論文の概要: Comparison of Path Planning Algorithms for Autonomous Vehicle Navigation Using Satellite and Airborne LiDAR Data

• arxiv url: http://arxiv.org/abs/2507.05884v1
• Date: Tue, 08 Jul 2025 11:15:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-09 16:34:37.939034
• Title: Comparison of Path Planning Algorithms for Autonomous Vehicle Navigation Using Satellite and Airborne LiDAR Data
• Title（参考訳）: 衛星と航空機のLiDARデータを用いた自律走行のための経路計画アルゴリズムの比較
• Authors: Chang Liu, Zhexiong Xue, Tamas Sziranyi,
• Abstract要約: この研究は、主流と確立された経路計画アルゴリズムの比較評価を提供する。 2次元道路地図ナビゲーションでは、A*、Dijkstra、RT*、NIACOがDeepGlobe衛星データセット上でテストされている。 3次元路面経路計画では,ハミルトンのLiDARデータセットを用いて3次元A*,3次元Dijkstra,RT-Connect,NIACOを評価した。
• 参考スコア（独自算出の注目度）: 2.979579757819132
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous vehicle navigation in unstructured environments, such as forests and mountainous regions, presents significant challenges due to irregular terrain and complex road conditions. This work provides a comparative evaluation of mainstream and well-established path planning algorithms applied to weighted pixel-level road networks derived from high-resolution satellite imagery and airborne LiDAR data. For 2D road-map navigation, where the weights reflect road conditions and terrain difficulty, A*, Dijkstra, RRT*, and a Novel Improved Ant Colony Optimization Algorithm (NIACO) are tested on the DeepGlobe satellite dataset. For 3D road-map path planning, 3D A*, 3D Dijkstra, RRT-Connect, and NIACO are evaluated using the Hamilton airborne LiDAR dataset, which provides detailed elevation information. All algorithms are assessed under identical start and end point conditions, focusing on path cost, computation time, and memory consumption. Results demonstrate that Dijkstra consistently offers the most stable and efficient performance in both 2D and 3D scenarios, particularly when operating on dense, pixel-level geospatial road-maps. These findings highlight the reliability of Dijkstra-based planning for static terrain navigation and establish a foundation for future research on dynamic path planning under complex environmental constraints.
• Abstract（参考訳）: 森林や山岳地帯などの非構造環境における自動車の自律走行は、不規則な地形や複雑な道路条件のために大きな課題を生んでいる。 本研究は,高解像度衛星画像と空中LiDARデータから得られた重み付き画素レベル道路網に適用した,主流かつ確立された経路計画アルゴリズムの比較評価を行う。 A*, Dijkstra, RRT*, and a Novel Improved Ant Colony Optimization Algorithm (NIACO) is test on the DeepGlobe satellite dataset。 3D道路マップの経路計画では,ハミルトン航空のLiDARデータセットを用いて3D A*, 3D Dijkstra, RRT-Connect, NIACOを評価し, 詳細な標高情報を提供している。 すべてのアルゴリズムは、パスコスト、計算時間、メモリ消費に重点を置いて、同一の開始点と終了点条件で評価される。 以上の結果から,Dijkstraは2次元および3次元の両方のシナリオにおいて,特に高密度でピクセルレベルの地理空間道路マップで動作する場合に,常に最も安定かつ効率的な性能を提供することが示された。 これらの知見は、Dijkstraをベースとした静的地形ナビゲーション計画の信頼性を強調し、複雑な環境制約下での動的経路計画に関する今後の研究の基礎を確立した。

関連論文リスト

• Enhancing UAV Path Planning Efficiency Through Accelerated Learning [3.216130900831975]
  本研究では,UAV無線通信中継の経路計画のための学習アルゴリズムの開発を目的とする。 ストレージ要件を削減し、Deep Reinforcement Learning(DRL)の収束を加速することができる。
  論文  参考訳（メタデータ） (2025-01-17T12:05:24Z)
• Pixel to Elevation: Learning to Predict Elevation Maps at Long Range using Images for Autonomous Offroad Navigation [10.898724668444125]
  本稿では,車載エゴセントリック画像のみをリアルタイムに利用して,長距離の地形標高マップを予測できる学習型アプローチを提案する。 複雑で非構造的な地形における自律型オフロードロボットナビゲーションへの提案手法の適用性を実験的に検証した。
  論文  参考訳（メタデータ） (2024-01-30T22:37:24Z)
• URA*: Uncertainty-aware Path Planning using Image-based Aerial-to-Ground Traversability Estimation for Off-road Environments [4.826948318242962]
  本研究では,オフロード環境における自律走行のための航空画像を用いた不確実性を考慮した経路計画手法URA*を提案する。 提案するプランナーには,オンラインロボット操作時の迅速な再計画を可能にするリプランニング技術も組み込まれている。 その結果,提案手法は,初期経路の品質と実現可能性の観点から,従来の計画アルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-09-15T23:52:45Z)
• GraphWalks: Efficient Shape Agnostic Geodesic Shortest Path Estimation [93.60478281489243]
  3次元曲面上の測地線経路を近似する学習可能なネットワークを提案する。 提案手法は,最短経路の効率的な近似と測地距離推定を提供する。
  論文  参考訳（メタデータ） (2022-05-30T16:22:53Z)
• Systematic Comparison of Path Planning Algorithms using PathBench [55.335463666037086]
  パスプランニングはモバイルロボティクスの重要な構成要素である。 学習に基づく経路計画アルゴリズムの開発は、急速な成長を遂げている。 本稿では,パスプランニングアルゴリズムの開発,視覚化,トレーニング,テスト,ベンチマークを行うプラットフォームであるPathBenchについて述べる。
  論文  参考訳（メタデータ） (2022-03-07T01:52:57Z)
• ViKiNG: Vision-Based Kilometer-Scale Navigation with Geographic Hints [94.60414567852536]
  長距離航法には、計画と局所的な移動可能性の推論の両方が必要である。 学習と計画を統合する学習に基づくアプローチを提案する。 ViKiNGは、画像ベースの学習コントローラを利用できる。
  論文  参考訳（メタデータ） (2022-02-23T02:14:23Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• Trajectory Design for UAV-Based Internet-of-Things Data Collection: A Deep Reinforcement Learning Approach [93.67588414950656]
  本稿では,無人航空機(UAV)による3D環境におけるIoT(Internet-of-Things)システムについて検討する。 本稿では,TD3-TDCTMアルゴリズムの完成時間最小化のためのトラジェクトリ設計を提案する。 シミュレーションの結果,従来の3つの非学習ベースライン法よりもTD3-TDCTMアルゴリズムの方が優れていることが示された。
  論文  参考訳（メタデータ） (2021-07-23T03:33:29Z)
• GANav: Group-wise Attention Network for Classifying Navigable Regions in Unstructured Outdoor Environments [54.21959527308051]
  本稿では,RGB画像から,オフロード地形および非構造環境における安全かつ航行可能な領域を識別する新しい学習手法を提案する。 本手法は,粒度の粗いセマンティックセグメンテーションを用いて,そのナビビリティレベルに基づいて地形分類群を分類する。 RUGD と RELLIS-3D のデータセットを広範囲に評価することにより,我々の学習アルゴリズムがナビゲーションのためのオフロード地形における視覚知覚の精度を向上させることを示す。
  論文  参考訳（メタデータ） (2021-03-07T02:16:24Z)

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。