論文の概要: MOANA: Multi-Radar Dataset for Maritime Odometry and Autonomous Navigation Application

• arxiv url: http://arxiv.org/abs/2412.03887v2
• Date: Tue, 10 Dec 2024 09:48:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-11 10:56:08.363338
• Title: MOANA: Multi-Radar Dataset for Maritime Odometry and Autonomous Navigation Application
• Title（参考訳）: MOANA:海洋オドメトリーのためのマルチレーダーデータセットと自律航法への応用
• Authors: Hyesu Jang, Wooseong Yang, Hanguen Kim, Dongje Lee, Yongjin Kim, Jinbum Park, Minsoo Jeon, Jaeseong Koh, Yejin Kang, Minwoo Jung, Sangwoo Jung, Ayoung Kim,
• Abstract要約: 海洋環境検知には、厳しい天候、プラットフォーム摂動、大きな動的物体、長い検知範囲の要求といった課題を克服する必要がある。 レーダーセンサーは、天候や塩分からの物理的汚染に対する堅牢な長距離検知機能とレジリエンスを提供する。 このデータセットは、短距離LiDARデータ、中距離Wバンドレーダデータ、長距離Xバンドレーダデータを統一されたフレームワークに統合する。
• 参考スコア（独自算出の注目度）: 10.789881281469823
• License:
• Abstract: Maritime environmental sensing requires overcoming challenges from complex conditions such as harsh weather, platform perturbations, large dynamic objects, and the requirement for long detection ranges. While cameras and LiDAR are commonly used in ground vehicle navigation, their applicability in maritime settings is limited by range constraints and hardware maintenance issues. Radar sensors, however, offer robust long-range detection capabilities and resilience to physical contamination from weather and saline conditions, making it a powerful sensor for maritime navigation. Among various radar types, X-band radar (e.g., marine radar) is widely employed for maritime vessel navigation, providing effective long-range detection essential for situational awareness and collision avoidance. Nevertheless, it exhibits limitations during berthing operations where close-range object detection is critical. To address this shortcoming, we incorporate W-band radar (e.g., Navtech imaging radar), which excels in detecting nearby objects with a higher update rate. We present a comprehensive maritime sensor dataset featuring multi-range detection capabilities. This dataset integrates short-range LiDAR data, medium-range W-band radar data, and long-range X-band radar data into a unified framework. Additionally, it includes object labels for oceanic object detection usage, derived from radar and stereo camera images. The dataset comprises seven sequences collected from diverse regions with varying levels of estimation difficulty, ranging from easy to challenging, and includes common locations suitable for global localization tasks. This dataset serves as a valuable resource for advancing research in place recognition, odometry estimation, SLAM, object detection, and dynamic object elimination within maritime environments. Dataset can be found in following link: https://sites.google.com/view/rpmmoana
• Abstract（参考訳）: 海洋環境センシングは、厳しい天候、プラットフォーム摂動、大きな動的物体、長い検知範囲の要求といった複雑な条件から克服する必要がある。 カメラとLiDARは地上車両のナビゲーションで一般的に使用されるが、海洋環境における適用性は、範囲の制約やハードウェアメンテナンスの問題によって制限されている。 しかしレーダーセンサーは、天候や塩分からの物理的汚染に対する堅牢な長距離検知機能とレジリエンスを提供しており、海上航行のための強力なセンサーとなっている。 様々なレーダータイプの中で、Xバンドレーダー(例:海洋レーダー)は海上船舶航法に広く使われており、状況認識と衝突回避に不可欠な効果的な長距離検知を提供する。 それでも、近距離物体検出が重要となるバーシング操作中に制限を示す。 この欠点に対処するため、Wバンドレーダー(例:Navtech Imaging radar)を導入し、より高い更新率で近接物体の検出に優れる。 マルチレンジ検出機能を備えた総合海洋センサデータセットを提案する。 このデータセットは、短距離LiDARデータ、中距離Wバンドレーダデータ、長距離Xバンドレーダデータを統一されたフレームワークに統合する。 さらに、レーダー画像とステレオカメラ画像から派生した海洋物体検出用オブジェクトラベルも含まれている。 データセットは、さまざまな領域から収集された7つのシーケンスからなり、予測の難易度は、容易から難易度まで様々であり、グローバルなローカライゼーションタスクに適した共通位置を含む。 このデータセットは、位置認識、オードメトリ推定、SLAM、オブジェクト検出、海洋環境における動的オブジェクト除去の研究を進めるための貴重なリソースとなる。 データセットは以下のリンクで参照できる。

関連論文リスト

• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• Bi-LRFusion: Bi-Directional LiDAR-Radar Fusion for 3D Dynamic Object Detection [78.59426158981108]
  この課題に対処し、動的オブジェクトの3D検出を改善するために、双方向LiDAR-Radar融合フレームワーク、Bi-LRFusionを導入する。 我々はnuScenesとORRデータセットに関する広範な実験を行い、我々のBi-LRFusionが動的オブジェクトを検出するための最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2023-06-02T10:57:41Z)
• A Systematic Study on Object Recognition Using Millimeter-wave Radar [1.3192560874022086]
  ミリ波(MMW)レーダーはスマート環境において必須である。 MMWレーダーは高価で、コミュニティ向けのスマート環境アプリケーションでは入手が難しい。 これらの課題は、オブジェクトやアクティビティを認識するといったタスクについて調査する必要がある。
  論文  参考訳（メタデータ） (2023-05-03T12:42:44Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Anomaly Detection in Radar Data Using PointNets [7.3600716208089825]
  異常なレーダーターゲットを検出するために,PointNetsに基づく手法を提案する。 本手法は都市シナリオにおける実世界のデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2021-09-20T10:02:24Z)
• Rethinking of Radar's Role: A Camera-Radar Dataset and Systematic Annotator via Coordinate Alignment [38.24705460170415]
  CRUWと呼ばれる新しいデータセットを体系的なアノテーションとパフォーマンス評価システムで提案する。 CRUWは、レーダーの無線周波数(RF)画像から3Dのオブジェクトを純粋に分類し、ローカライズすることを目指しています。 私たちの知る限り、CRUWは体系的なアノテーションと評価システムを備えた最初の公開大規模データセットです。
  論文  参考訳（メタデータ） (2021-05-11T17:13:45Z)
• Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
  本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
  論文  参考訳（メタデータ） (2021-04-29T10:06:29Z)
• Radar Artifact Labeling Framework (RALF): Method for Plausible Radar Detections in Datasets [2.5899040911480187]
  粗いレーダ点雲のラベル付けのためのクロスセンサレーダアーチファクトラベルフレームワーク(RALF)を提案する。 RALFは、レーダーの生検出のための可視性ラベルを提供し、アーティファクトとターゲットを区別する。 半手動ラベル付き地上真理データセットの3.28cdot106$ポイントの誤差測定値を評価することにより,結果を検証する。
  論文  参考訳（メタデータ） (2020-12-03T15:11:31Z)
• LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
  本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。 自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
  論文  参考訳（メタデータ） (2020-10-02T00:13:00Z)
• RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
  我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。 我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。 RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
  論文  参考訳（メタデータ） (2020-07-28T17:15:02Z)

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。