論文の概要: Semantic-Aware Particle Filter for Reliable Vineyard Robot Localisation

• arxiv url: http://arxiv.org/abs/2509.18342v1
• Date: Mon, 22 Sep 2025 19:04:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-24 20:41:27.539731
• Title: Semantic-Aware Particle Filter for Reliable Vineyard Robot Localisation
• Title（参考訳）: セマンティック・アウェア・パーティクルフィルタによる高信頼ブドウ園ロボットの定位
• Authors: Rajitha de Silva, Jonathan Cox, James R. Heselden, Marija Popovic, Cesar Cadena, Riccardo Polvara,
• Abstract要約: 屋外環境における移動ロボットのローカライゼーションは重要であるが、LiDARベースの手法はブドウ畑では失敗することが多い。 本研究では,安定なオブジェクトレベル検出,具体的にはブドウ幹を含むセマンティック粒子フィルタを提案する。 セマンティックの壁は、隣接するランドマークを行エイリアスを緩和する擬似構造制約に接続する。 提案手法は, 正しい行内のローカライゼーションを維持し, AMCLが故障した場合のずれから回復し, RTAB-Mapなどの視覚ベースのSLAM法より優れる。
• 参考スコア（独自算出の注目度）: 4.0016757648498205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate localisation is critical for mobile robots in structured outdoor environments, yet LiDAR-based methods often fail in vineyards due to repetitive row geometry and perceptual aliasing. We propose a semantic particle filter that incorporates stable object-level detections, specifically vine trunks and support poles into the likelihood estimation process. Detected landmarks are projected into a birds eye view and fused with LiDAR scans to generate semantic observations. A key innovation is the use of semantic walls, which connect adjacent landmarks into pseudo-structural constraints that mitigate row aliasing. To maintain global consistency in headland regions where semantics are sparse, we introduce a noisy GPS prior that adaptively supports the filter. Experiments in a real vineyard demonstrate that our approach maintains localisation within the correct row, recovers from deviations where AMCL fails, and outperforms vision-based SLAM methods such as RTAB-Map.
• Abstract（参考訳）: 正確なローカライゼーションは、構造化された屋外環境における移動ロボットにとって重要であるが、LiDARベースの手法は、繰り返し行幾何学と知覚的エイリアスによってブドウ畑で失敗することが多い。 本研究では,安定なオブジェクトレベル検出,具体的にはブドウ幹と支持極を推定プロセスに組み込んだセマンティック粒子フィルタを提案する。 検出されたランドマークは鳥の目視に投影され、LiDARスキャンと融合して意味的な観察を生成する。 キーとなる革新はセマンティックウォールの利用であり、これは隣接するランドマークを行エイリアスを緩和する擬似構造制約に接続する。 セマンティクスが疎いヘッドランド地域でのグローバルな一貫性を維持するために,フィルタを適応的にサポートするノイズの多いGPSを導入する。 実際のブドウ園での実験では,本手法は正しい行内における局所化を維持し,AMCLが故障した偏差から回復し,RTAB-Mapなどの視覚ベースのSLAM法より優れていた。

関連論文リスト

• Enhancing Egocentric Object Detection in Static Environments using Graph-based Spatial Anomaly Detection and Correction [0.0]
  本稿では,物体間の空間的関係を明示的にモデル化し,自己中心型フレームにおける異常検出を補正するグラフベースの後処理パイプラインを提案する。 手動でアノテートされたデータに基づいてトレーニングされたグラフニューラルネットワーク(GNN)を用いて、無効なオブジェクトクラスラベルを特定し、近隣のコンテキストに基づいて修正されたクラスラベルを予測する。 実験では、この空間推論を組み込むことで検出性能が大幅に向上し、mAP@50は最大4%向上した。
  論文  参考訳（メタデータ） (2025-08-11T05:08:02Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Solving Short-Term Relocalization Problems In Monocular Keyframe Visual SLAM Using Spatial And Semantic Data [1.2937020918620652]
  本稿では,単眼カメラシステムを用いた移動ロボットのロバストな短期的再ローカライズ機能の開発に焦点をあてる。 環境中で検出されたオブジェクトのセマンティック情報を含む、新しいマルチモーダルディスクリプタが導入された。 この記述子を用いて,マルチステージフィルタリングアルゴリズムとして定式化された新しいキーフレームベースのPlace Recognition (KPR)法を提案する。
  論文  参考訳（メタデータ） (2024-07-28T15:54:37Z)
• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Landmark-based Localization using Stereo Vision and Deep Learning in GPS-Denied Battlefield Environment [1.19658449368018]
  本稿では、受動カメラセンサのみを用いた非GPS戦場環境におけるローカライズのための新しいフレームワークを提案する。 提案手法では,距離推定にカスタムキャリブレーションされたステレオカメラと,実世界のランドマーク認識のためのデータセットを用いて訓練および微調整を行うYOLOv8sモデルを用いる。 実験の結果,提案手法は既存のアンカーベースDV-Hopアルゴリズムよりも優れた性能を示し,ローカライゼーション誤差(RMSE)の点で最も効率的な視覚ベースアルゴリズムと競合することがわかった。
  論文  参考訳（メタデータ） (2024-02-19T21:20:56Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
  我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。 形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
  論文  参考訳（メタデータ） (2022-08-01T17:45:36Z)
• ImpDet: Exploring Implicit Fields for 3D Object Detection [74.63774221984725]
  我々は、境界ボックス回帰を暗黙の関数として見る新しい視点を導入する。 これは、Implicit DetectionまたはImpDetと呼ばれる提案されたフレームワークにつながります。 我々のImpDetは、異なる局所的な3次元空間の点に特定の値を割り当て、高品質な境界を生成することができる。
  論文  参考訳（メタデータ） (2022-03-31T17:52:12Z)
• PSE-Match: A Viewpoint-free Place Recognition Method with Parallel Semantic Embedding [9.265785042748158]
  PSE-Matchは3次元ポイントクラウドモデルから分離されたセマンティック属性の並列意味解析に基づく視点自由場所認識手法である。 PSE-Matchは、分岐場所学習ネットワークを組み込んで、球面調和領域を通じて異なる意味的属性を並列にキャプチャする。
  論文  参考訳（メタデータ） (2021-08-01T22:16:40Z)
• Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
  ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。 生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
  論文  参考訳（メタデータ） (2021-04-22T12:47:37Z)
• Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
  以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。 非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。 本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T04:41:40Z)

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。