論文の概要: SkyAI Sim: An Open-Source Simulation of UAV Aerial Imaging from Satellite Data
- arxiv url: http://arxiv.org/abs/2410.02003v1
- Date: Wed, 2 Oct 2024 20:08:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-04 09:34:57.643735
- Title: SkyAI Sim: An Open-Source Simulation of UAV Aerial Imaging from Satellite Data
- Title（参考訳）: SkyAI Sim:衛星データによるUAV空中イメージングのオープンソースシミュレーション
- Authors: S. Parisa Dajkhosh, Peter M. Le, Orges Furxhi, Eddie L. Jacobs,
- Abstract要約: 視覚ベースのナビゲーション(VBN)のための現実の空中画像の取得は、可用性と条件が限られているため困難である。
SkyAI Simは、UAVをシミュレートして、現実の可視光帯域仕様で、鳥眼の衛星画像をゼロヨーでキャプチャする、魅力的な代替手段を提供する。
- 参考スコア（独自算出の注目度）: 0.8749675983608172
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Capturing real-world aerial images for vision-based navigation (VBN) is challenging due to limited availability and conditions that make it nearly impossible to access all desired images from any location. The complexity increases when multiple locations are involved. The state of the art solutions, such as flying a UAV (Unmanned Aerial Vehicle) to take pictures or using existing research databases, have significant limitations. SkyAI Sim offers a compelling alternative by simulating a UAV to capture bird's-eye view satellite images at zero-yaw with real-world visible-band specifications. This open-source tool allows users to specify the bounding box (top-left and bottom-right) coordinates of any region on a map. Without the need to physically fly a drone, the virtual Python UAV performs a raster search to capture satellite images using the Google Maps Static API. Users can define parameters such as flight altitude, aspect ratio and diagonal field of view of the camera, and the overlap between consecutive images. SkyAI Sim's capabilities range from capturing a few low-altitude images for basic applications to generating extensive datasets of entire cities for complex tasks like deep learning. This versatility makes SkyAI a valuable tool for not only VBN, but also other applications including environmental monitoring, construction, and city management. The open-source nature of the tool also allows for extending the raster search to other missions. A dataset of Memphis, TN has been provided along with this simulator, partially generated using SkyAI and, also includes data from a 3D world generation package for comparison.
- Abstract（参考訳）: 視覚ベースのナビゲーション(VBN)のための現実の空中画像の取得は、任意の場所からすべての所望の画像にアクセスするのがほぼ不可能な、可用性と条件が限られているため、困難である。
複数の場所が関与すると複雑さが増す。
無人航空機(Unmanned Aerial Vehicle)で写真撮影や既存の研究データベースの利用など、最先端のソリューションには、大きな制限がある。
SkyAI Simは、UAVをシミュレートして、現実の可視光帯域仕様で、鳥眼の衛星画像をゼロヨーでキャプチャする、魅力的な代替手段を提供する。
このオープンソースのツールは、地図上の任意の領域のバウンディングボックス(右上と右下)を指定できる。
ドローンを物理的に飛ばす必要がないため、仮想のPython UAVは、Google Maps Static APIを使用して衛星画像をキャプチャするラスター検索を実行する。
ユーザーは、飛行高度、アスペクト比、カメラの対角視野、連続した画像間の重複などのパラメータを定義することができる。
SkyAI Simの機能は、基本的なアプリケーションのためにいくつかの低高度画像をキャプチャすることから、ディープラーニングのような複雑なタスクのために、都市全体の広範なデータセットを生成することまで様々である。
この汎用性により、SkyAIはVBNだけでなく、環境モニタリング、建設、都市管理といった他の用途にも有用なツールとなっている。
このツールのオープンソース性は、ラスター検索を他のミッションにも拡張することを可能にする。
メンフィスのデータセットであるTNは、SkyAIを使って部分的に生成されたシミュレータとともに提供されており、比較のための3Dワールドジェネレーションパッケージのデータも含まれている。
関連論文リスト
- Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。
実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
論文 参考訳（メタデータ） (2024-09-25T13:33:28Z) - UAV-VisLoc: A Large-scale Dataset for UAV Visual Localization [20.37586403749362]
大規模なUAV-VisLocデータセットを提示し、UAV視覚的ローカライゼーション作業を容易にする。
われわれのデータセットには6,742枚のドローン画像と11個の衛星マップが含まれており、緯度、経度、高度、捕獲日などのメタデータがある。
論文 参考訳（メタデータ） (2024-05-20T10:24:10Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - MatrixCity: A Large-scale City Dataset for City-scale Neural Rendering
and Beyond [69.37319723095746]
都市規模のニューラルレンダリング研究のための大規模で包括的で高品質な合成データセットを構築します。
本研究では,地上カメラのポーズと追加データモダリティを伴って,航空・街路ビューを容易に収集するパイプラインを構築した。
その結果得られたパイロットデータセットMatrixCityには、合計28km2$の2つの都市地図から、67kの空中画像と452kのストリート画像が含まれている。
論文 参考訳（メタデータ） (2023-09-28T16:06:02Z) - AerialVLN: Vision-and-Language Navigation for UAVs [23.40363176320464]
AerialVLNという,UAVをベースとした,屋外環境に向けた新しいタスクを提案する。
都市レベル25のシナリオをほぼリアルに表現した3次元シミュレータを開発した。
AerialVLNが新しい課題であることを示唆するベースラインモデルと人的パフォーマンスの間にはまだ大きなギャップがある。
論文 参考訳（メタデータ） (2023-08-13T09:55:04Z) - xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture
Radar Imagery [52.67592123500567]
世界の漁業は海洋資源や生態系に大きな脅威をもたらす。
夜間または夜間、全天候下で暗黒船の自動検出が可能となった。
xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
論文 参考訳（メタデータ） (2022-06-02T06:53:45Z) - 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) - OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles [62.997667081978825]
OpenREALMは無人航空機(UAV)のリアルタイムマッピングフレームワークである
異なる操作モードにより、OpenREALMは近似平面場を仮定して単純な縫合を行うことができる。
すべてのモードにおいて、結果のマップの漸進的な進捗は、地上のオペレータによってライブで見ることができる。
論文 参考訳（メタデータ） (2020-09-22T12:28:14Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z) - AU-AIR: A Multi-modal Unmanned Aerial Vehicle Dataset for Low Altitude
Traffic Surveillance [20.318367304051176]
カメラを搭載した無人航空機(UAV)は、空中(バードビュー)画像を撮影する利点がある。
オブジェクトアノテーションによる視覚データを含む、いくつかの空中データセットが導入されている。
本研究では,実環境下で収集されたマルチモーダルセンサデータを有する多目的航空データセット(AU-AIR)を提案する。
論文 参考訳（メタデータ） (2020-01-31T09:45:12Z)
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。