論文の概要: Detection and tracking of MAVs using a LiDAR with rosette scanning pattern
- arxiv url: http://arxiv.org/abs/2408.08555v1
- Date: Fri, 16 Aug 2024 06:40:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-19 16:28:41.226126
- Title: Detection and tracking of MAVs using a LiDAR with rosette scanning pattern
- Title（参考訳）: ロゼット走査パターンを用いたLiDARによるMAVの検出と追跡
- Authors: Sándor Gazdag, Tom Möller, Tamás Filep, Anita Keszler, András L. Majdik,
- Abstract要約: 本研究は,パンティルト・ターレット上の低コストロゼットスキャンLiDARを用いてMAVの検出と追跡を行う手法を提案する。
トラッキングにより、ターゲットの3Dポイントの密度をLiDARセンサーで最大化して、MAVを中央に保持することができる。
- 参考スコア（独自算出の注目度）: 2.062195473318468
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The usage of commercial Micro Aerial Vehicles (MAVs) has increased drastically during the last decade. While the added value of MAVs to society is apparent, their growing use is also coming with increasing risks like violating public airspace at airports or committing privacy violations. To mitigate these issues it is becoming critical to develop solutions that incorporate the detection and tracking of MAVs with autonomous systems. This work presents a method for the detection and tracking of MAVs using a novel, low-cost rosette scanning LiDAR on a pan-tilt turret. Once the static background is captured, a particle filter is utilized to detect a possible target and track its position with a physical, programmable pan-tilt system. The tracking makes it possible to keep the MAV in the center, maximizing the density of 3D points measured on the target by the LiDAR sensor. The developed algorithm was evaluated within the indoor MIcro aerial vehicle and MOtion capture (MIMO) arena and has state-of-the-art tracking accuracy, stability, and fast re-detection time in case of tracking loss. Based on the outdoor tests, it was possible to significantly increase the detection distance and number of returned points compared to other similar methods using LiDAR.
- Abstract（参考訳）: 商用のマイクロ・エアリアル・ビークル(MAV)の使用は、過去10年間で劇的に増加した。
MAVの社会への付加価値は明らかだが、空港での公共空域違反やプライバシー侵害などのリスクが増大している。
これらの問題を緩和するためには、MAVの検出と追跡を自律システムに組み込むソリューションを開発することが重要になっている。
本研究は,パンティルト・ターレット上の低コストロゼットスキャンLiDARを用いてMAVの検出と追跡を行う手法を提案する。
静的背景を捕捉すると、粒子フィルタを使用して、可能なターゲットを検出し、その位置を物理的にプログラム可能なパンティルトシステムで追跡する。
トラッキングにより、ターゲットの3Dポイントの密度をLiDARセンサーで最大化して、MAVを中央に保持することができる。
開発したアルゴリズムは,室内のMIcro航空機とMIMO(Motion Captaining)アリーナ内で評価され,トラッキングロス時の最先端のトラッキング精度,安定性,高速再検出時間を有する。
野外実験により,LiDARを用いた他の類似手法と比較して,検出距離と帰還点数を大幅に増加させることができた。
関連論文リスト
- RobMOT: Robust 3D Multi-Object Tracking by Observational Noise and State Estimation Drift Mitigation on LiDAR PointCloud [11.111388829965103]
この研究は、最近の3次元トラッキング・バイ・検出手法の限界に対処する。
そこで本稿では,正解トラックとゴーストトラックを時間的に区別する新しいオンライントラック妥当性メカニズムを提案する。
我々はまた、軌道ドリフトにおけるノイズ緩和を強化するカルマンフィルタの改良を導入し、閉塞物体のより堅牢な状態推定を可能にした。
論文 参考訳（メタデータ） (2024-05-19T12:49:21Z) - An Empirical Analysis of Range for 3D Object Detection [70.54345282696138]
本稿では,長距離検出データセットArgoverse 2.0を用いた遠距離3次元検出の実験的検討を行った。
近接場LiDARの測定は、小さなボクセルによって密度が高く最適に符号化され、遠距離場の測定は疎く、大きなボクセルで符号化されている。
本研究では,33%の効率向上と3.2%のCDSの精度向上を図った。
論文 参考訳（メタデータ） (2023-08-08T05:29:26Z) - A Vision-based Autonomous Perching Approach for Nano Aerial Vehicles [0.0]
ナノクワッドコプターのための視覚に基づく自律パーチ手法を提案する。
ドローンは2cmの精度でマーカーの中心に到達することができる。
論文 参考訳（メタデータ） (2023-06-16T02:34:50Z) - Vision-based Target Pose Estimation with Multiple Markers for the
Perching of UAVs [0.0]
本稿では,複数のマーカーを用いた視覚的ターゲットポーズ推定手法を提案する。
より大きなものの内部に小さなマーカーが付いたエンチングターゲットは、広範囲かつ近距離での検知能力を改善するように設計されている。
ポーズは、位置制御器に送られ、ドローンとマーカーの中央を調整し、ターゲットのパーチを操縦する。
論文 参考訳（メタデータ） (2023-04-25T16:51:10Z) - A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds [50.54083964183614]
生のLiDARスキャンにおける物体の点雲は、通常スパースで不完全であるため、正確な目標固有検出を行うのは簡単ではない。
DMTは、複雑な3D検出器の使用を完全に除去する3Dトラッキングネットワークである。
論文 参考訳（メタデータ） (2022-03-08T17:49:07Z) - 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) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - Tracking-by-Counting: Using Network Flows on Crowd Density Maps for
Tracking Multiple Targets [96.98888948518815]
State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。
混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
論文 参考訳（メタデータ） (2020-07-18T19:51:53Z) - 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) - Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。
特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。
これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
論文 参考訳（メタデータ） (2020-04-01T16:11:04Z) - Dynamic Radar Network of UAVs: A Joint Navigation and Tracking Approach [36.587096293618366]
新たな問題は、建物の後ろに隠れている無人小型無人航空機(UAV)を追跡することである。
本稿では,悪意のある標的のリアルタイムかつ高精度な追跡のためのUAVの動的レーダネットワークを提案する。
論文 参考訳（メタデータ） (2020-01-13T23:23:09Z)
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。