論文の概要: EDENet: Echo Direction Encoding Network for Place Recognition Based on Ground Penetrating Radar

• arxiv url: http://arxiv.org/abs/2502.20643v1
• Date: Fri, 28 Feb 2025 01:48:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:40:55.374134
• Title: EDENet: Echo Direction Encoding Network for Place Recognition Based on Ground Penetrating Radar
• Title（参考訳）: EDENet:地上透過レーダに基づく位置認識のためのエコー方向符号化ネットワーク
• Authors: Pengyu Zhang, Xieyuanli Chen, Yuwei Chen, Beizhen Bi, Zhuo Xu, Tian Jin, Xiaotao Huang, Liang Shen,
• Abstract要約: 地中レーダ(GPR)に基づくローカライゼーションは,ロボット工学において顕著に認識されている。 既存の手法は主に小規模の位置認識(PR)に重点を置いており、大規模地図におけるPRの課題は未解決のまま残されている。 本稿では, 指向性応答を正確に抽出するための学習可能なGaborフィルタと, 効果的な幾何符号化のための方向認識型アテンション機構を紹介する。
• 参考スコア（独自算出の注目度）: 20.860547422960796
• License:
• Abstract: Ground penetrating radar (GPR) based localization has gained significant recognition in robotics due to its ability to detect stable subsurface features, offering advantages in environments where traditional sensors like cameras and LiDAR may struggle. However, existing methods are primarily focused on small-scale place recognition (PR), leaving the challenges of PR in large-scale maps unaddressed. These challenges include the inherent sparsity of underground features and the variability in underground dielectric constants, which complicate robust localization. In this work, we investigate the geometric relationship between GPR echo sequences and underground scenes, leveraging the robustness of directional features to inform our network design. We introduce learnable Gabor filters for the precise extraction of directional responses, coupled with a direction-aware attention mechanism for effective geometric encoding. To further enhance performance, we incorporate a shift-invariant unit and a multi-scale aggregation strategy to better accommodate variations in di-electric constants. Experiments conducted on public datasets demonstrate that our proposed EDENet not only surpasses existing solutions in terms of PR performance but also offers advantages in model size and computational efficiency.
• Abstract（参考訳）: 地中レーダ(GPR)をベースとしたローカライゼーションは、カメラやLiDARのような従来のセンサーが苦戦する環境において、安定した地下構造を検出する能力によって、ロボット工学において大きな認知を得ている。 しかし、既存の手法は主に小規模の位置認識(PR)に焦点を当てており、大規模地図におけるPRの課題は未解決のまま残されている。 これらの課題には、地下の特徴の本質的にの空間性や、ロバストな局在を複雑にする地下誘電率の変動などが含まれる。 本研究では,GPRエコーシーケンスと地下シーンの幾何学的関係を考察し,指向性の特徴のロバスト性を利用してネットワーク設計について報告する。 本稿では, 指向性応答を正確に抽出するための学習可能なGaborフィルタと, 効果的な幾何符号化のための方向認識型アテンション機構を紹介する。 さらに性能を向上させるため、シフト不変ユニットとマルチスケールアグリゲーション戦略を導入し、誘電率の変動をよりよく適応する。 公開データセットを用いた実験により,提案するEDENetは,PR性能の点で既存のソリューションを超えるだけでなく,モデルサイズや計算効率の面でも優位性があることが実証された。

関連論文リスト

• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-25T13:22:17Z)
• Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
  6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。 本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T05:01:28Z)
• Wavelet Dynamic Selection Network for Inertial Sensor Signal Enhancement [11.793803540713695]
  慣性センサーは様々な携帯機器で広く使われている。 ウェーブレット動的選択ネットワーク(WDSNet)は、可変慣性信号に対する適切なウェーブレット基底をインテリジェントに選択する。 WDSNetは、弱教師付き手法として、比較された全教師付き手法の最先端性能を達成する。
  論文  参考訳（メタデータ） (2023-12-29T07:44:06Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
  本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。 特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。 マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
  論文  参考訳（メタデータ） (2023-08-03T17:59:04Z)
• MPANet: Multi-Patch Attention For Infrared Small Target object Detection [11.437699171778544]
  赤外線小目標検出(ISTD)が注目され,様々な分野に応用されている。 赤外線ターゲットの小型化と複雑な背景からのノイズ干渉のため、畳み込みニューラルネットワーク(CNN)を用いたISTDの性能は制限されている。 軸アテンションエンコーダとマルチスケールパッチブランチ(MSPB)構造に基づくマルチパッチアテンションネットワーク(MPANet)を提案する。
  論文  参考訳（メタデータ） (2022-06-05T08:01:38Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Infrared Small-Dim Target Detection with Transformer under Complex Backgrounds [155.388487263872]
  変換器を用いた赤外線小径目標検出手法を提案する。 画像特徴の相互作用情報をより広い範囲で学習するために,変換器の自己認識機構を採用する。 最小限のターゲットの機能を学習するための機能拡張モジュールも設計しています。
  論文  参考訳（メタデータ） (2021-09-29T12:23:41Z)
• Rethinking the Tradeoff in Integrated Sensing and Communication: Recognition Accuracy versus Communication Rate [21.149708253108788]
  ISAC(Integrated Sensistance and Communication)は、バンド利用効率を向上させるための有望な技術である。 センシング性能と通信性能の間にはトレードオフがある。 本稿では、認識精度と通信データレートを同時に最大化する多目的最適化問題を定式化し、解決する。
  論文  参考訳（メタデータ） (2021-07-20T17:00:35Z)

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。