論文の概要: VORTEX: A Spatial Computing Framework for Optimized Drone Telemetry Extraction from First-Person View Flight Data

• arxiv url: http://arxiv.org/abs/2412.18505v1
• Date: Tue, 24 Dec 2024 15:43:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:56:05.433145
• Title: VORTEX: A Spatial Computing Framework for Optimized Drone Telemetry Extraction from First-Person View Flight Data
• Title（参考訳）: VORTEX:初対人飛行データからドローンテレメトリを最適化するための空間計算フレームワーク
• Authors: James E. Gallagher, Edward J. Oughton,
• Abstract要約: 本稿では,ドローンテレメトリデータを抽出・解析するVORTEXシステムを提案する。 VORTEXは、PyTorchベースのOCRツールボックスであるMMOCRを使用して、ドローンヘッドアップディスプレイ(HUD)記録からテレメトリ変数を抽出する。 その結果、利用可能なフレームの4.07%を利用する5秒サンプリングレートは、ポイント保持率64%と1秒ベースラインの4.2%以内の平均速度精度で最適なバランスを提供することがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper presents the Visual Optical Recognition Telemetry EXtraction (VORTEX) system for extracting and analyzing drone telemetry data from First Person View (FPV) Uncrewed Aerial System (UAS) footage. VORTEX employs MMOCR, a PyTorch-based Optical Character Recognition (OCR) toolbox, to extract telemetry variables from drone Heads Up Display (HUD) recordings, utilizing advanced image preprocessing techniques, including CLAHE enhancement and adaptive thresholding. The study optimizes spatial accuracy and computational efficiency through systematic investigation of temporal sampling rates (1s, 5s, 10s, 15s, 20s) and coordinate processing methods. Results demonstrate that the 5-second sampling rate, utilizing 4.07% of available frames, provides the optimal balance with a point retention rate of 64% and mean speed accuracy within 4.2% of the 1-second baseline while reducing computational overhead by 80.5%. Comparative analysis of coordinate processing methods reveals that while UTM Zone 33N projection and Haversine calculations provide consistently similar results (within 0.1% difference), raw WGS84 coordinates underestimate distances by 15-30% and speeds by 20-35%. Altitude measurements showed unexpected resilience to sampling rate variations, with only 2.1% variation across all intervals. This research is the first of its kind, providing quantitative benchmarks for establishing a robust framework for drone telemetry extraction and analysis using open-source tools and spatial libraries.
• Abstract（参考訳）: 本稿では,FPV (First Person View) Uncrewed Aerial System (UAS) 映像からドローンテレメトリデータを抽出・解析するVORTEXシステムを提案する。 VORTEXは、PyTorchベースの光学文字認識(OCR)ツールボックスであるMMOCRを使用して、ドローンヘッドアップディスプレイ(HUD)記録からテレメトリ変数を抽出し、CLAHEの強化や適応しきい値設定などの高度な画像前処理技術を利用する。 本研究では,時間的サンプリングレート(1s,5s,10s,15s,20s)と座標処理手法を体系的に検討し,空間的精度と計算効率を最適化する。 その結果、利用可能なフレームの4.07%を利用する5秒サンプリングレートは、計算オーバーヘッドを80.5%削減しつつ、ポイント保持率64%と1秒ベースラインの4.2%以内の平均速度精度で最適なバランスを提供することを示した。 座標処理法の比較分析により、UTMゾーン33N投影法とハバージン計算法は一貫して類似した結果(0.1%の差がある)が得られたが、生のWGS84座標は15～30%、速度は20～35%と推定された。 高度測定では、サンプリングレートの変動に対して予期せぬレジリエンスを示し、すべての間隔でわずか2.1%であった。 この研究は、オープンソースのツールと空間ライブラリを用いたドローンテレメトリ抽出と分析のための堅牢なフレームワークを確立するための定量的なベンチマークを提供する、最初のものである。

関連論文リスト

• From Data to Insights: A Covariate Analysis of the IARPA BRIAR Dataset for Multimodal Biometric Recognition Algorithms at Altitude and Range [13.42292577384284]
  本稿では,IARPA BRIARデータセットにおける全身バイオメトリックス性能の融合に着目し,UAVプラットフォーム,高度位置,最大1000mに焦点をあてる。 データセットには、屋内画像や制御された歩行記録と比較して、屋外ビデオが含まれている。
  論文  参考訳（メタデータ） (2024-09-03T00:58:50Z)
• KAN-RCBEVDepth: A multi-modal fusion algorithm in object detection for autonomous driving [2.382388777981433]
  本稿では, 自律走行における3次元物体検出の高速化を目的としたkan-RCBEVDepth法を提案する。 我々のユニークなBird’s Eye Viewベースのアプローチは、検出精度と効率を大幅に改善します。 コードはurlhttps://www.laitiamo.com/laitiamo/RCBEVDepth-KANでリリースされる。
  論文  参考訳（メタデータ） (2024-08-04T16:54:49Z)
• Collaborative Learning with a Drone Orchestrator [79.75113006257872]
  インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。 提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
  論文  参考訳（メタデータ） (2023-03-03T23:46:25Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• High-temporal-resolution event-based vehicle detection and tracking [0.0]
  イベントベースのビジョンは、その高時間分解能(1us)、高ダイナミックレンジ(>120dB)、わずか数マイクロ秒の出力遅延によって、近年急速に成長している。 この研究は、最先端のフレームベースの検出器とイベントベースの手法を活用する、オブジェクト検出と追跡のためのハイブリッドでマルチモーダルなアプローチを探求する。
  論文  参考訳（メタデータ） (2022-12-29T12:45:06Z)
• ZARTS: On Zero-order Optimization for Neural Architecture Search [94.41017048659664]
  微分可能なアーキテクチャサーチ (DARTS) は、NASの高効率性のため、一般的なワンショットパラダイムである。 この作業はゼロオーダーの最適化に変わり、上記の近似を強制せずに探索するための新しいNASスキームであるZARTSを提案する。 特に、12ベンチマークの結果は、DARTSの性能が低下するZARTSの顕著な堅牢性を検証する。
  論文  参考訳（メタデータ） (2021-10-10T09:35:15Z)
• mmPose-NLP: A Natural Language Processing Approach to Precise Skeletal Pose Estimation using mmWave Radars [0.0]
  本稿では,ミリ波レーダデータを用いたシークエンス・ツー・シークエンス(Seq2Seq)の骨格キーポイント推定器にインスパイアされた新しい自然言語処理(NLP)を提案する。 著者の知る限りでは、これはmmWaveレーダデータだけで25個の骨格キーポイントを正確に推定する最初の方法である。 骨格的なポーズ推定は、自動運転車、交通監視、患者監視、歩行分析、防衛法医学、予防的および行動可能な意思決定の助けなど、いくつかの応用において重要である。
  論文  参考訳（メタデータ） (2021-07-21T19:45:17Z)
• Real-Time COVID-19 Diagnosis from X-Ray Images Using Deep CNN and Extreme Learning Machines Stabilized by Chimp Optimization Algorithm [3.67350413975883]
  本稿では,胸部X線画像の分類のための新しい2段階アプローチを提案する。 第1フェーズでは、機能抽出器として機能するディープCNNをトレーニングし、第2フェーズでは、リアルタイム検出にELM(Extreme Learning Machines)を使用する。 提案手法は、他の比較ベンチマークの98.25%と99.11%を、COVID-Xray-5kとCOVIDetectioNetデータセットの最終的な精度で上回る。
  論文  参考訳（メタデータ） (2021-05-14T20:04:04Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Inception Convolution with Efficient Dilation Search [121.41030859447487]
  拡散畳み込みは、効果的な受容場を制御し、オブジェクトの大規模な分散を処理するための標準的な畳み込みニューラルネットワークの重要な変異体である。 そこで我々は,異なる軸,チャネル,層間の独立な拡散を有する拡張畳み込みの新たな変異体,すなわち開始(拡張)畳み込みを提案する。 本稿では,データに複雑なインセプション・コンボリューションを適合させる実用的な手法を探索し,統計的最適化に基づく簡易かつ効果的な拡張探索アルゴリズム(EDO)を開発した。
  論文  参考訳（メタデータ） (2020-12-25T14:58:35Z)
• ADAHESSIAN: An Adaptive Second Order Optimizer for Machine Learning [91.13797346047984]
  本稿では,2次最適化アルゴリズムであるADAHESSIANを紹介する。 ADAHESSIANは、他の適応最適化手法と比較して、新しい最先端の成果を大きなマージンで達成することを示す。
  論文  参考訳（メタデータ） (2020-06-01T05:00:51Z)

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。