論文の概要: Vision-based Geo-Localization of Future Mars Rotorcraft in Challenging Illumination Conditions

• arxiv url: http://arxiv.org/abs/2502.09795v2
• Date: Wed, 05 Mar 2025 01:09:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 19:04:35.032597
• Title: Vision-based Geo-Localization of Future Mars Rotorcraft in Challenging Illumination Conditions
• Title（参考訳）: 静止照明条件下での将来の火星ロータクラフトの視覚による地球局所化
• Authors: Dario Pisanti, Robert Hewitt, Roland Brockers, Georgios Georgakis,
• Abstract要約: Geo-LoFTRは画像登録のための幾何学支援ディープラーニングモデルである。 提案方式は, 照明やスケールの変動による局所化精度において, 従来のMbLよりも優れていた。
• 参考スコア（独自算出の注目度）: 4.6901215692204286
• License:
• Abstract: Planetary exploration using aerial assets has the potential for unprecedented scientific discoveries on Mars. While NASA's Mars helicopter Ingenuity proved flight in Martian atmosphere is possible, future Mars rotocrafts will require advanced navigation capabilities for long-range flights. One such critical capability is Map-based Localization (MbL) which registers an onboard image to a reference map during flight in order to mitigate cumulative drift from visual odometry. However, significant illumination differences between rotocraft observations and a reference map prove challenging for traditional MbL systems, restricting the operational window of the vehicle. In this work, we investigate a new MbL system and propose Geo-LoFTR, a geometry-aided deep learning model for image registration that is more robust under large illumination differences than prior models. The system is supported by a custom simulation framework that uses real orbital maps to produce large amounts of realistic images of the Martian terrain. Comprehensive evaluations show that our proposed system outperforms prior MbL efforts in terms of localization accuracy under significant lighting and scale variations. Furthermore, we demonstrate the validity of our approach across a simulated Martian day.
• Abstract（参考訳）: 航空資産を用いた惑星探査は、前例のない火星での科学的発見の可能性を秘めている。 NASAの火星ヘリコプターIngenuityは火星の大気圏での飛行が可能であることを証明した。 このような重要な能力の1つはMbL(Map-based Localization)であり、これは飛行中の累積ドリフトを視覚計測から軽減するために、オンボードイメージを参照マップに登録する。 しかし、ロトクラフト観測と参照マップの重大な照明の違いは、従来のMbLシステムでは困難であることが証明され、車両の運転窓が制限された。 本研究では,新しいMbLシステムについて検討し,画像登録のための幾何学支援深層学習モデルGeo-LoFTRを提案する。 このシステムは、火星の地形の大量の現実的な画像を生成するために、実際の軌道地図を使用するカスタムシミュレーションフレームワークによってサポートされている。 総合的な評価から,提案システムは,照明やスケールの変動による局所化精度において,従来のMbLよりも優れていたことが示唆された。 さらに、シミュレーションされた火星の日を通して、我々のアプローチの有効性を示す。

関連論文リスト

• Structure-Invariant Range-Visual-Inertial Odometry [17.47284320862407]
  この研究は、火星科学ヘリコプターのミッション用に設計された新しいレンジ・ヴィジュアル・慣性オドメトリーシステムを導入している。 我々のシステムは、一貫した範囲情報を視覚的および慣性計測と融合することにより、最先端のxVIOフレームワークを拡張している。 提案手法は, 厳密なミッション条件を満たす地形相対速度を推定する。
  論文  参考訳（メタデータ） (2024-09-06T21:49:10Z)
• MaRF: Representing Mars as Neural Radiance Fields [1.4680035572775534]
  MARFは火星の環境を合成するためのフレームワークで、ローバーカメラの画像を何枚か集めている。 惑星地質学、シミュレートされた航法、形状解析などの惑星表面探査における重要な課題に対処する。 実験では,キュリオシティ・ローバー,パーセヴァンス・ローバー,インジェニティ・ヘリコプターによって捕獲された火星の実際のデータセットから生成された環境を実証した。
  論文  参考訳（メタデータ） (2022-12-03T18:58:00Z)
• Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
  本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。 我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
  論文  参考訳（メタデータ） (2022-11-15T13:52:41Z)
• LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
  異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。 私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
  論文  参考訳（メタデータ） (2022-10-19T17:58:17Z)
• Mars Rover Localization Based on A2G Obstacle Distribution Pattern Matching [0.0]
  NASAのMars 2020ミッションでは、Ingenuityヘリコプターがローバーと共に運ばれる。 従来の画像マッチング手法は、有効な画像対応を得るのに苦労する。 画像に基づく岩盤検出と岩盤分布パターンマッチングを組み合わせたアルゴリズムを用いて、A2G画像対応を得る。
  論文  参考訳（メタデータ） (2022-10-07T08:29:48Z)
• A Neuromorphic Vision-Based Measurement for Robust Relative Localization in Future Space Exploration Missions [0.0]
  本研究では,ニューロモルフィック・ビジョン・ベース・計測(NVBM)と慣性測定の融合に基づくロバストな相対的局所化システムを提案する。 提案システムは様々な実験でテストされ、精度と範囲において最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2022-06-23T08:39:05Z)
• Embedding Earth: Self-supervised contrastive pre-training for dense land cover classification [61.44538721707377]
  本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。 提案手法による事前学習では, 25%の絶対mIoUが得られた。 学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
  論文  参考訳（メタデータ） (2022-03-11T16:14:14Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)
• OpenStreetMap: Challenges and Opportunities in Machine Learning and Remote Sensing [66.23463054467653]
  本稿では,OpenStreetMapデータの改良と利用のための機械学習に基づく最近の手法について述べる。 私たちは、OSMがリモートセンシングデータの解釈方法を変え、機械学習とのシナジーが参加型マップ作成をスケールできると考えている。
  論文  参考訳（メタデータ） (2020-07-13T09:58:14Z)

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。