論文の概要: 3D Trajectory Reconstruction of Drones using a Single Camera

• arxiv url: http://arxiv.org/abs/2309.02801v1
• Date: Wed, 6 Sep 2023 07:39:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-07 16:25:44.745335
• Title: 3D Trajectory Reconstruction of Drones using a Single Camera
• Title（参考訳）: 単一カメラによるドローンの3次元軌道再構成
• Authors: Seobin Hwang, Hanyoung Kim, Chaeyeon Heo, Youkyoung Na, Cheongeun Lee, and Yeongjun Cho
• Abstract要約: 一つのカメラでドローンの3次元軌道を再構築するための新しい枠組みを提案する。 ドローンを2D画像で自動的に追跡し、その2Dローテーションを推定する。 パブリックなドローンデータセットの欠如に対処するため、合成された2Dおよび3Dドローンデータセットも作成します。
• 参考スコア（独自算出の注目度）: 0.5937476291232799
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Drones have been widely utilized in various fields, but the number of drones being used illegally and for hazardous purposes has increased recently. To prevent those illegal drones, in this work, we propose a novel framework for reconstructing 3D trajectories of drones using a single camera. By leveraging calibrated cameras, we exploit the relationship between 2D and 3D spaces. We automatically track the drones in 2D images using the drone tracker and estimate their 2D rotations. By combining the estimated 2D drone positions with their actual length information and camera parameters, we geometrically infer the 3D trajectories of the drones. To address the lack of public drone datasets, we also create synthetic 2D and 3D drone datasets. The experimental results show that the proposed methods accurately reconstruct drone trajectories in 3D space, and demonstrate the potential of our framework for single camera-based surveillance systems.
• Abstract（参考訳）: ドローンは様々な分野で広く利用されているが、違法に使用されるドローンの数は近年増加している。 本研究では,これらの違法ドローンを防止すべく,単一カメラを用いてドローンの3次元軌道を再構築するための新しい枠組みを提案する。 キャリブレーションカメラを利用することで、2d空間と3d空間の関係を活用できる。 ドローンを2D画像で自動的に追跡し、その2Dローテーションを推定する。 推定された2Dドローンの位置と実際の長さ情報とカメラパラメータを組み合わせることで、ドローンの3D軌跡を幾何学的に推定する。 パブリックドローンデータセットの欠如に対処するために、合成2dおよび3dドローンデータセットも作成します。 実験の結果,提案手法は3次元空間におけるドローンの軌道を正確に再構築し,カメラによる監視システムの実現の可能性を示した。

関連論文リスト

• Chasing the Intruder: A Reinforcement Learning Approach for Tracking Intruder Drones [0.08192907805418582]
  本研究では、チェッカードローンを用いて侵入者ドローンを識別・追跡するための強化学習に基づくアプローチを提案する。 提案手法は、強化学習の政策学習フレームワークにインターリーブされたコンピュータビジョン技術を用いている。 その結果、強化学習に基づくポリシーは、侵入者ドローンを識別・追跡するために収束していることがわかった。
  論文  参考訳（メタデータ） (2023-09-10T16:31:40Z)
• Sound-based drone fault classification using multitask learning [7.726132010393797]
  本稿では,DNN断層分類器とドローン音声データセットを提案する。 データセットは、無響室の3つの異なるドローンに搭載されたマイクからドローンの操作音を収集することで構築された。 得られたデータセットを用いて、短時間の入力波形から機械的故障の種類とその位置を分類する分類器である1DCNN-ResNetを訓練する。
  論文  参考訳（メタデータ） (2023-04-23T17:55:40Z)
• Unauthorized Drone Detection: Experiments and Prototypes [0.8294692832460543]
  本稿では、受信信号強度インジケータ(RSSI)と、ドローンの位置座標から生成された暗号鍵の2段階検証を利用する、新しい暗号化ベースのドローン検出方式を提案する。
  論文  参考訳（メタデータ） (2022-12-02T20:43:29Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• EVPropNet: Detecting Drones By Finding Propellers For Mid-Air Landing And Following [11.79762223888294]
  ドローンプロペラは画像の最も速く動く部分であり、激しい動きのぼけなくして古典的なカメラで直接「見える」ことはできない。 イベントカメラのデータからプロペラを検出するために、EVPropNetと呼ばれるディープニューラルネットワークをトレーニングする。 当社のネットワークには, (a) 目印のないドローンの追跡と追跡, (b) ニアフーバードローンへの着陸という,2つの応用例がある。
  論文  参考訳（メタデータ） (2021-06-29T01:16:01Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• Relative Drone-Ground Vehicle Localization using LiDAR and Fisheye Cameras through Direct and Indirect Observations [0.0]
  本稿では,LiDARカメラを用いたドローンと地上車両間の相対ポーズ推定手法を提案する。 本稿では,LiDARを用いたドローン検出・追跡のための動的適応カーネルベース手法を提案する。 実験では、ドローンの高速な初期検出とリアルタイム追跡を実現しました。
  論文  参考訳（メタデータ） (2020-11-13T16:41:55Z)
• Multi-Drone based Single Object Tracking with Agent Sharing Network [74.8198920355117]
  マルチDroneシングルオブジェクト追跡データセットは、92のビデオクリップと113,918の高解像度フレーム、63のビデオクリップ、145,875の高解像度フレームで構成されている。 エージェント共有ネットワーク(ASNet)は、複数のドローンからターゲットの自己教師付きテンプレート共有とビューアウェア融合によって提案される。
  論文  参考訳（メタデータ） (2020-03-16T03:27:04Z)
• University-1652: A Multi-view Multi-source Benchmark for Drone-based Geo-localization [87.74121935246937]
  我々は、ドローンによるジオローカライゼーションのための新しいマルチビューベンチマーク、University-1652を紹介する。 大学1652は、世界中の1,652の大学の建物から合成ドローン、衛星、地上カメラなどの3つのプラットフォームからのデータを含んでいる。 実験の結果,University-1652は視点不変の特徴の学習を支援し,実世界のシナリオにおいて優れた一般化能力を有することが示された。
  論文  参考訳（メタデータ） (2020-02-27T15:24:15Z)
• Detection and Tracking Meet Drones Challenge [131.31749447313197]
  本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。 当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
  論文  参考訳（メタデータ） (2020-01-16T00:11:56Z)

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。