論文の概要: AscDAMs: Advanced SLAM-based channel detection and mapping system
- arxiv url: http://arxiv.org/abs/2401.13877v1
- Date: Thu, 25 Jan 2024 01:22:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-26 15:57:04.045485
- Title: AscDAMs: Advanced SLAM-based channel detection and mapping system
- Title（参考訳）: AscDAMs: SLAMに基づくチャネル検出・マッピングシステム
- Authors: Tengfei Wang, Fucheng Lu, Jintao Qin, Taosheng Huang, Hui Kong, Ping
Shen
- Abstract要約: 本稿では,高度SLAMに基づくチャネル検出・マッピングシステム,すなわちAscDAMを提案する。
SLAM後の結果に3つの大きな改善が加えられている。
2023年2月から11月にかけて中国深川郡中東グリーで2回の野外実験を行った。
- 参考スコア（独自算出の注目度）: 10.736648466109045
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Obtaining high-resolution, accurate channel topography and deposit conditions
is the prior challenge for the study of channelized debris flow. Currently,
wide-used mapping technologies including satellite imaging and drone
photogrammetry struggle to precisely observe channel interior conditions of
mountainous long-deep gullies, particularly those in the Wenchuan Earthquake
region. SLAM is an emerging tech for 3D mapping; however, extremely rugged
environment in long-deep gullies poses two major challenges even for the
state-of-art SLAM: (1) Atypical features; (2) Violent swaying and oscillation
of sensors. These issues result in large deviation and lots of noise for SLAM
results. To improve SLAM mapping in such environments, we propose an advanced
SLAM-based channel detection and mapping system, namely AscDAMs. It features
three main enhancements to post-process SLAM results: (1) The digital
orthophoto map aided deviation correction algorithm greatly eliminates the
systematic error; (2) The point cloud smoothing algorithm substantially
diminishes noises; (3) The cross section extraction algorithm enables the
quantitative assessment of channel deposits and their changes. Two field
experiments were conducted in Chutou Gully, Wenchuan County in China in
February and November 2023, representing observations before and after the
rainy season. We demonstrate the capability of AscDAMs to greatly improve SLAM
results, promoting SLAM for mapping the specially challenging environment. The
proposed method compensates for the insufficiencies of existing technologies in
detecting debris flow channel interiors including detailed channel morphology,
erosion patterns, deposit distinction, volume estimation and change detection.
It serves to enhance the study of full-scale debris flow mechanisms, long-term
post-seismic evolution, and hazard assessment.
- Abstract（参考訳）: 高分解能で高精度な流路地形と堆積条件を得ることは, 流路状土石流の研究に先行する課題である。
現在、衛星画像やドローンフォトグラメトリーなどの広範に利用されている地図技術は、山間部、特にウェンチュアン地震地域の水路内環境を正確に観測するのに苦戦している。
SLAMは3Dマッピングの新興技術である。しかし、長期間のグルリの非常に頑丈な環境は、最先端のSLAMにも2つの大きな課題をもたらす:(1)非定型的特徴; (2) センサーの振動と揺らぎ。
これらの問題はSLAM結果に対する大きな偏差と多くのノイズをもたらす。
このような環境でのSLAMマッピングを改善するために、高度SLAMに基づくチャネル検出・マッピングシステム、すなわちAscDAMを提案する。
1)デジタル正光写像支援偏差補正アルゴリズムは系統誤差を大幅に軽減し,(2)ポイント雲平滑化アルゴリズムはノイズを著しく低減し,(3)クロスセクション抽出アルゴリズムはチャネル堆積物とその変化の定量的評価を可能にする。
2023年2月から11月にかけて,中国深川郡中東グリーで2回の野外実験を行い,雨季前後の観測を行った。
AscDAMsのSLAM結果を大幅に改善する能力を示し、特別に困難な環境をマッピングするためのSLAMを促進する。
提案手法は, 詳細な流路形態, 浸食パターン, 堆積特性, 体積推定, 変化検出など, 破片流路内部を検知する既存の技術の不備を補うものである。
本研究は, 大規模土石流機構, 長期地震後進化, 危険度評価の研究の促進に寄与する。
関連論文リスト
- UDHF2-Net: Uncertainty-diffusion-model-based High-Frequency TransFormer Network for Remotely Sensed Imagery Interpretation [12.24506241611653]
不確実拡散モデルに基づく高周波トランスフォーマーネットワーク(UDHF2-Net)が最初に提案される。
UDHF2-Netは空間定常非定常高周波接続パラダイム(SHCP)である
Mask-and-geo-knowledge-based uncertainty diffusion module (MUDM) は自己指導型学習戦略である。
周波数ワイド半擬似半擬似UDHF2-Netは、変更検出の精度と複雑さのバランスをとるために提案された最初のものである。
論文 参考訳（メタデータ） (2024-06-23T15:03:35Z) - Uncertainty-guided Optimal Transport in Depth Supervised Sparse-View 3D Gaussian [49.21866794516328]
3次元ガウシアンスプラッティングは、リアルタイムな新規ビュー合成において顕著な性能を示した。
これまでのアプローチでは、3Dガウスの訓練に奥行き監視を取り入れ、オーバーフィッティングを軽減してきた。
本研究では,3次元ガウスの深度分布を可視化する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-05-30T03:18:30Z) - StableDreamer: Taming Noisy Score Distillation Sampling for Text-to-3D [88.66678730537777]
本稿では3つの進歩を取り入れた方法論であるStableDreamerを紹介する。
まず、SDS生成前の等価性と、簡単な教師付きL2再構成損失を定式化する。
第2に,画像空間拡散は幾何学的精度に寄与するが,色調の鮮明化には潜時空間拡散が不可欠であることを示す。
論文 参考訳（メタデータ） (2023-12-02T02:27:58Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Cross-Geography Generalization of Machine Learning Methods for
Classification of Flooded Regions in Aerial Images [3.9921541182631253]
本研究は,UAV空中画像中の浸水領域を特定するための2つのアプローチを提案する。
最初のアプローチは、テクスチャベースの教師なしセグメンテーションを使用して、浸水した地域を検出する。
2つ目は、テクスチャ機能に人工ニューラルネットワークを使用して、画像が浸水して浮かばないものとして分類する。
論文 参考訳（メタデータ） (2022-10-04T13:11:44Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z) - Deep Learning Framework for Detecting Ground Deformation in the Built
Environment using Satellite InSAR data [7.503635457124339]
我々は、全国規模の速度場における変形を検出するために、事前訓練された畳み込みニューラルネットワーク(CNN)を適用した。
我々は、以前特定された変形が石炭採掘、地下水流出、地すべり、トンネル掘削と関係している英国に焦点を当てる。
本研究は, 自動地動解析システムの開発に提案手法が適用可能であることを示すものである。
論文 参考訳（メタデータ） (2020-05-07T03:14:00Z) - CNN-based InSAR Coherence Classification [3.562355298993529]
畳み込みニューラルネットワーク(CNN)を導入し,コヒーレンスに基づく分類を改善し,非一貫性領域における誤分類を低減する。
トレーニングデータの知的前処理により,コヒーレンスに基づく分類の改善と,非コヒーレント領域における誤分類の低減に有効であることを示す。
論文 参考訳（メタデータ） (2020-01-20T03:25:38Z) - InSAR Phase Denoising: A Review of Current Technologies and Future
Directions [9.475024122649288]
インターフェロメトリ合成開口レーダ(InSAR)は情報取得の強化によるリモートセンシングにおいて強力なツールである。
干渉電図の位相分解は、トポグラフィーマッピングと変形モニタリングの必須ステップである。
本稿では,InSAR位相分解法の概要を概説し,確立されたアルゴリズムと新興アルゴリズムを4つの主要なカテゴリに分類する。
論文 参考訳（メタデータ） (2020-01-03T09:36:36Z)
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。