論文の概要: UAV-borne Mapping Algorithms for Canopy-Level and High-Speed Drone
Applications
- arxiv url: http://arxiv.org/abs/2401.06407v1
- Date: Fri, 12 Jan 2024 07:04:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 20:05:42.751164
- Title: UAV-borne Mapping Algorithms for Canopy-Level and High-Speed Drone
Applications
- Title(参考訳): キャノピーレベル・高速ドローン用UAV対応マッピングアルゴリズム
- Authors: Jincheng Zhang, Artur Wolek, and Andrew R. Willis
- Abstract要約: 本稿では,UAV(Unmanned Aerial Vehicle)アプリケーションのための最先端マッピングアルゴリズムのレビューと解析を行う。
DSO(Direct Sparse Odometry)、SDSO(Stereo DSO)、DSOL(DSO Lite)の3つのマッピングアルゴリズムが評価されている。
この結果は、複雑な環境や高速シナリオにおける適用性を強調しながら、UAVマッピングのダイナミクスの微妙な理解に寄与する。
- 参考スコア(独自算出の注目度): 0.4681661603096333
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This article presents a comprehensive review of and analysis of
state-of-the-art mapping algorithms for UAV (Unmanned Aerial Vehicle)
applications, focusing on canopy-level and high-speed scenarios. This article
presents a comprehensive exploration of sensor technologies suitable for UAV
mapping, assessing their capabilities to provide measurements that meet the
requirements of fast UAV mapping. Furthermore, the study conducts extensive
experiments in a simulated environment to evaluate the performance of three
distinct mapping algorithms: Direct Sparse Odometry (DSO), Stereo DSO (SDSO),
and DSO Lite (DSOL). The experiments delve into mapping accuracy and mapping
speed, providing valuable insights into the strengths and limitations of each
algorithm. The results highlight the versatility and shortcomings of these
algorithms in meeting the demands of modern UAV applications. The findings
contribute to a nuanced understanding of UAV mapping dynamics, emphasizing
their applicability in complex environments and high-speed scenarios. This
research not only serves as a benchmark for mapping algorithm comparisons but
also offers practical guidance for selecting sensors tailored to specific UAV
mapping applications.
- Abstract(参考訳): 本稿では,UAV(Unmanned Aerial Vehicle)アプリケーションのための最先端マッピングアルゴリズムの総合的なレビューと解析を行い,キャノピーレベルと高速シナリオに着目した。
本稿では,UAVマッピングに適したセンサ技術を包括的に探索し,高速UAVマッピングの要件を満たす計測能力の評価を行う。
さらに、シミュレーション環境において、DSO(Direct Sparse Odometry)、SDSO(Stereo DSO)、DSOL(DSO Lite)の3つの異なるマッピングアルゴリズムの性能を評価するための広範な実験を行った。
実験では、精度とマッピング速度を調べ、各アルゴリズムの強さと限界について貴重な洞察を提供する。
その結果、現代のuavアプリケーションの要求に応えるアルゴリズムの汎用性と欠点が浮き彫りになった。
この結果は、複雑な環境や高速シナリオにおける適用性を強調し、UAVマッピングのダイナミクスの微妙な理解に寄与する。
この研究は、マッピングアルゴリズム比較のベンチマークとして機能するだけでなく、特定のUAVマッピングアプリケーションに適したセンサーを選択するための実用的なガイダンスも提供する。
関連論文リスト
- UAV-Assisted Space-Air-Ground Integrated Networks: A Technical Review of
Recent Learning Algorithms [6.687912132962003]
無人航空機(UAV)は宇宙航空地上統合ネットワーク(SAGIN)において重要な役割を果たしている
UAVの高ダイナミック性と複雑さのため、SAGINの実際の展開は、そのようなSAGINを実現する上で大きな障壁となる。
論文 参考訳(メタデータ) (2022-11-27T20:35:03Z) - Deep Learning Computer Vision Algorithms for Real-time UAVs On-board
Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。
すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文 参考訳(メタデータ) (2022-11-02T11:10:42Z) - Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。
本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。
本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
論文 参考訳(メタデータ) (2021-11-17T21:48:31Z) - Trajectory Design for UAV-Based Internet-of-Things Data Collection: A
Deep Reinforcement Learning Approach [93.67588414950656]
本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。
本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。
シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
論文 参考訳(メタデータ) (2021-07-23T03:33:29Z) - On-board Volcanic Eruption Detection through CNNs and Satellite
Multispectral Imagery [59.442493247857755]
著者らは、最初のプロトタイプと、AIモデルが“ロード”される可能性の研究を提案している。
ケーススタディでは,早期に警報を発生させる方法として,火山噴火の検出について検討することにした。
2つの畳み込みニューラルネットワークが提案され、作成され、実際のハードウェア上でそれらを正しく実装する方法も示されている。
論文 参考訳(メタデータ) (2021-06-29T11:52:43Z) - Safety-enhanced UAV Path Planning with Spherical Vector-based Particle
Swarm Optimization [5.076419064097734]
本稿では,無人航空機(UAV)の経路計画問題に対処するため,球面ベクトルベース粒子群最適化 (SPSO) という新しいアルゴリズムを提案する。
コスト関数が最初に定式化され、経路計画がUAVの実用的で安全な運用に必要な要件と制約を組み込んだ最適化問題に変換される。
SPSOは、UAVの構成空間を効率的に探索することでコスト関数を最小化する最適経路を見つけるために使用される。
論文 参考訳(メタデータ) (2021-04-13T06:45:11Z) - Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for
Cellular Offloading [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳(メタデータ) (2020-10-18T20:22:05Z) - NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案
非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。
相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
論文 参考訳(メタデータ) (2020-10-18T17:38:48Z) - Motion-Encoded Particle Swarm Optimization for Moving Target Search
Using UAVs [4.061135251278187]
本稿では,無人航空機(UAV)を用いた移動目標探索のための動き符号化粒子群最適化(MPSO)という新しいアルゴリズムを提案する。
提案するMPSOは,PSOアルゴリズムで粒子生成に進化する一連のUAV運動経路として探索軌道を符号化することにより,その問題を解決するために開発された。
既存手法による広範囲なシミュレーションの結果,提案手法は検出性能を24%,時間性能を4.71倍改善した。
論文 参考訳(メタデータ) (2020-10-05T14:17:49Z) - Reinforcement Learning for UAV Autonomous Navigation, Mapping and Target
Detection [36.79380276028116]
本研究では,無人航空機(UAV)に低高度レーダーを装備し,未知の環境下での飛行における共同検出・マッピング・ナビゲーション問題について検討する。
目的は、マッピング精度を最大化する目的で軌道を最適化することであり、目標検出の観点からは、測定が不十分な領域を避けることである。
論文 参考訳(メタデータ) (2020-05-05T20:39:18Z)
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。