論文の概要: Towards autonomous photogrammetric forest inventory using a lightweight under-canopy robotic drone

• arxiv url: http://arxiv.org/abs/2501.12073v1
• Date: Tue, 21 Jan 2025 11:59:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:20:48.864244
• Title: Towards autonomous photogrammetric forest inventory using a lightweight under-canopy robotic drone
• Title（参考訳）: 軽量アンダーキャノピーロボットドローンによる森林の自然光度測定
• Authors: Väinö Karjalainen, Niko Koivumäki, Teemu Hakala, Jesse Muhojoki, Eric Hyyppä, Anand George, Juha Suomalainen, Eija Honkavaara,
• Abstract要約: 本稿では、最先端のオープンソース手法を活用し、森林内のデータ収集のパフォーマンスを検証するロボットアンダーキャノピードローンのプロトタイプを構築します。 樹木のパラメータ推定能力について, 搭載ステレオカメラデータとフォトグラム法を用いて直径径(DBH)推定を行った。 この実験は, 森林の復元において, 立体写真撮影システムによる優れた性能を示した。
• 参考スコア（独自算出の注目度）: 1.0964031083527972
• License:
• Abstract: Drones are increasingly used in forestry to capture high-resolution remote sensing data. While operations above the forest canopy are already highly automated, flying inside forests remains challenging, primarily relying on manual piloting. Inside dense forests, reliance on the Global Navigation Satellite System (GNSS) for localization is not feasible. Additionally, the drone must autonomously adjust its flight path to avoid collisions. Recently, advancements in robotics have enabled autonomous drone flights in GNSS-denied obstacle-rich areas. In this article, a step towards autonomous forest data collection is taken by building a prototype of a robotic under-canopy drone utilizing state-of-the-art open-source methods and validating its performance for data collection inside forests. The autonomous flight capability was evaluated through multiple test flights in two boreal forest test sites. The tree parameter estimation capability was studied by conducting diameter at breast height (DBH) estimation using onboard stereo camera data and photogrammetric methods. The prototype conducted flights in selected challenging forest environments, and the experiments showed excellent performance in forest reconstruction with a miniaturized stereoscopic photogrammetric system. The stem detection algorithm managed to identify 79.31 % of the stems. The DBH estimation had a root mean square error (RMSE) of 3.33 cm (12.79 %) and a bias of 1.01 cm (3.87 %) across all trees. For trees with a DBH less than 30 cm, the RMSE was 1.16 cm (5.74 %), and the bias was 0.13 cm (0.64 %). When considering the overall performance in terms of DBH accuracy, autonomy, and forest complexity, the proposed approach was superior compared to methods proposed in the scientific literature. Results provided valuable insights into autonomous forest reconstruction using drones, and several further development topics were proposed.
• Abstract（参考訳）: ドローンは、高解像度のリモートセンシングデータをキャプチャするために、林業でますます使われている。 森林キャノピーの上空での運用はすでに高度に自動化されているが、森林内での飛行は依然として困難であり、主に手動操縦に依存している。 密林の中では、GNSS(Global Navigation Satellite System)のローカライゼーションへの依存は不可能である。 さらに、ドローンは衝突を避けるために、自律的に飛行経路を調整する必要がある。 近年、ロボット工学の進歩により、GNSSで特定された障害物の多い地域で自律飛行が可能になった。 本稿では、最先端のオープンソース手法を利用したロボットアンダーキャノピードローンのプロトタイプを構築し、森林内のデータ収集の性能を検証することにより、自律的な森林データ収集への一歩を踏み出した。 自律飛行能力は、複数の試験飛行を通じて2つの森林試験場で評価された。 樹木のパラメータ推定能力は, 搭載ステレオカメラデータとフォトグラム法による乳房高さ(DBH)推定により検討した。 試作機は、選択された挑戦的な森林環境において飛行を行い、実験は、小型の立体写真撮影システムによる森林再建において優れた性能を示した。 茎検出アルゴリズムは、茎の79.31%を同定した。 DBH推定は根平均二乗誤差(RMSE)が3.33 cm (12.79 %)、偏差が1.01 cm (3.87 %)である。 DBHが30cm未満の樹ではRMSEは1.16cm(5.74%)、バイアスは0.13cm(0.64%)であった。 DBHの精度、自律性、森林の複雑さの観点から総合的な性能を考慮すると、提案手法は科学的文献で提案された手法よりも優れている。 その結果,ドローンを用いた森林の自律的再建に関する貴重な知見が得られ,さらなる開発課題が提案された。

関連論文リスト

• NeRF-Accelerated Ecological Monitoring in Mixed-Evergreen Redwood Forest [0.0]
  混合常緑樹林における幹径推定を目的としたMLSとNeRF林の復元の比較を行った。 凸ハルモデルを用いた改良DBH推定法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T20:32:15Z)
• Drone Stereo Vision for Radiata Pine Branch Detection and Distance Measurement: Integrating SGBM and Segmentation Models [4.730379319834545]
  本研究では,専用プルーニングツールとステレオビジョンカメラを備えたドローン式プルーニングシステムの開発を提案する。 YOLOやMask R-CNNを含むディープラーニングアルゴリズムは、正確な分岐検出を保証するために使用される。 これらの技術間の相乗効果により、分岐位置の正確な同定が容易になり、効率的で標的とした刈り取りが可能となる。
  論文  参考訳（メタデータ） (2024-09-26T04:27:44Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Collaboration Helps Camera Overtake LiDAR in 3D Detection [49.58433319402405]
  カメラのみの3D検出は、LiDARベースの検出システムと比較して、オブジェクトを3D空間にローカライズするための簡単なソリューションを提供する。 提案するコラボレーティブカメラのみの3D検出(CoCa3D)により,エージェントは通信を通じて相互に補完情報を共有できる。 その結果、CoCa3Dは従来のSOTA性能をDAIR-V2Xで44.21%改善し、OPV2V+で30.60%、AP@70でCoPerception-UAVs+で12.59%向上した。
  論文  参考訳（メタデータ） (2023-03-23T03:50:41Z)
• AZTR: Aerial Video Action Recognition with Auto Zoom and Temporal Reasoning [63.628195002143734]
  本稿では,空中映像の行動認識のための新しい手法を提案する。 提案手法は,UAVを用いて撮影したビデオに対して設計されており,エッジやモバイルデバイス上でも動作可能である。 我々は、カスタマイズされたオートズームを使用して、人間のターゲットを自動的に識別し、適切にスケールする学習ベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-02T21:24:19Z)
• High-resolution canopy height map in the Landes forest (France) based on GEDI, Sentinel-1, and Sentinel-2 data with a deep learning approach [0.044381279572631216]
  マルチストリームリモートセンシングに基づく深層学習モデルを構築し,高分解能キャノピー高さマップを作成する。 モデル出力により、2020年時点での"Landes de Gascogne"森林全体の10m解像度の天蓋の高さマップを作成できる。 針葉樹林におけるすべての検証データセットについて,本モデルでは,同領域で利用可能な従来の天蓋高さモデルよりも優れた指標を示した。
  論文  参考訳（メタデータ） (2022-12-20T14:14:37Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• Development of Automatic Tree Counting Software from UAV Based Aerial Images With Machine Learning [0.0]
  本研究の目的は,UAVによる高解像度画像から,シルト大学キャンパスの指定領域の樹木を自動カウントすることである。 Adobe Photoshopのフォトマージツールを使って、高さ30mで20%オーバーラップした画像を地上局でオフラインで縫い付けました。
  論文  参考訳（メタデータ） (2022-01-07T22:32:08Z)
• Country-wide Retrieval of Forest Structure From Optical and SAR Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
  本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。 本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。 ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
  論文  参考訳（メタデータ） (2021-11-25T16:21:28Z)
• An Autonomous Drone for Search and Rescue in Forests using Airborne Optical Sectioning [0.0]
  密閉された森林に完全自律的に人々を発見できる最初のプロトタイプを紹介します。 様々な森林タイプで実施された17のフィールド実験で、ドローンは42人の隠れた人のうち38人を見つけた。 深層学習に基づく人物分類は、1次元合成開口内でのスパースや誤差の少ないサンプリングでは影響を受けない。
  論文  参考訳（メタデータ） (2021-05-10T13:05:22Z)
• Agent with Warm Start and Active Termination for Plane Localization in 3D Ultrasound [56.14006424500334]
  超音波(US)診断には標準面の局在が不可欠である。 出生前のアメリカでは、何十もの標準的な飛行機が手動で2Dプローブで取得される。 胎児脳標準平面を3DUSで自動的に局所化するための新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-10-10T02:21:52Z)

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。