論文の概要: Adaptive Covariance and Quaternion-Focused Hybrid Error-State EKF/UKF for Visual-Inertial Odometry
- arxiv url: http://arxiv.org/abs/2512.17505v1
- Date: Fri, 19 Dec 2025 12:14:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-22 19:25:54.375919
- Title: Adaptive Covariance and Quaternion-Focused Hybrid Error-State EKF/UKF for Visual-Inertial Odometry
- Title（参考訳）: 視覚慣性オドメトリーにおける適応的共分散と四焦点ハイブリッドEKF/UKF
- Authors: Ufuk Asil, Efendi Nasibov,
- Abstract要約: 本研究では、無人航空機(UAV)のための革新的なハイブリッド型視覚慣性オドメトリー(VIO)手法を提案する。
このシステムは、新しいハイブリッド四元数中心のEKF/UKFアーキテクチャを使用して、慣性測定ユニット(IMU)データを処理している。
視覚計測の信頼性は、画像エントロピーの変動、動きのぼかし、推論品質などの指標に基づいて動的センサ信頼スコアを用いて評価される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study presents an innovative hybrid Visual-Inertial Odometry (VIO) method for Unmanned Aerial Vehicles (UAVs) that is resilient to environmental challenges and capable of dynamically assessing sensor reliability. Built upon a loosely coupled sensor fusion architecture, the system utilizes a novel hybrid Quaternion-focused Error-State EKF/UKF (Qf-ES-EKF/UKF) architecture to process inertial measurement unit (IMU) data. This architecture first propagates the entire state using an Error-State Extended Kalman Filter (ESKF) and then applies a targeted Scaled Unscented Kalman Filter (SUKF) step to refine only the orientation. This sequential process blends the accuracy of SUKF in quaternion estimation with the overall computational efficiency of ESKF. The reliability of visual measurements is assessed via a dynamic sensor confidence score based on metrics, such as image entropy, intensity variation, motion blur, and inference quality, adapting the measurement noise covariance to ensure stable pose estimation even under challenging conditions. Comprehensive experimental analyses on the EuRoC MAV dataset demonstrate key advantages: an average improvement of 49% in position accuracy in challenging scenarios, an average of 57% in rotation accuracy over ESKF-based methods, and SUKF-comparable accuracy achieved with approximately 48% lower computational cost than a full SUKF implementation. These findings demonstrate that the presented approach strikes an effective balance between computational efficiency and estimation accuracy, and significantly enhances UAV pose estimation performance in complex environments with varying sensor reliability.
- Abstract（参考訳）: 本研究では,無人航空機(UAV)の環境負荷に耐性があり,センサの信頼性を動的に評価できる,革新的なハイブリッド型視覚慣性オドメトリー(VIO)法を提案する。
このシステムは、疎結合のセンサー融合アーキテクチャに基づいており、新しいハイブリッド四元数中心のEKF/UKF(Qf-ES-EKF/UKF)アーキテクチャを使って慣性測定ユニット(IMU)データを処理している。
このアーキテクチャはまず、Error-State Extended Kalman Filter (ESKF) を用いて状態全体を伝播し、次にターゲットとする Scaled Unscented Kalman Filter (SUKF) を用いて方向のみを洗練する。
この逐次過程は、四元数推定におけるSUKFの精度とESKFの全体的な計算効率をブレンドする。
画像エントロピー、強度変動、動きのぼかし、推論品質などの測定値に基づいて、視覚的測定の信頼性を動的センサ信頼度スコアで評価し、測定ノイズの共分散を適用して、困難な条件下であっても安定したポーズ推定を行う。
EuRoC MAVデータセットに関する総合的な実験的分析では、挑戦シナリオにおける位置精度が平均49%向上し、ESKFベースの手法による回転精度が平均57%向上した。
これらの結果から, 提案手法は計算効率と推定精度のバランスを保ち, センサ信頼性の異なる複雑な環境でのUAVポーズ推定性能を著しく向上させることがわかった。
関連論文リスト
- ICD-Net: Inertial Covariance Displacement Network for Drone Visual-Inertial SLAM [5.5217350574838875]
視覚-慣性SLAM性能を向上させる新しいフレームワークであるICD-Netを提案する。
従来のVINS-Fusionと比較して,軌道推定精度は有意に向上した。
ニューラルネットワークの強化は,SLAM劣化の複数の要因に効果的に対処できることを示す。
論文 参考訳（メタデータ） (2025-11-13T11:25:02Z) - Hierarchical Evaluation Function: A Multi-Metric Approach for Optimizing Demand Forecasting Models [0.479839492673697]
ハイパーパラメータ最適化のためのマルチメトリックフレームワークとして階層評価関数(HEF)を提案する。
HEFは説明力(R2)、過度エラーに対する感度(RMSE)、平均精度(MAE)を統合している。
HEFの性能は予測領域で広く認識されている4つのベンチマークデータセットを用いて評価した。
論文 参考訳（メタデータ） (2025-08-18T16:25:49Z) - Efficient Federated Learning with Heterogeneous Data and Adaptive Dropout [62.73150122809138]
Federated Learning(FL)は、複数のエッジデバイスを使用したグローバルモデルの協調トレーニングを可能にする、有望な分散機械学習アプローチである。
動的不均一モデルアグリゲーション(FedDH)と適応ドロップアウト(FedAD)の2つの新しい手法を備えたFedDHAD FLフレームワークを提案する。
これら2つの手法を組み合わせることで、FedDHADは精度(最大6.7%)、効率(最大2.02倍高速)、コスト(最大15.0%小型)で最先端のソリューションを大幅に上回っている。
論文 参考訳（メタデータ） (2025-07-14T16:19:00Z) - RoHOI: Robustness Benchmark for Human-Object Interaction Detection [84.78366452133514]
ヒューマン・オブジェクト・インタラクション(HOI)検出は、コンテキスト認識支援を可能にするロボット・ヒューマン・アシストに不可欠である。
HOI検出のための最初のベンチマークを導入し、様々な課題下でモデルのレジリエンスを評価する。
我々のベンチマークであるRoHOIは、HICO-DETとV-COCOデータセットに基づく20の汚職タイプと、新しいロバストネスにフォーカスしたメトリクスを含んでいる。
論文 参考訳（メタデータ） (2025-07-12T01:58:04Z) - Theoretical Insights in Model Inversion Robustness and Conditional Entropy Maximization for Collaborative Inference Systems [89.35169042718739]
協調推論により、クラウドサーバに機密データを公開することなく、エンドユーザは強力なディープラーニングモデルを活用することができる。
近年の研究では、これらの中間機能は、情報が漏洩し、生データをモデル反転攻撃(MIA)によって再構築できるため、プライバシーを十分に保持できないことが判明している。
この研究はまず、与えられた中間特徴の入力の条件エントロピーが、任意のMIAの下での再構成平均二乗誤差(MSE)の保証された下界を与えることを理論的に証明する。
そして、ガウス混合推定に基づいて、この条件付きエントロピーを有界化するための微分可能かつ可解な尺度を導出し、逆ロバスト性を高める条件付きエントロピーアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-03-01T07:15:21Z) - Federated Learning for Efficient Condition Monitoring and Anomaly Detection in Industrial Cyber-Physical Systems [0.30723404270319693]
本稿では,センサの信頼性に基づく適応モデルアグリゲーション,資源最適化のための動的ノード選択,耐故障性のためのワイブルチェックポインティングという,3つの重要な革新を伴う拡張FLフレームワークを提案する。
NASAベアリングと水圧システムのデータセットの実験は、最先端のFL法と比較して優れた性能を示し、異常検出とノード故障時の精度の維持において99.5%のAUC-ROCを達成した。
論文 参考訳（メタデータ） (2025-01-28T03:04:47Z) - Adaptive Kalman-Informed Transformer [13.221163846643607]
拡張カルマンフィルタ(英: extended Kalman filter、EKF)は、ナビゲーションアプリケーションにおいて広く採用されているセンサー融合方式である。
適応的なカルマンインフォームド・トランス (A-KIT) を設計し, 様々なプロセスノイズの共分散をオンラインで学習する。
A-KITは従来のEKFを49.5%以上、モデルベース適応型EKFを35.4%以上上回っている。
論文 参考訳（メタデータ） (2024-01-18T14:04:51Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z)
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。