論文の概要: A Method for Classifying Snow Using Ski-Mounted Strain Sensors
- arxiv url: http://arxiv.org/abs/2304.14307v1
- Date: Thu, 27 Apr 2023 16:22:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 12:41:29.723159
- Title: A Method for Classifying Snow Using Ski-Mounted Strain Sensors
- Title(参考訳): スキー用ひずみセンサを用いた雪の分類法
- Authors: Florian McLelland, Floris van Breugel
- Abstract要約: アルペンスキーの上面に装着されたひずみセンサは,積雪の上部層の特徴を推定することができる。
2つのひずみゲージと慣性測定ユニットで、3つの定性的ラベルのうちの1つを軌道の10秒ごとに正しく割り当てることが可能であることを示す。
スキーを使って雪をリアルタイムで分類する能力は、市民科学の努力から、バックカントリーの雪面特性のマッピングまで幅広い応用への扉を開く。
- 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: Understanding the structure, quantity, and type of snow in mountain
landscapes is crucial for assessing avalanche safety, interpreting satellite
imagery, building accurate hydrology models, and choosing the right pair of
skis for your weekend trip. Currently, such characteristics of snowpack are
measured using a combination of remote satellite imagery, weather stations, and
laborious point measurements and descriptions provided by local forecasters,
guides, and backcountry users. Here, we explore how characteristics of the top
layer of snowpack could be estimated while skiing using strain sensors mounted
to the top surface of an alpine ski. We show that with two strain gauges and an
inertial measurement unit it is feasible to correctly assign one of three
qualitative labels (powder, slushy, or icy/groomed snow) to each 10 second
segment of a trajectory with 97% accuracy, independent of skiing style. Our
algorithm uses a combination of a data-driven linear model of the ski-snow
interaction, dimensionality reduction, and a Naive Bayes classifier.
Comparisons of classifier performance between strain gauges suggest that the
optimal placement of strain gauges is halfway between the binding and the
tip/tail of the ski, in the cambered section just before the point where the
unweighted ski would touch the snow surface. The ability to classify snow,
potentially in real-time, using skis opens the door to applications that range
from citizen science efforts to map snow surface characteristics in the
backcountry, and develop skis with automated stiffness tuning based on the snow
type.
- Abstract(参考訳): 山の風景の構造、量、雪の種類を理解することは、雪崩の安全性の評価、衛星画像の解釈、正確な水文学モデルの構築、週末の旅行に適したスキーの選択に不可欠です。
現在, リモート衛星画像, 気象観測所, および地域予報者, ガイド, バックカントリー利用者によって提供される手間のかかる点計測と記述を組み合わせて, 積雪の特性を測定している。
そこで本研究では,アルペンスキーの上面に設置したひずみセンサを用いてスキー中に積雪の上層特性を推定する方法について検討した。
2つのひずみゲージと慣性測定器を用いて,3つの定性的ラベルのうちの1つを,スキースタイルによらず精度97%の軌道の10秒区間に正確に割り当てることが可能であることを示す。
本アルゴリズムはスキースノー相互作用のデータ駆動線形モデルと次元の縮小とネイブベイズ分類器を組み合わせたものである。
ひずみゲージ間の分類器性能の比較から,スキーの結束部と先端部と尾部の中間に位置するひずみゲージの最適配置は,スキーが雪面に接触する地点の直前の迷路部にあることが示唆された。
スキーを使って、リアルタイムで雪を分類できる能力は、バックカントリーの雪の表面特性をマッピングするための市民科学的な取り組みから、雪の種類に応じた自動剛性チューニングを備えたスキーの開発まで幅広い応用への扉を開く。
関連論文リスト
- Retrieving snow depth distribution by downscaling ERA5 Reanalysis with ICESat-2 laser altimetry [2.5124917269950324]
本研究は、ICESat-2衛星レーザー高度計による積雪深度測定を用いて、マイクロスケール(10m)で積雪深度マップを作成する。
積雪深とそれに対応するERA5ランド積雪深との関係を確立するために回帰モデルを適用した。
ERA5時間帯全体を対象とした月次積雪深図の時系列作成方法(1950年以降)
論文 参考訳(メタデータ) (2024-10-23T14:59:06Z) - Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。
本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。
カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
論文 参考訳(メタデータ) (2024-04-11T10:26:40Z) - Tracking Skiers from the Top to the Bottom [15.888963265785348]
SkiTBはスキーにおけるコンピュータビジョンのための最大かつ最も注釈付きのデータセットである。
確立された手法と新たに導入されたスキーヤー最適化ベースラインアルゴリズムの両方を含む、いくつかのビジュアルオブジェクト追跡アルゴリズムをテストする。
その結果、視覚に基づくスキー分析における異なるトラッキング手法の適用性に関する貴重な知見が得られた。
論文 参考訳(メタデータ) (2023-12-15T11:53:17Z) - An Autoencoder-based Snow Drought Index [0.0]
SnoDRI(Snow Drought Response Index, SnoDRI)は, 降雪の干ばつの発生を識別し, 定量化するために用いられる新しい指標である。
各種積雪変数の最先端MLアルゴリズムを用いて,本指数を算出した。
我々は1981年から2021年までの太平洋地域での再解析データ(NLDAS-2)を用いて,新しい降雪量指数の有効性について検討した。
論文 参考訳(メタデータ) (2023-05-23T03:41:45Z) - Recurrent Graph Convolutional Networks for Spatiotemporal Prediction of
Snow Accumulation Using Airborne Radar [0.38073142980732994]
本研究では,近年の積雪量予測のために,連続的なグラフ畳み込みネットワークに基づく機械学習モデルを提案する。
その結果、同値な非幾何学的モデルや非時間的モデルよりも、モデルの性能が良く、一貫性も高いことが判明した。
論文 参考訳(メタデータ) (2023-02-02T01:40:48Z) - LiDAR Snowfall Simulation for Robust 3D Object Detection [116.10039516404743]
そこで本研究では,降雪の影響をシミュレーションする物理的手法を提案する。
本手法では,LiDARの各線に対して2次元空間の雪粒子をサンプリングし,誘導幾何を用いて各LiDAR線の測定を修正した。
我々はシミュレーションを用いて、部分的に合成された雪のLiDARデータを生成し、これらのデータを利用して、降雪に頑健な3次元物体検出モデルを訓練する。
論文 参考訳(メタデータ) (2022-03-28T21:48:26Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳(メタデータ) (2022-03-11T16:14:14Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳(メタデータ) (2021-11-25T16:21:28Z) - Road Surface Translation Under Snow-covered and Semantic Segmentation
for Snow Hazard Index [0.0]
本研究では,雪害率を自動計算する実画像後処理を用いた深層学習アプリケーションを提案する。
これらの学習したネットワークに基づき,道路表面の積雪量を示す道路から積雪までのハザード指数を自動的に計算する。
論文 参考訳(メタデータ) (2021-01-14T14:25:12Z) - Machine Learning for Glacier Monitoring in the Hindu Kush Himalaya [54.12023102155757]
氷河マッピングは、hkh領域における生態モニタリングの鍵となる。
気候変動は、氷河生態系の健康に依存している個人にリスクを与える。
本稿では,氷河に着目した環境モニタリングを支援する機械学習手法を提案する。
論文 参考訳(メタデータ) (2020-12-09T12:48:06Z) - Road Curb Detection and Localization with Monocular Forward-view Vehicle
Camera [74.45649274085447]
魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。
我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
論文 参考訳(メタデータ) (2020-02-28T00:24:18Z)
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。