論文の概要: Structure-Invariant Range-Visual-Inertial Odometry

• arxiv url: http://arxiv.org/abs/2409.04633v1
• Date: Fri, 6 Sep 2024 21:49:10 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 21:25:10.687717
• Title: Structure-Invariant Range-Visual-Inertial Odometry
• Title（参考訳）: 構造不変レンジ・ビジュアル・慣性オドメトリー
• Authors: Ivan Alberico, Jeff Delaune, Giovanni Cioffi, Davide Scaramuzza,
• Abstract要約: この研究は、火星科学ヘリコプターのミッション用に設計された新しいレンジ・ヴィジュアル・慣性オドメトリーシステムを導入している。 我々のシステムは、一貫した範囲情報を視覚的および慣性計測と融合することにより、最先端のxVIOフレームワークを拡張している。 提案手法は, 厳密なミッション条件を満たす地形相対速度を推定する。
• 参考スコア（独自算出の注目度）: 17.47284320862407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Mars Science Helicopter (MSH) mission aims to deploy the next generation of unmanned helicopters on Mars, targeting landing sites in highly irregular terrain such as Valles Marineris, the largest canyons in the Solar system with elevation variances of up to 8000 meters. Unlike its predecessor, the Mars 2020 mission, which relied on a state estimation system assuming planar terrain, MSH requires a novel approach due to the complex topography of the landing site. This work introduces a novel range-visual-inertial odometry system tailored for the unique challenges of the MSH mission. Our system extends the state-of-the-art xVIO framework by fusing consistent range information with visual and inertial measurements, preventing metric scale drift in the absence of visual-inertial excitation (mono camera and constant velocity descent), and enabling landing on any terrain structure, without requiring any planar terrain assumption. Through extensive testing in image-based simulations using actual terrain structure and textures collected in Mars orbit, we demonstrate that our range-VIO approach estimates terrain-relative velocity meeting the stringent mission requirements, and outperforming existing methods.
• Abstract（参考訳）: マーズ・サイエンス・ヘリコプター(MSH)ミッションは、火星に次世代の無人ヘリコプターを配備することを目的としており、最大8000メートルの高度差を持つ太陽系最大の峡谷であるヴァレス・マリネリス(Valles Marineris)のような非常に不規則な地形の着陸地点をターゲットにしている。 前作のマーズ2020ミッションとは異なり、MSHは着陸地点の複雑な地形のために新しいアプローチを必要とする。 本研究は、MSHミッションのユニークな課題に合わせて、新しいレンジ-ビジュアル-慣性オドメトリーシステムを導入する。 我々のシステムは、一貫した範囲情報を視覚的および慣性計測と融合させ、視覚的慣性励起(モノカメラと定速度降下)がない場合のメートルスケールドリフトを防止し、平面地形の仮定を必要とせず、任意の地形構造への着地を可能にすることにより、最先端のxVIOフレームワークを拡張した。 火星軌道上で収集された実際の地形構造とテクスチャを用いた画像ベースシミュレーションの広範なテストを通じて、我々のレンジVIOアプローチは、厳密なミッション要件を満たす地形相対速度を推定し、既存の手法よりも優れていることを実証した。

関連論文リスト

• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• You Only Crash Once: Improved Object Detection for Real-Time, Sim-to-Real Hazardous Terrain Detection and Classification for Autonomous Planetary Landings [7.201292864036088]
  危険地を検出するための安価で効果的な方法は、視覚カメラを使用することである。 視覚的危険地形検出の伝統的な技術は、テンプレートマッチングと事前構築されたハザードマップへの登録に焦点を当てている。 深層学習に基づく視覚的危険地形検出と分類技術であるYou Only Crash Once (YOCO)を紹介した。
  論文  参考訳（メタデータ） (2023-03-08T21:11:51Z)
• Mars Rover Localization Based on A2G Obstacle Distribution Pattern Matching [0.0]
  NASAのMars 2020ミッションでは、Ingenuityヘリコプターがローバーと共に運ばれる。 従来の画像マッチング手法は、有効な画像対応を得るのに苦労する。 画像に基づく岩盤検出と岩盤分布パターンマッチングを組み合わせたアルゴリズムを用いて、A2G画像対応を得る。
  論文  参考訳（メタデータ） (2022-10-07T08:29:48Z)
• Mixed-domain Training Improves Multi-Mission Terrain Segmentation [0.9566312408744931]
  現在の火星の地形区分モデルは、異なる領域にまたがる配置のために再訓練を必要とする。 本研究では,火星表面のマルチミッションセマンティックセマンティックセグメンテーションのために,バックボーンの教師なしコントラスト事前学習を利用する半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2022-09-27T20:25:24Z)
• 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
  本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。 本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
  論文  参考訳（メタデータ） (2022-07-13T16:40:02Z)
• A Neuromorphic Vision-Based Measurement for Robust Relative Localization in Future Space Exploration Missions [0.0]
  本研究では,ニューロモルフィック・ビジョン・ベース・計測(NVBM)と慣性測定の融合に基づくロバストな相対的局所化システムを提案する。 提案システムは様々な実験でテストされ、精度と範囲において最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2022-06-23T08:39:05Z)
• VPAIR -- Aerial Visual Place Recognition and Localization in Large-scale Outdoor Environments [49.82314641876602]
  VPAIRという新しいデータセットを提示します。 データセットは地上300メートル以上の高度で飛行する軽航空機に記録されている。 このデータセットは、様々なタイプの挑戦的な風景を、100km以上にわたってカバーしている。
  論文  参考訳（メタデータ） (2022-05-23T18:50:08Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)

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。