論文の概要: Detection and Tracking of MAVs Using a Rosette Scanning Pattern LiDAR

• arxiv url: http://arxiv.org/abs/2408.08555v2
• Date: Mon, 24 Feb 2025 16:37:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:46:46.924503
• Title: Detection and Tracking of MAVs Using a Rosette Scanning Pattern LiDAR
• Title（参考訳）: ロゼット走査パターンLiDARによるMAVの検出と追跡
• Authors: Sándor Gazdag, Tom Möller, Anita Keszler, András L. Majdik,
• Abstract要約: セキュリティリスクの増大により、ドローンの検出と追跡が最優先事項となっている。 本研究では,非反復ロゼットスキャンパターンLiDARを用いて,この問題に対処する。 また、Pan-Tiltプラットフォームを用いて、ロゼット走査パターンLiDARの特性を利用する。 提案手法は,最先端の室内法と同等の精度で,最先端の屋外法を超える最大検出範囲を約80%増加させた。
• 参考スコア（独自算出の注目度）: 2.2124180701409233
• License:
• Abstract: The use of commercial Micro Aerial Vehicles (MAVs) has surged in the past decade, offering societal benefits but also raising risks such as airspace violations and privacy concerns. Due to the increased security risks, the development of autonomous drone detection and tracking systems has become a priority. In this study, we tackle this challenge, by using non-repetitive rosette scanning pattern LiDARs, particularly focusing on increasing the detection distance by leveraging the characteristics of the sensor. The presented method utilizes a particle filter with a velocity component for the detection and tracking of the drone, which offers added re-detection capability. A Pan-Tilt platform is utilized to take advantage of the specific characteristics of the rosette scanning pattern LiDAR by keeping the tracked object in the center where the measurement is most dense. The detection capabilities and accuracy of the system are validated through indoor experiments, while the maximum detection distance is shown in our outdoor experiments. Our approach achieved accuracy on par with the state-of-the-art indoor method while increasing the maximum detection range by approximately 80\% beyond the state-of-the-art outdoor method.
• Abstract（参考訳）: 商用のMicro Aerial Vehicles(MAV)の使用は過去10年間に急増し、社会的利益を提供するとともに、空域違反やプライバシー上の懸念などのリスクも高まっている。 セキュリティリスクの増大により、自律型ドローン検知・追跡システムの開発が最優先事項となっている。 本研究では,非繰り返しロゼット走査パターンLiDARを用いて,センサの特性を活用して検出距離を増加させることに着目し,この問題に対処する。 提案手法では, 速度成分を付加した粒子フィルタを用いて, ドローンの検出・追跡を行い, 再検出機能を付加した。 本発明のPan-Tiltプラットフォームは、ロゼット走査パターンLiDARの特定の特性を利用して、追跡対象を最も密集した中心に保持する。 室内実験により, システム検出能力と精度を検証し, 屋外実験では最大検出距離を示した。 提案手法は,最先端室内法と同等の精度を達成し,最先端屋外法を超越した最大検出範囲を約80%拡大した。

関連論文リスト

• Unsupervised UAV 3D Trajectories Estimation with Sparse Point Clouds [18.48877348628721]
  本稿では,時空間シーケンス処理を用いたコスト効率,教師なしUAV検出手法を提案する。 CVPR 2024 UG2+ Challengeの4位にランクインした。 我々は、研究コミュニティ.com/lianghanfang/UnLiDAR-UAV-Estのすべての設計、コード、サンプルデータをオープンソース化する予定です。
  論文  参考訳（メタデータ） (2024-12-17T09:30:31Z)
• 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)
• 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。