論文の概要: Post-disaster building indoor damage and survivor detection using autonomous path planning and deep learning with unmanned aerial vehicles

• arxiv url: http://arxiv.org/abs/2503.10027v1
• Date: Thu, 13 Mar 2025 04:13:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-14 15:51:32.103781
• Title: Post-disaster building indoor damage and survivor detection using autonomous path planning and deep learning with unmanned aerial vehicles
• Title（参考訳）: 無人航空機による自律経路計画と深層学習による屋内損傷・生存者検出
• Authors: Xiao Pan, Sina Tavasoli, T. Y. Yang, Sina Poorghasem,
• Abstract要約: 本論文は, 建物後屋内シナリオにおける構造損傷検査と生存者検出のための自律検査手法を提案する。 自律航法、深層学習に基づく損傷および生存者検出法、および搭載センサーを備えたカスタマイズされた低コストのマイクロエアロビー(MAV)を備えている。 擬似災害後のオフィスビルにおける実験により, 構造物の損傷検査や生存者の発見において, 高い精度を達成できることが実証された。
• 参考スコア（独自算出の注目度）: 5.897549460175895
• License:
• Abstract: Rapid response to natural disasters such as earthquakes is a crucial element in ensuring the safety of civil infrastructures and minimizing casualties. Traditional manual inspection is labour-intensive, time-consuming, and can be dangerous for inspectors and rescue workers. This paper proposed an autonomous inspection approach for structural damage inspection and survivor detection in the post-disaster building indoor scenario, which incorporates an autonomous navigation method, deep learning-based damage and survivor detection method, and a customized low-cost micro aerial vehicle (MAV) with onboard sensors. Experimental studies in a pseudo-post-disaster office building have shown the proposed methodology can achieve high accuracy in structural damage inspection and survivor detection. Overall, the proposed inspection approach shows great potential to improve the efficiency of existing manual post-disaster building inspection.
• Abstract（参考訳）: 地震などの自然災害に対する迅速な対応は、土木インフラの安全確保と被害の最小化に重要な要素である。 従来の手動検査は労働集約的で時間がかかり、検査員や救助作業員にとって危険である。 本稿では, 自律走行法, 深層学習型損傷・生存者検出法, 搭載センサーを搭載した小型小型小型航空機(MAV)を内蔵した, 戦後の建築シナリオにおける構造損傷検査・生存者検出のための自律検査手法を提案する。 擬似災害後のオフィスビルにおける実験により, 構造物の損傷検査や生存者の発見において, 高い精度を達成できることが実証された。 提案手法は,既存手動建築検査の効率向上に大きく貢献する可能性が示唆された。

関連論文リスト

• AR-Facilitated Safety Inspection and Fall Hazard Detection on Construction Sites [17.943278018516416]
  我々は,高層建設現場の安全検査を容易にするために,ヘッドマウント型拡張現実の可能性を探っている。 業界で特に懸念されているのは、人や物体の落下を防ぐために、高いレベルの建設現場で、周囲の安全画面を検査することである。 我々は,安全画面のどの部分が検査されたかを追跡することで,この検査作業を支援することを目的とする。 機械学習を用いて、近距離検査と修復を必要とする周辺スクリーンのギャップを自動的に検出し、レポートを自動化する。
  論文  参考訳（メタデータ） (2024-12-02T08:38:43Z)
• PDSR: Efficient UAV Deployment for Swift and Accurate Post-Disaster Search and Rescue [2.367791790578455]
  本稿では,PDSR(Post-Disaster Search and Rescue)のための包括的フレームワークを提案する。 この概念の中心は、多様なセンシング、通信、情報機能を備えたUAVスワムの迅速な展開である。 提案手法は従来の手法よりもはるかに高速に損傷領域の完全なカバレッジを実現することを目的としている。
  論文  参考訳（メタデータ） (2024-10-30T12:46:15Z)
• 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)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• Computer Vision based inspection on post-earthquake with UAV synthetic dataset [0.0]
  本稿では,相互に相互接続した深層機械学習モデルを用いて,突発的事象後の損傷検出問題に対する革新的なアプローチを提案する。 パイプラインのモデルは合成データセットで訓練され、実際の状況下で無人航空機(UAV)でさらに評価され使用されるように適応された。 建物の欠陥を検知し、構造を構成要素に分割し、単一のドローン飛行に基づいて技術的条件を推定する上で、高い精度を得ることができる。
  論文  参考訳（メタデータ） (2022-10-11T09:27:07Z)
• UAV-based Visual Remote Sensing for Automated Building Inspection [15.471860216370251]
  無人航空機(UAV)にコンピュータビジョンを組み込んだリモートセンシングシステムでは,地震時の建物建設や災害時の被害評価などの災害管理を支援する可能性を実証している。 本稿では,UAVに基づく画像データ収集による検査の自動化手法と,地震構造パラメータの推定を支援する後処理用ソフトウェアライブラリを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:18:14Z)
• Evaluation of Runtime Monitoring for UAV Emergency Landing [0.0]
  緊急着陸(EL)は、オンボードセンサーを用いて安全な着陸場所を見つけることによって、地上のリスクを低減することを目的としている。 提案するELパイプラインには、実行中の学習を監視するメカニズムが含まれている。 新しい評価手法を導入し,3つの機械学習モニタリング機構の実用的安全性評価に応用した。
  論文  参考訳（メタデータ） (2022-02-07T10:51:23Z)
• Assessing out-of-domain generalization for robust building damage detection [78.6363825307044]
  建築損傷検出は、衛星画像にコンピュータビジョン技術を適用することで自動化することができる。 モデルは、トレーニングで利用可能な災害画像と、新しいイベントの画像の間の分散の変化に対して堅牢でなければならない。 今後はOOD体制に重点を置くべきだと我々は主張する。
  論文  参考訳（メタデータ） (2020-11-20T10:30:43Z)
• Conservative Safety Critics for Exploration [120.73241848565449]
  強化学習(RL)における安全な探索の課題について検討する。 我々は、批評家を通じて環境状態の保守的な安全性推定を学習する。 提案手法は,破滅的故障率を著しく低く抑えながら,競争力のあるタスク性能を実現することができることを示す。
  論文  参考訳（メタデータ） (2020-10-27T17:54:25Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)
• RescueNet: Joint Building Segmentation and Damage Assessment from Satellite Imagery [83.49145695899388]
  RescueNetは、建物を同時に分割し、個々の建物に対する損傷レベルを評価し、エンドツーエンドでトレーニングできる統一モデルである。 RescueNetは大規模で多様なxBDデータセットでテストされており、従来の手法よりもはるかに優れたセグメンテーションと損傷分類性能を実現している。
  論文  参考訳（メタデータ） (2020-04-15T19:52:09Z)

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。