論文の概要: Addressing the challenges of loop detection in agricultural environments
- arxiv url: http://arxiv.org/abs/2408.15761v2
- Date: Fri, 30 Aug 2024 13:13:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-02 10:49:44.062569
- Title: Addressing the challenges of loop detection in agricultural environments
- Title（参考訳）: 農業環境におけるループ検出の課題
- Authors: Nicolás Soncini, Javier Civera, Taihú Pire,
- Abstract要約: オープンフィールドにおけるロバストループ検出への道を開く新しい手法を提案する。
提案手法は, 中央値15cmの誤差で, 常に良好なループ検出を実現する。
オープンフィールドをループ検出のための新しい環境として特徴付け,それを扱う際の限界や問題を理解することを目的としている。
- 参考スコア（独自算出の注目度）: 8.17925295907622
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While visual SLAM systems are well studied and achieve impressive results in indoor and urban settings, natural, outdoor and open-field environments are much less explored and still present relevant research challenges. Visual navigation and local mapping have shown a relatively good performance in open-field environments. However, globally consistent mapping and long-term localization still depend on the robustness of loop detection and closure, for which the literature is scarce. In this work we propose a novel method to pave the way towards robust loop detection in open fields, particularly in agricultural settings, based on local feature search and stereo geometric refinement, with a final stage of relative pose estimation. Our method consistently achieves good loop detections, with a median error of 15cm. We aim to characterize open fields as a novel environment for loop detection, understanding the limitations and problems that arise when dealing with them.
- Abstract（参考訳）: 視覚的SLAMシステムは屋内や都市環境においてよく研究されているが、自然、屋外、オープンフィールド環境は調査があまり行われておらず、研究上の課題がまだ残っている。
ビジュアルナビゲーションとローカルマッピングは、オープンフィールド環境では比較的良いパフォーマンスを示している。
しかし、グローバルな一貫したマッピングと長期のローカライゼーションは、ループ検出と閉包の堅牢性に依存しており、文献は乏しい。
本研究では, 局所的特徴探索と立体幾何学的改善に基づくオープンフィールド, 特に農業環境におけるロバストループ検出への道のりを, 相対的ポーズ推定の最終段階とともに舗装する手法を提案する。
提案手法は, 中央値15cmの誤差で, 常に良好なループ検出を実現する。
オープンフィールドをループ検出のための新しい環境として特徴付け,それを扱う際の限界や問題を理解することを目的としている。
関連論文リスト
- OTO Planner: An Efficient Only Travelling Once Exploration Planner for Complex and Unknown Environments [6.128246045267511]
オンリートラベル・ワン・プランナー」は複雑な環境下で繰り返し経路を減少させる効率的な探索プランナーである。
高速フロンティア更新、視点評価、視点改善が含まれる。
探査時間と移動距離を10%から20%削減し、フロンティア検出の速度を6～9倍向上させる。
論文 参考訳（メタデータ） (2024-06-11T14:23:48Z) - DiffuBox: Refining 3D Object Detection with Point Diffusion [74.01759893280774]
本研究では,3次元物体の検出と局所化を確保するために,新しい拡散型ボックス精細化手法を提案する。
提案手法は,様々なドメイン適応設定下で評価し,その結果,異なるデータセット間での大幅な改善が示された。
論文 参考訳（メタデータ） (2024-05-25T03:14:55Z) - Object Detectors in the Open Environment: Challenges, Solutions, and Outlook [95.3317059617271]
オープン環境のダイナミックで複雑な性質は、オブジェクト検出器に新しくて恐ろしい挑戦をもたらす。
本稿では,オープン環境におけるオブジェクト検出器の総合的なレビューと解析を行う。
データ/ターゲットの変化の次元に基づいて、4つの四分法(ドメイン外、カテゴリ外、堅牢な学習、漸進的な学習)を含むフレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-24T19:32:39Z) - 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) - MFMAN-YOLO: A Method for Detecting Pole-like Obstacles in Complex
Environment [21.06313873761061]
現実の交通では、道路や気象条件には様々な不確実性や複雑さがある。
本稿では,複雑な環境下での極様障害物の特徴情報の損失を解消するために,マルチスケールなハイブリットアテンション機構検出アルゴリズムを提案する。
実験の結果,検出精度は94.7%,93.1%,97.4%,検出フレームレートは400f/sであった。
論文 参考訳（メタデータ） (2023-07-24T06:33:52Z) - Autonomous search of real-life environments combining dynamical
system-based path planning and unsupervised learning [0.0]
本稿では,障害物回避,カオス軌道分散,および正確なカバレッジ計算のためのアルゴリズムを提案する。
アルゴリズムは概してスムーズなカオス軌道を生成し、環境をスキャンする。
このアプリケーションの性能は、従来の最適経路プランナーに匹敵するものだった。
論文 参考訳（メタデータ） (2023-05-03T00:09:31Z) - Delving into Sequential Patches for Deepfake Detection [64.19468088546743]
近年の顔偽造技術は、ほとんど追跡不可能なディープフェイクビデオを生み出しており、悪意のある意図で活用することができる。
従来の研究では、ディープフェイク法にまたがる一般化を追求する上で、局所的な低レベルな手がかりと時間的情報の重要性が指摘されてきた。
本稿では,局所的・時間的変換をベースとしたDeepfake Detectionフレームワークを提案する。
論文 参考訳（メタデータ） (2022-07-06T16:46:30Z) - Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。
本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
論文 参考訳（メタデータ） (2022-03-11T01:12:00Z) - Occlusion-aware Unsupervised Learning of Depth from 4-D Light Fields [50.435129905215284]
4次元光場処理と解析のための教師なし学習に基づく深度推定法を提案する。
光場データの特異な幾何学構造に関する基礎知識に基づいて,光場ビューのサブセット間の角度コヒーレンスを探索し,深度マップを推定する。
提案手法は,従来の手法と同等の精度で計算コストを低減した深度マップを作成できる。
論文 参考訳（メタデータ） (2021-06-06T06:19:50Z) - POMP: Pomcp-based Online Motion Planning for active visual search in
indoor environments [89.43830036483901]
本稿では, 屋内環境におけるオブジェクトのアクティブビジュアルサーチ(AVS)の最適ポリシーを, オンライン設定で学習する問題に焦点をあてる。
提案手法はエージェントの現在のポーズとRGB-Dフレームを入力として使用する。
提案手法を利用可能なAVDベンチマークで検証し,平均成功率0.76,平均パス長17.1とした。
論文 参考訳（メタデータ） (2020-09-17T08:23:50Z) - A flexible outlier detector based on a topology given by graph
communities [0.0]
異常検出は機械学習手法と統計的予測モデルの最適性能に不可欠である。
トポロジーは、特徴空間内の互いに隣接する近傍を成す重み付きグラフのコミュニティを用いて計算される。
当社のアプローチは、ローカル戦略とグローバル戦略の両方において、複数のビュー設定と単一ビュー設定で総合的に優れています。
論文 参考訳（メタデータ） (2020-02-18T18:40:31Z)
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。