困難である。 本稿では,建設現場などの高ダイナミックな産業環境における人々を追跡できる新しい位置決めシステムを提案する。 提案システムは,多くの産業環境にある既存のCCTVカメラのインフラと,作業者の携帯電話内の無線・慣性センサーを利用して,複数の人物を正確に追跡する。 このマルチターゲットマルチセンサトラッキングフレームワークは,環境ダイナミクスに対処するために,クロスモダリティトレーニングも可能にする。 特に,閉塞マップを利用して環境変化(すなわち新しい壁)を自動的に追跡するために,我々のシステムがクロスモダリティトレーニングをどのように利用するかを示す。 さらに,これらの地図が社会的力と連動して人間の動きを正確に予測し,追跡精度を高める方法を示す。 我々は, クロスモダリティ訓練と社会力の利用を通じて, かなりの精度向上を示した建設現場で, 広範囲な実世界実験を行った。

関連論文リスト

• Multimodal Perception System for Real Open Environment [0.0]
  提案システムには、組み込み計算プラットフォーム、カメラ、超音波センサー、GPS、IMUデバイスが含まれる。 従来のフレームワークとは異なり、私たちのシステムは複数のセンサーと高度なコンピュータビジョンアルゴリズムを統合し、ユーザーが確実に外を歩けるようにします。
  論文  参考訳（メタデータ） (2024-10-10T13:53:42Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Pre-Trained Masked Image Model for Mobile Robot Navigation [16.330708552384053]
  2Dトップダウンマップは、未知の領域を通る移動ロボットのナビゲーションと探索に一般的に使用される。 近年の研究では、学習に基づくアプローチによって環境の構造パターンを予測することにより、タスク効率が大幅に向上することが示されている。 既存の基盤ビジョンネットワークは微調整なしで同じことを実現できることを示す。
  論文  参考訳（メタデータ） (2023-10-10T21:16:29Z)
• RSPT: Reconstruct Surroundings and Predict Trajectories for Generalizable Active Object Tracking [17.659697426459083]
  本稿では, 周辺を再構成し, 対象軌道の予測を行うことにより, 構造認識の動作表現を形成するフレームワークであるRSPTを提案する。 我々は,RSPTを様々なシミュレーションシナリオで評価し,既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-04-07T12:52:24Z)
• Scalable and Real-time Multi-Camera Vehicle Detection, Re-Identification, and Tracking [58.95210121654722]
  理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。 私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
  論文  参考訳（メタデータ） (2022-04-15T12:47:01Z)
• Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
  実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。 この技術が進歩するにつれて、社会においても益々有用になってきている。 歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。 我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
  論文  参考訳（メタデータ） (2021-08-26T11:45:26Z)
• Estimating the Robustness of Public Transport Systems Using Machine Learning [62.997667081978825]
  公共交通機関の計画は、多くのステップを含む非常に複雑なプロセスである。 乗客の観点からの堅牢性の統合により、作業はさらに困難になる。 本稿では,機械学習の手法を用いたシナリオベースロバストネス近似の新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-06-10T05:52:56Z)
• Self-Improving Semantic Perception on a Construction Robot [6.823936426747797]
  本稿では,ロボット上でセマンティクスモデルが継続的に更新され,展開環境に適応するフレームワークを提案する。 そこで本システムは,マルチセンサ知覚と局所化を密結合し,自己教師付き擬似ラベルから継続的に学習する。
  論文  参考訳（メタデータ） (2021-05-04T16:06:12Z)
• Robot Navigation in Constrained Pedestrian Environments using Reinforcement Learning [32.454250811667904]
  歩行者のまわりをスムーズに移動することは、人間環境に展開する移動ロボットに必要な能力である。 移動歩行者の存在に動的に適応できる政策を学習するための強化学習に基づくアプローチを提案する。 2つの実環境の3D再構成に学習方針の移転を示す。
  論文  参考訳（メタデータ） (2020-10-16T19:40:08Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。