論文の概要: Ground tracking for improved landmine detection in a GPR system

• arxiv url: http://arxiv.org/abs/2506.18258v1
• Date: Mon, 23 Jun 2025 03:06:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.829215
• Title: Ground tracking for improved landmine detection in a GPR system
• Title（参考訳）: GPRシステムにおける地雷検出のための地盤追跡
• Authors: Li Tang, Peter A. Torrione, Cihat Eldeniz, Leslie M. Collins,
• Abstract要約: GPRデータに存在するグラウンドバウンス(GB)は干渉の主な原因である。 カルマンフィルタ (KF) と粒子フィルタ (PF) を併用したGB追跡アルゴリズムを提案する。 我々は,GB追跡の改善が地雷検出問題の性能向上に寄与することが実証された。
• 参考スコア（独自算出の注目度）: 4.627435780506373
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ground penetrating radar (GPR) provides a promising technology for accurate subsurface object detection. In particular, it has shown promise for detecting landmines with low metal content. However, the ground bounce (GB) that is present in GPR data, which is caused by the dielectric discontinuity between soil and air, is a major source of interference and degrades landmine detection performance. To mitigate this interference, GB tracking algorithms formulated using both a Kalman filter (KF) and a particle filter (PF) framework are proposed. In particular, the location of the GB in the radar signal is modeled as the hidden state in a stochastic system for the PF approach. The observations are the 2D radar images, which arrive scan by scan along the down-track direction. An initial training stage sets parameters automatically to accommodate different ground and weather conditions. The features associated with the GB description are updated adaptively with the arrival of new data. The prior distribution for a given location is predicted by propagating information from two adjacent channels/scans, which ensures that the overall GB surface remains smooth. The proposed algorithms are verified in experiments utilizing real data, and their performances are compared with other GB tracking approaches. We demonstrate that improved GB tracking contributes to improved performance for the landmine detection problem.
• Abstract（参考訳）: 地中レーダ(GPR)は、正確な地中物体検出のための有望な技術を提供する。 特に、金属含有量が少ない地雷を検出できることが示されている。 しかし、土壌と空気の誘電的不連続に起因するGPRデータに存在する地すべり(GB)は、干渉の主な原因であり、地雷検出性能を低下させる。 この干渉を軽減するため、カルマンフィルタ(KF)と粒子フィルタ(PF)の両方を用いたGB追跡アルゴリズムを提案する。 特に、レーダ信号におけるGBの位置は、PFアプローチの確率系における隠れ状態としてモデル化される。 観測された2Dレーダー画像は、下向きの方向に沿ってスキャンによってスキャンされる。 初期訓練段階は、異なる地上および気象条件に対応するためにパラメータを自動的に設定する。 GB記述に関連する機能は、新しいデータの到着に合わせて適応的に更新される。 所定の位置の事前分布は、隣接する2つのチャンネル/スキャンからの情報を伝播することにより予測され、全体のGB表面が滑らかであることを保証する。 提案アルゴリズムは実データを用いた実験で検証し,その性能を他のGB追跡手法と比較した。 我々は,GB追跡の改善が地雷検出問題の性能向上に寄与することが実証された。

関連論文リスト

• Radar-Lidar Fusion for Object Detection by Designing Effective Convolution Networks [18.17057711053028]
  オブジェクト検出の強化のために,レーダデータとライダーデータを統合したデュアルブランチフレームワークを提案する。 この結果は、最先端の手法を1.89%ドルと2.61%ドルで上回り、好ましくない気象条件で上回っていることを示している。
  論文  参考訳（メタデータ） (2023-10-30T10:18:40Z)
• 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)
• Echoes Beyond Points: Unleashing the Power of Raw Radar Data in Multi-modality Fusion [74.84019379368807]
  本稿では,既存のレーダ信号処理パイプラインをスキップするEchoFusionという新しい手法を提案する。 具体的には、まずBird's Eye View (BEV)クエリを生成し、次にレーダーから他のセンサーとフューズに対応するスペクトル特徴を取ります。
  論文  参考訳（メタデータ） (2023-07-31T09:53:50Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• RaLiBEV: Radar and LiDAR BEV Fusion Learning for Anchor Box Free Object Detection Systems [13.046347364043594]
  自動運転では、LiDARとレーダーは環境認識に不可欠である。 最近の最先端の研究は、レーダーとLiDARの融合が悪天候の堅牢な検出につながることを明らかにしている。 鳥眼ビュー融合学習に基づくアンカーボックスフリー物体検出システムを提案する。
  論文  参考訳（メタデータ） (2022-11-11T10:24:42Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• SPG: Unsupervised Domain Adaptation for 3D Object Detection via Semantic Point Generation [28.372067223801203]
  自律走行では、LiDARをベースとした物体検出器は、異なる地理的位置と様々な気象条件下で確実に動作すべきである。 最近の3D検出研究は、単一のドメイン内での性能向上に重点を置いているが、現代の検出器の性能が劇的にクロスドメインに落ちてしまうことは明らかである。 ドメインシフトに対するLiDAR検出器の信頼性を高めるための一般的なアプローチであるセマンティックポイント生成(SPG)を提案する。
  論文  参考訳（メタデータ） (2021-08-15T10:00:39Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。