論文の概要: Autonomous Hiking Trail Navigation via Semantic Segmentation and Geometric Analysis
- arxiv url: http://arxiv.org/abs/2409.15671v1
- Date: Tue, 24 Sep 2024 02:21:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 11:19:39.669679
- Title: Autonomous Hiking Trail Navigation via Semantic Segmentation and Geometric Analysis
- Title（参考訳）: セマンティックセグメンテーションと幾何学解析による自律型ハイキングトレイルナビゲーション
- Authors: Camndon Reed, Christopher Tatsch, Jason N. Gross, Yu Gu,
- Abstract要約: この研究は、自動ハイキングトレイルナビゲーションに新しいアプローチを導入し、必要に応じてオフトレールルートに適応する柔軟性とトレイルアテンデンスをバランスさせる。
このソリューションは、カメラ画像のセマンティックデータとLiDARの幾何学的情報を統合して、周囲の地形を包括的に理解するトラバーサビリティ分析モジュールである。
プランナーは、このトラバーサビリティマップを安全にナビゲートするために使用し、トレイルに固執しながら、軌道上の危険や安全なオフトレールショートカットを避けるために必要であれば、オフトレール移動を許可する。
- 参考スコア（独自算出の注目度）: 2.1149122372776743
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Natural environments pose significant challenges for autonomous robot navigation, particularly due to their unstructured and ever-changing nature. Hiking trails, with their dynamic conditions influenced by weather, vegetation, and human traffic, represent one such challenge. This work introduces a novel approach to autonomous hiking trail navigation that balances trail adherence with the flexibility to adapt to off-trail routes when necessary. The solution is a Traversability Analysis module that integrates semantic data from camera images with geometric information from LiDAR to create a comprehensive understanding of the surrounding terrain. A planner uses this traversability map to navigate safely, adhering to trails while allowing off-trail movement when necessary to avoid on-trail hazards or for safe off-trail shortcuts. The method is evaluated through simulation to determine the balance between semantic and geometric information in traversability estimation. These simulations tested various weights to assess their impact on navigation performance across different trail scenarios. Weights were then validated through field tests at the West Virginia University Core Arboretum, demonstrating the method's effectiveness in a real-world environment.
- Abstract（参考訳）: 自然環境は、特に非構造的で常に変化する性質のために、自律的なロボットナビゲーションに重大な課題をもたらす。
ハイキングトレイルは、天候、植生、人的交通の影響を受け、そのダイナミックな環境が、そのような課題の1つを表している。
この研究は、自動ハイキングトレイルナビゲーションに新しいアプローチを導入し、必要に応じてオフトレールルートに適応する柔軟性とトレイルアテンデンスをバランスさせる。
このソリューションは、カメラ画像のセマンティックデータとLiDARの幾何学的情報を統合して、周囲の地形を包括的に理解するトラバーサビリティ分析モジュールである。
プランナーは、このトラバーサビリティマップを安全にナビゲートするために使用し、トレイルに固執しながら、軌道上の危険や安全なオフトレールショートカットを避けるために必要であれば、オフトレール移動を許可する。
本手法は,可逆性推定における意味的情報と幾何学的情報のバランスを決定するためのシミュレーションによって評価される。
これらのシミュレーションは、異なるトレイルシナリオにおけるナビゲーション性能への影響を評価するために、様々な重みを試験した。
重量はウェストバージニア大学のコアアーボレタムでのフィールドテストによって検証され、実際の環境での手法の有効性が実証された。
関連論文リスト
- IN-Sight: Interactive Navigation through Sight [20.184155117341497]
IN-Sightは自己監督型パスプランニングの新しいアプローチである。
可逆性のスコアを計算し、セマンティックマップに組み込む。
障害物を正確に回避するために、IN-Sightはローカルプランナーを使用している。
論文 参考訳（メタデータ） (2024-08-01T07:27:54Z) - OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
軌道予測はコンピュータビジョンと自律運転の基本である。
この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。
本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
論文 参考訳（メタデータ） (2024-04-02T18:30:29Z) - RoadRunner -- Learning Traversability Estimation for Autonomous Off-road Driving [13.101416329887755]
我々は、カメラとLiDARセンサーの入力から直接地形変動を予測できるフレームワークであるRoadRunnerと、標高マップを提示する。
RoadRunnerは、センサ情報、不確実性の処理、コンテキスト情報による予測の生成を融合させることで、信頼性の高い自律ナビゲーションを可能にする。
我々は,非構造砂漠環境を通した複数の現実の運転シナリオにおいて,安全かつ信頼性の高いオフロードナビゲーションを実現する上で,ロードランナーの有効性を実証する。
論文 参考訳（メタデータ） (2024-02-29T16:47:54Z) - WildGEN: Long-horizon Trajectory Generation for Wildlife [3.8986045286948]
軌道生成は歩行者、車両、野生動物の運動研究において重要な関心事である。
本研究では,変分オートエンコーダ(VAE)に基づく手法を用いて,この問題に対処する概念的フレームワークWildGENを紹介する。
その後、スムーズなフィルタに基づいて生成された軌跡の後の処理工程を行い、過度のさまよりを低減する。
論文 参考訳（メタデータ） (2023-12-30T05:08:28Z) - RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and
Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。
我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。
約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文 参考訳（メタデータ） (2023-10-03T17:59:32Z) - URA*: Uncertainty-aware Path Planning using Image-based Aerial-to-Ground
Traversability Estimation for Off-road Environments [4.826948318242962]
本研究では,オフロード環境における自律走行のための航空画像を用いた不確実性を考慮した経路計画手法URA*を提案する。
提案するプランナーには,オンラインロボット操作時の迅速な再計画を可能にするリプランニング技術も組み込まれている。
その結果,提案手法は,初期経路の品質と実現可能性の観点から,従来の計画アルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-09-15T23:52:45Z) - WayFAST: Traversability Predictive Navigation for Field Robots [5.914664791853234]
本稿では,車輪付き移動ロボットの走行経路を予測するための自己教師型アプローチを提案する。
キーとなるインスピレーションは、キノダイナミックモデルを用いてローリングロボットのトラクションを推定できることです。
オンライントラクション推定に基づくトレーニングパイプラインは,他の手法よりもデータ効率が高いことを示す。
論文 参考訳（メタデータ） (2022-03-22T22:02:03Z) - ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。
学習と計画を統合する学習に基づくアプローチを提案する。
ViKiNGは、画像ベースの学習コントローラを利用できる。
論文 参考訳（メタデータ） (2022-02-23T02:14:23Z) - Augmented reality navigation system for visual prosthesis [67.09251544230744]
反応ナビゲーションと経路計画のソフトウェアを組み込んだ視覚補綴用拡張現実ナビゲーションシステムを提案する。
対象を地図上に配置し、対象の軌道を計画し、対象に示し、障害なく再計画する。
その結果,目標を達成するための時間と距離を減らし,障害物衝突の回数を大幅に減らし,航法性能の向上を図っている。
論文 参考訳（メタデータ） (2021-09-30T09:41:40Z) - Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。
本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。
競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
論文 参考訳（メタデータ） (2020-12-04T15:10:12Z) - Learning to Move with Affordance Maps [57.198806691838364]
物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。
従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。
学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
論文 参考訳（メタデータ） (2020-01-08T04:05:11Z)
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。