論文の概要: Dynamic Anchor Selection and Real-Time Pose Prediction for
Ultra-wideband Tagless Gate
- arxiv url: http://arxiv.org/abs/2402.17778v1
- Date: Thu, 22 Feb 2024 08:41:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-03 19:10:01.223231
- Title: Dynamic Anchor Selection and Real-Time Pose Prediction for
Ultra-wideband Tagless Gate
- Title（参考訳）: 超広帯域タグレスゲートの動的アンカー選択とリアルタイムポース予測
- Authors: Junyoung Choi, Sagnik Bhattacharya, Joohyun Lee
- Abstract要約: そこで我々は,DynaPose と呼ばれる DS-TWR の極めて正確な DL-TDoA 局所化とポーズ予測のための動的アンカー選択を提案する。
DynaPoseは、アンカー選択とポーズ予測にディープラーニングを用いたLOS(Line-of-sight)とNLOS(Non-LOS)の分類に基づいている。
LOS/NLOS分類精度は0.984、DL-TDoAローカライゼーション精度は62%で、最終的には0.961の精度で4つの異なるポーズを検出する。
- 参考スコア（独自算出の注目度）: 7.306334571814026
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ultra-wideband (UWB) is emerging as a promising solution that can realize
proximity services, such as UWB tagless gate (UTG), thanks to centimeter-level
localization accuracy based on two different ranging methods such as downlink
time-difference of arrival (DL-TDoA) and double-sided two-way ranging (DS-TWR).
The UTG is a UWB-based proximity service that provides a seamless gate pass
system without requiring real-time mobile device (MD) tapping. The location of
MD is calculated using DL-TDoA, and the MD communicates with the nearest UTG
using DS-TWR to open the gate. Therefore, the knowledge about the exact
location of MD is the main challenge of UTG, and hence we provide the solutions
for both DL-TDoA and DS-TWR. In this paper, we propose dynamic anchor selection
for extremely accurate DL-TDoA localization and pose prediction for DS-TWR,
called DynaPose. The pose is defined as the actual location of MD on the human
body, which affects the localization accuracy. DynaPose is based on
line-of-sight (LOS) and non-LOS (NLOS) classification using deep learning for
anchor selection and pose prediction. Deep learning models use the UWB channel
impulse response and the inertial measurement unit embedded in the smartphone.
DynaPose is implemented on Samsung Galaxy Note20 Ultra and Qorvo UWB board to
show the feasibility and applicability. DynaPose achieves a LOS/NLOS
classification accuracy of 0.984, 62% higher DL-TDoA localization accuracy, and
ultimately detects four different poses with an accuracy of 0.961 in real-time.
- Abstract（参考訳）: UWB(Ultra-wideband)は、ダウンリンク時間差(DL-TDoA)と双方向距離(DS-TWR)という2つの異なる範囲の手法に基づいて、UWBタグレスゲート(UTG)のような近接サービスを実現できる有望なソリューションとして浮上している。
UTGはUWBベースの近接サービスで、リアルタイムモバイルデバイス(MD)タッピングを必要としないシームレスなゲートパスシステムを提供する。
MDの位置はDL-TDoAを用いて計算され、MDは最も近いUTGとDS-TWRを使って通信してゲートを開く。
したがって、MDの正確な位置に関する知識はUTGの主な課題であり、DL-TDoAとDS-TWRの双方に対する解決策を提供する。
本稿では,極めて正確なDL-TDoAローカライゼーションのための動的アンカー選択と,DynaPoseと呼ばれるDS-TWRのポーズ予測を提案する。
ポーズは人体上のMDの実際の位置として定義され、位置決め精度に影響を与える。
DynaPoseは、アンカー選択とポーズ予測にディープラーニングを用いたLOS(Line-of-sight)とNLOS(Non-LOS)の分類に基づいている。
ディープラーニングモデルは、スマートフォンに埋め込まれたUWBチャネルインパルス応答と慣性測定ユニットを使用する。
DynaPoseはSamsung Galaxy Note20 UltraとQorvo UWBボードに実装されており、実現可能性と適用性を示している。
DynaPoseはLOS/NLOS分類精度0.984、DL-TDoAローカライゼーション精度62%を実現し、最終的にリアルタイムで0.961の精度で4つの異なるポーズを検出する。
関連論文リスト
- DECADE: Towards Designing Efficient-yet-Accurate Distance Estimation Modules for Collision Avoidance in Mobile Advanced Driver Assistance Systems [5.383130566626935]
本稿では,距離推定モデルであるDECADEについて述べる。
これらのモジュールを任意の検出器にアタッチして物体検出を高速な距離推定で拡張できることを実証する。
論文 参考訳（メタデータ） (2024-10-25T06:40:42Z) - Neural 5G Indoor Localization with IMU Supervision [63.45775390000508]
無線信号は、ユビキタスであるため、ユーザのローカライゼーションに適しており、暗黒環境で動作し、プライバシを維持することができる。
多くの先行研究は、チャネル状態情報(CSI)と完全に監督された位置の間のマッピングを学ぶ。
本研究は,慣性測定ユニット(IMU)から算出した擬似ラベルを用いて,本要件を緩和するものである。
論文 参考訳（メタデータ） (2024-02-15T13:51:21Z) - Mobility-Induced Graph Learning for WiFi Positioning [3.9913115858730865]
本稿では,MINGLE(Mobility-Induced Graph LEarning)と呼ばれるグラフニューラルネットワークを用いた新たな統合手法を提案する。
異なるユーザモビリティ機能をキャプチャして作られた2種類のグラフに基づいて設計されている。
提案したMINGLEの有効性は、フィールド実験を通じて広く検証されている。
論文 参考訳（メタデータ） (2023-11-14T16:06:11Z) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳（メタデータ） (2023-03-10T14:46:42Z) - Deep Learning for Inertial Sensor Alignment [1.9773109138840514]
慣性測定ユニット(IMU)を装備したスマートフォンのヨー装着角度を学習し,車に装着するデータ駆動型アプローチを提案する。
提案モデルは、IMUからの加速度計とジャイロスコープのみを入力として使用する。
トレーニングされたモデルはAndroidデバイスにデプロイされ、推定されたヨー装着角度の精度をテストするためにリアルタイムで評価される。
論文 参考訳（メタデータ） (2022-12-10T07:50:29Z) - Multi-modal 3D Human Pose Estimation with 2D Weak Supervision in
Autonomous Driving [74.74519047735916]
自動運転車(AV)における3次元ポーズ推定(HPE)は,多くの要因において他のユースケースと異なる。
他のユースケース(仮想現実、ゲーム、アニメーションなど)のために収集されたデータは、AVアプリケーションには使用できない可能性がある。
本稿では,この問題をAV設定で緩和するための最初のアプローチの1つを提案する。
論文 参考訳（メタデータ） (2021-12-22T18:57:16Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳（メタデータ） (2021-07-08T15:19:36Z) - Confidence-guided Adaptive Gate and Dual Differential Enhancement for
Video Salient Object Detection [47.68968739917077]
ビデオサルエント物体検出(VSOD)は、ビデオシーケンスに隠された空間的手がかりと時間的手がかりの両方を活用することにより、最も魅力的な物体の探索と分割を目的としている。
信頼性誘導適応ゲート(CAG)モジュールとデュアルディファレンシャルエンハンスメント(DDE)モジュールを含む空間的および時間的キューから利用可能な情報を適応的にキャプチャする新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-05-14T08:49:37Z) - BTS-Net: Bi-directional Transfer-and-Selection Network For RGB-D Salient
Object Detection [16.87553302005972]
RGB-Dの高次物体検出から得られた深度マップは、しばしば品質と不正確さに悩まされる。
ほとんどの既存のRGB-D SODモデルは、クロスモーダル相互作用を持たないか、エンコーダの段階で深さからRGBまでの一方向相互作用しか持たない。
BTS-Netと呼ばれる新しい双方向転送および選択ネットワークを提案します。BTS-Netは、符号化中に機能を浄化するために双方向転送および選択モジュールのセットを採用しています。
論文 参考訳（メタデータ） (2021-04-05T05:58:43Z) - Learning Comprehensive Motion Representation for Action Recognition [124.65403098534266]
2d cnnベースのメソッドは効率的であるが、各フレームに同じ2d畳み込みカーネルを適用することで冗長な機能が得られる。
最近の試みは、フレーム間接続を確立しながら、時間的受容野や高いレイテンシに苦しめながら、動き情報をキャプチャしようとするものである。
チャネルワイズゲートベクトルを用いた動的情報に関連するチャネルを適応的に強調するCME(Channel-wise Motion Enhancement)モジュールを提案する。
また,近接する特徴写像の点対点類似性に応じて,重要な目標を持つ領域に焦点をあてる空間的運動強調(SME)モジュールを提案する。
論文 参考訳（メタデータ） (2021-03-23T03:06:26Z)
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。