Fugu-MT 論文翻訳(概要): Neural 3D Object Reconstruction with Small-Scale Unmanned Aerial Vehicles

論文の概要: Neural 3D Object Reconstruction with Small-Scale Unmanned Aerial Vehicles

arxiv url: http://arxiv.org/abs/2509.12458v1
Date: Mon, 15 Sep 2025 21:08:32 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-17 17:50:52.769544
Title: Neural 3D Object Reconstruction with Small-Scale Unmanned Aerial Vehicles
Title（参考訳）: 小型無人航空機を用いたニューラル3次元物体再構成
Authors: Àlmos Veres-Vitàlyos, Genis Castillo Gomez-Raya, Filip Lemic, Daniel Johannes Bugelnig, Bernhard Rinner, Sergi Abadal, Xavier Costa-Pérez,
Abstract要約: 小型無人航空機(UAV)は、屋内と難航地域を航行する大きな可能性を秘めている。本稿では,100グラム以下のUAVを用いた静的物体の完全自律・高忠実な3次元走査を可能にするシステムアーキテクチャを提案する。
参考スコア（独自算出の注目度）: 16.745245388756533
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Small Unmanned Aerial Vehicles (UAVs) exhibit immense potential for navigating indoor and hard-to-reach areas, yet their significant constraints in payload and autonomy have largely prevented their use for complex tasks like high-quality 3-Dimensional (3D) reconstruction. To overcome this challenge, we introduce a novel system architecture that enables fully autonomous, high-fidelity 3D scanning of static objects using UAVs weighing under 100 grams. Our core innovation lies in a dual-reconstruction pipeline that creates a real-time feedback loop between data capture and flight control. A near-real-time (near-RT) process uses Structure from Motion (SfM) to generate an instantaneous pointcloud of the object. The system analyzes the model quality on the fly and dynamically adapts the UAV's trajectory to intelligently capture new images of poorly covered areas. This ensures comprehensive data acquisition. For the final, detailed output, a non-real-time (non-RT) pipeline employs a Neural Radiance Fields (NeRF)-based Neural 3D Reconstruction (N3DR) approach, fusing SfM-derived camera poses with precise Ultra Wide-Band (UWB) location data to achieve superior accuracy. We implemented and validated this architecture using Crazyflie 2.1 UAVs. Our experiments, conducted in both single- and multi-UAV configurations, conclusively show that dynamic trajectory adaptation consistently improves reconstruction quality over static flight paths. This work demonstrates a scalable and autonomous solution that unlocks the potential of miniaturized UAVs for fine-grained 3D reconstruction in constrained environments, a capability previously limited to much larger platforms.
Abstract（参考訳）: 小型無人航空機(UAV)は、屋内と難航地域を航行する大きな可能性を秘めているが、ペイロードと自律性における大きな制約は、高品質な3次元3D再構築のような複雑な作業に使用を妨げている。この課題を克服するために,100グラム以下のUAVを用いた静的物体の完全自律・高忠実な3Dスキャンを可能にするシステムアーキテクチャを提案する。私たちの中心となるイノベーションは、データキャプチャとフライトコントロールの間にリアルタイムのフィードバックループを生成する、二重再構成パイプラインにあります。ほぼリアルタイム(ほぼRT)プロセスでは、Structure from Motion(SfM)を使用してオブジェクトの瞬時にポイントクラウドを生成する。システムは、フライ時のモデル品質を分析し、UAVの軌道を動的に適応させ、カバーの悪い領域の新しい画像をインテリジェントにキャプチャする。これにより、包括的なデータ取得が保証される。最終的な詳細な出力のために、非リアルタイム(非RT)パイプラインはNeural Radiance Fields(NeRF)ベースのNeural 3D Reconstruction(N3DR)アプローチを採用しており、SfM由来のカメラは正確なUWB(Ultra Wide-Band)位置データと融合して精度を向上している。我々はこのアーキテクチャをCrzyflie 2.1 UAVを用いて実装し、検証した。単UAVおよび複数UAV構成で実施した実験は,動的軌道適応が静的飛行経路の再構成品質を一定に向上することを示した。この研究はスケーラブルで自律的なソリューションを実証し、これまではもっと大きなプラットフォームに限られていた、制約された環境での微細な3D再構成のために、小型のUAVの可能性を解き放つ。

関連論文リスト

Experimental Assessment of Neural 3D Reconstruction for Small UAV-based Applications [12.16893489020317]
無人航空機(UAV)の小型化は、その展開能力を屋内および難航地域に拡大した。本稿では,ニューラル3Dレコンストラクション(N3DR)を小型UAVシステムと組み合わせることで,これらの制約を克服する新しいアプローチを提案する。具体的には,N3DRをベースとしたパイプラインの設計,実装,評価を行う。
論文参考訳（メタデータ） (2025-06-24T10:25:17Z)
UAVTwin: Neural Digital Twins for UAVs using Gaussian Splatting [57.63613048492219]
UAVTwinは,無人航空機(UAV)に埋め込まれた下流モデルの訓練を行うための,実環境からデジタル双生児を作成する方法である。これは、背景を再構築するための3Dガウススティング(3DGS)と、多様な外観と動作を複数のポーズで表示する制御可能な合成人間モデルを統合することで実現される。
論文参考訳（メタデータ） (2025-04-02T22:17:30Z)
T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
論文参考訳（メタデータ） (2024-11-29T07:45:24Z)
ES-Gaussian: Gaussian Splatting Mapping via Error Space-Based Gaussian Completion [9.443354889048614]
視覚ベースのマッピングは、粗い点雲のために高品質な3D再構成に苦しむことが多い。低高度カメラと単線LiDARを用いた高品質な3D再構成システムES-Gaussianを提案する。
論文参考訳（メタデータ） (2024-10-09T07:09:29Z)
Bridging the Domain Gap for Flight-Ready Spaceborne Vision [7.2620484413601325]
この研究は、既知の非協力的なターゲット宇宙船の単眼的なポーズ推定のためのニューラルネットワーク(NN)であるSpacecraft Pose Network v3(SPNv3)を提示する。 SPNv3は、オフラインのトレーニングや地上での検証で観測されていない、宇宙で撮影された画像に堅牢性を提供しながら、計算的に効率的であるように設計され、訓練されている。実験により、最後のSPNv3は、コンピュータ生成合成画像のみを訓練しながら、ロボットテストベッドからのハードウェア・イン・ループ画像に対して、最先端の精度を達成できることが示されている。
論文参考訳（メタデータ） (2024-09-18T02:56:50Z)
OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
論文参考訳（メタデータ） (2023-12-14T18:58:52Z)
3D Reconstruction of Multiple Objects by mmWave Radar on UAV [15.47494720280318]
UAVに搭載されたミリ波レーダーセンサを用いて空間内の複数の物体の3次元形状を再構成する可能性を検討する。 UAVは宇宙の様々な場所でホバリングし、搭載されたレーダーセンサーはSAR(Synthetic Aperture Radar)操作で空間をスキャンすることで生のレーダーデータを収集する。レーダデータはディープニューラルネットワークモデルに送信され、空間内の複数のオブジェクトの点雲再構成を出力する。
論文参考訳（メタデータ） (2022-11-03T21:23:36Z)
Aerial Monocular 3D Object Detection [67.20369963664314]
DVDETは2次元画像空間と3次元物理空間の両方で空中単分子3次元物体検出を実現するために提案される。高度視差変形問題に対処するため,新しい測地変形変換モジュールを提案する。より多くの研究者がこの領域を調査するよう促すため、データセットと関連するコードをリリースします。
論文参考訳（メタデータ） (2022-08-08T08:32:56Z)
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)

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。