論文の概要: A Residual Variance Matching Recursive Least Squares Filter for Real-time UAV Terrain Following
- arxiv url: http://arxiv.org/abs/2512.05918v1
- Date: Fri, 05 Dec 2025 17:55:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-13 22:40:57.122361
- Title: A Residual Variance Matching Recursive Least Squares Filter for Real-time UAV Terrain Following
- Title（参考訳）: リアルタイムUAVテランの残差マッチング残差最小正方形フィルタ
- Authors: Xiaobo Wu, Youmin Zhang,
- Abstract要約: RVM-RLSフィルタは、ベンチマークアルゴリズムと比較して、ウェイポイント推定精度を約88$%改善する。
これらの結果は,リアルタイムフィルタリングの方法論的進歩と,UAVによるオンライン山火事パトロールのためのRVM-RLSフィルタの実用可能性の両方を示している。
- 参考スコア（独自算出の注目度）: 3.9582115387679395
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate real-time waypoints estimation for the UAV-based online Terrain Following during wildfire patrol missions is critical to ensuring flight safety and enabling wildfire detection. However, existing real-time filtering algorithms struggle to maintain accurate waypoints under measurement noise in nonlinear and time-varying systems, posing risks of flight instability and missed wildfire detections during UAV-based terrain following. To address this issue, a Residual Variance Matching Recursive Least Squares (RVM-RLS) filter, guided by a Residual Variance Matching Estimation (RVME) criterion, is proposed to adaptively estimate the real-time waypoints of nonlinear, time-varying UAV-based terrain following systems. The proposed method is validated using a UAV-based online terrain following system within a simulated terrain environment. Experimental results show that the RVM-RLS filter improves waypoints estimation accuracy by approximately 88$\%$ compared with benchmark algorithms across multiple evaluation metrics. These findings demonstrate both the methodological advances in real-time filtering and the practical potential of the RVM-RLS filter for UAV-based online wildfire patrol.
- Abstract（参考訳）: UAVをベースとしたオンラインTerrain followingの正確なリアルタイムのウェイポイント推定は、山火事パトロールミッションの間、飛行の安全性を確保し、山火事の検出を可能にするために重要である。
しかし、既存のリアルタイムフィルタリングアルゴリズムは、非線形および時間変化系の計測ノイズの下で正確なウェイポイントを維持するのに苦労し、飛行不安定のリスクを生じ、UAVベースの地形中における山火事検出を見逃した。
この問題に対処するために,Residual Variance Matching Recursive Least Squares (RVM-RLS)フィルタをRVME(Residual Variance Matching Estimation)基準で誘導し,非線形で時間変化のあるUAVベースの地形のリアルタイムな経路を適応的に推定する手法を提案する。
提案手法は, 擬似地形環境下でのUAVに基づくオンライン地形システムを用いて検証する。
実験結果から, RVM-RLSフィルタは, 複数の評価指標のベンチマークアルゴリズムと比較して, ウェイポイント推定精度を約88$\%向上することがわかった。
これらの結果は,リアルタイムフィルタリングの方法論的進歩と,UAVによるオンライン山火事パトロールのためのRVM-RLSフィルタの実用可能性の両方を示している。
関連論文リスト
- FRSICL: LLM-Enabled In-Context Learning Flight Resource Allocation for Fresh Data Collection in UAV-Assisted Wildfire Monitoring [14.068881151569435]
無人航空機(UAV)は、特に早期発見が環境への影響を最小限に抑える山火事の監視において、公共の安全のために不可欠である。
UAV-Assisted Wildfire Monitoring (UAWM)システムでは、センサの送信スケジューリングと速度の協調最適化が、古いセンサデータから情報時代(AoI)を最小化するために重要である。
深層強化学習(DRL)はそのような最適化に使われてきたが、サンプリング効率の低下、シミュレーションと現実のギャップ、複雑なトレーニングといった制限により、山火事モニタリングのような時間クリティカルなアプリケーションには適さない。
本稿では,新しいオンライン航空資源割当方式を提案する。
論文 参考訳（メタデータ） (2025-07-14T10:24:43Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - 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) - Stress-Testing LiDAR Registration [52.24383388306149]
本稿では,LiDARデータセットからフレームペアの挑戦的集合である平衡登録集合を選択する手法を提案する。
おそらく予想外のことに、最も高速かつ同時に正確なアプローチは、先進RANSACのバージョンであることがわかった。
論文 参考訳（メタデータ） (2022-04-16T05:10:55Z) - 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) - A Multi-UAV System for Exploration and Target Finding in Cluttered and
GPS-Denied Environments [68.31522961125589]
複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。
UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。
その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
論文 参考訳（メタデータ） (2021-07-19T12:54:04Z) - 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) - Learning Residue-Aware Correlation Filters and Refining Scale Estimates
with the GrabCut for Real-Time UAV Tracking [12.718396980204961]
無人航空機(UAV)ベースの追跡はますます注目を集め、農業、航空、ナビゲーション、輸送、公安などのアプリケーションで急速に発展しています。
近年,1つのCPU上での高い効率とロバスト性のために,識別相関フィルタ(DCF)ベースのトラッカーがUAVトラッキングコミュニティで注目されている。
本稿では,GrabCutによるセグメンテーションによるDCFトラッカーの判別スケール推定の改善について検討する。
論文 参考訳（メタデータ） (2021-04-07T13:35:01Z) - Automatic Failure Recovery and Re-Initialization for Online UAV Tracking
with Joint Scale and Aspect Ratio Optimization [18.044423448896143]
最大サイズ推定能力を持つリアルタイムUAV追跡アルゴリズムを提案する。
全体追跡タスクは2つの2次元フィルタに割り当てられる: (i) 空間領域における位置予測のための変換フィルタ、 (ii) スケールのためのサイズフィルタ、およびサイズ領域におけるアスペクト比最適化である。
論文 参考訳（メタデータ） (2020-08-10T06:31:30Z) - Learning Consistency Pursued Correlation Filters for Real-Time UAV
Tracking [12.292672531693794]
本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。
実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。
提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
論文 参考訳（メタデータ） (2020-08-09T10:22:52Z) - AutoTrack: Towards High-Performance Visual Tracking for UAV with
Automatic Spatio-Temporal Regularization [19.379240684856423]
識別相関フィルタ(DCF)に基づく既存のトラッカーのほとんどは、対象オブジェクトの学習を改善するために予め定義された正規化項を導入しようとする。
本研究は,オンラインおよび自動学習時正則化項に対する新しいアプローチを提案する。
4つのUAVベンチマーク実験は、最先端のCPUおよびGPUベースのトラッカーと比較して、我々の手法の優位性を証明している。
論文 参考訳（メタデータ） (2020-03-29T05:02:25Z)
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。