論文の概要: Deep Fusion of Ultra-Low-Resolution Thermal Camera and Gyroscope Data for Lighting-Robust and Compute-Efficient Rotational Odometry

• arxiv url: http://arxiv.org/abs/2506.12536v1
• Date: Sat, 14 Jun 2025 15:23:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-17 17:28:46.414688
• Title: Deep Fusion of Ultra-Low-Resolution Thermal Camera and Gyroscope Data for Lighting-Robust and Compute-Efficient Rotational Odometry
• Title（参考訳）: 超低解像度熱カメラとジャイロスコープデータの深部核融合による雷・ローバスト・高速回転オドメトリー
• Authors: Farida Mohsen, Ali Safa,
• Abstract要約: 本研究は,超低分解能熱画像とジャイロ読影器を統合した新しいセンサ融合法であるサーマルジャイロ融合を導入する。 熱ジャイロ融合は, 精度を著しく向上させることなく, 熱カメラの分解能を著しく低下させることができることを示す。 これらの利点は、資源に制約のあるロボットシステムのリアルタイム展開に適している。
• 参考スコア（独自算出の注目度）: 1.1838866556981258
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate rotational odometry is crucial for autonomous robotic systems, particularly for small, power-constrained platforms such as drones and mobile robots. This study introduces thermal-gyro fusion, a novel sensor fusion approach that integrates ultra-low-resolution thermal imaging with gyroscope readings for rotational odometry. Unlike RGB cameras, thermal imaging is invariant to lighting conditions and, when fused with gyroscopic data, mitigates drift which is a common limitation of inertial sensors. We first develop a multimodal data acquisition system to collect synchronized thermal and gyroscope data, along with rotational speed labels, across diverse environments. Subsequently, we design and train a lightweight Convolutional Neural Network (CNN) that fuses both modalities for rotational speed estimation. Our analysis demonstrates that thermal-gyro fusion enables a significant reduction in thermal camera resolution without significantly compromising accuracy, thereby improving computational efficiency and memory utilization. These advantages make our approach well-suited for real-time deployment in resource-constrained robotic systems. Finally, to facilitate further research, we publicly release our dataset as supplementary material.
• Abstract（参考訳）: 正確な回転オドメトリーは、自律ロボットシステム、特にドローンや移動ロボットのような小型で制約のあるプラットフォームにとって重要である。 本研究は,超低分解能熱画像とジャイロ読影器を統合した新しいセンサ融合法であるサーマルジャイロ融合を導入する。 RGBカメラとは異なり、サーマルイメージングは照明条件に不変であり、ジャイロスコープデータと融合した場合、慣性センサーの共通の制限であるドリフトを緩和する。 まず, 多様な環境にまたがる回転速度ラベルとともに, 同期熱・ジャイロスコープデータを収集するマルチモーダルデータ取得システムを開発した。 その後、回転速度推定のための両モードを融合した軽量畳み込みニューラルネットワーク(CNN)を設計、訓練する。 熱ジャイロ融合は, 精度を著しく向上させることなく, 熱カメラの分解能を著しく低下させ, 計算効率とメモリ利用率を向上させることができることを示した。 これらの利点は、資源に制約のあるロボットシステムのリアルタイム展開に適している。 最後に、さらなる研究を促進するために、我々のデータセットを補足材料として公開する。

関連論文リスト

• Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
  ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。 マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。 その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
  論文  参考訳（メタデータ） (2025-04-07T15:38:25Z)
• Rotational Odometry using Ultra Low Resolution Thermal Cameras [1.3986052523534573]
  この手紙は、我々の知る限りでは、回転計測のための超低解像度熱カメラの適用性に関する最初の研究である。 RGBカメラのような他のモダリティではなく、超低解像度のサーマルカメラを使うことは、照明条件に対するロバスト性によって動機づけられる。 CNN推定精度に対するサーマルカメラ解像度と連続フレーム数の影響を判定するための実験およびアブレーション研究を行った。
  論文  参考訳（メタデータ） (2024-11-02T12:15:32Z)
• PowerYOLO: Mixed Precision Model for Hardware Efficient Object Detection with Event Data [0.5461938536945721]
  PowerYOLOは、高メモリと計算複雑性のアルゴリズムを小さな低消費電力デバイスに適合させる問題に対して、混合精度のソリューションである。 まず,低消費電力のセンサであるダイナミック・ビジョン・センサ(DVS)をベースとしたシステムを提案する。 次に、4ビット幅のPowers-of-Two(PoT)量子化を提案する。 第3に、そのような解のハードウェアアクセラレーションの効率を高めるために、乗算をビットシフトに置き換える。
  論文  参考訳（メタデータ） (2024-07-11T08:17:35Z)
• Resource-Efficient Gesture Recognition using Low-Resolution Thermal Camera via Spiking Neural Networks and Sparse Segmentation [1.7758299835471887]
  本研究は,安価で低解像度(24×32)熱センサを用いた手動作認識のための新しいアプローチを提案する。 標準のRGBカメラと比較して、提案システムは照明のバリエーションに敏感である。 本稿では,最近提案されたモノスタブル・マルチバイブレータ(MMV)ニューラルネットワークを新しいSNNのクラスとして革新的に利用することで,メモリと計算の複雑さが1桁以上小さくなることを示す。
  論文  参考訳（メタデータ） (2024-01-12T13:20:01Z)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• Multi-Visual-Inertial System: Analysis, Calibration and Estimation [26.658649118048032]
  マルチビジュアル・慣性システム(MVIS)の状態を推定し,センサ融合アルゴリズムを開発した。 我々は、関連する視覚慣性センサーの完全な校正に興味を持っている。
  論文  参考訳（メタデータ） (2023-08-10T02:47:36Z)
• Simultaneous temperature estimation and nonuniformity correction from multiple frames [0.0]
  低コストのマイクロボロメーターベースの赤外線カメラは、空間的に不均一であり、温度測定でドリフトする傾向がある。 低コストマイクロボロメータカメラで捉えた複数フレームからの同時温度推定と非均一性補正(NUC)のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-23T11:28:25Z)
• LIF-Seg: LiDAR and Camera Image Fusion for 3D LiDAR Semantic Segmentation [78.74202673902303]
  本稿では,LiDAR分割のための粗大なLiDARとカメラフュージョンベースネットワーク(LIF-Seg)を提案する。 提案手法は,画像の文脈情報を完全に活用し,単純だが効果的な早期融合戦略を導入する。 これら2つのコンポーネントの協力により、効果的なカメラ-LiDAR融合が成功する。
  論文  参考訳（メタデータ） (2021-08-17T08:53:11Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Learning Camera Miscalibration Detection [83.38916296044394]
  本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。 コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。 深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-24T10:32:49Z)

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。