論文の概要: SHIELD: Spherical-Projection Hybrid-Frontier Integration for Efficient LiDAR-based Drone Exploration

• arxiv url: http://arxiv.org/abs/2512.23972v1
• Date: Tue, 30 Dec 2025 04:01:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.563722
• Title: SHIELD: Spherical-Projection Hybrid-Frontier Integration for Efficient LiDAR-based Drone Exploration
• Title（参考訳）: ShiELD: 効率的なLiDARによるドローン探査のための球面射影ハイブリッドFrontier統合
• Authors: Liangtao Feng, Zhenchang Liu, Feng Zhang, Xuefeng Ren,
• Abstract要約: ShiELD (Spherical-Projection Hybrid-Frontier Integration for Efficient LiDAR-based Drone Exploring Method) は、LiDARをベースとした高効率な探査システムである。 観測品質の占有マップを維持し、このマップ上でレイキャストを行い、探索中に不整点雲の品質の問題に対処する。
• 参考スコア（独自算出の注目度）: 5.666542904516895
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper introduces SHIELD, a Spherical-Projection Hybrid-Frontier Integration for Efficient LiDAR-based Drone exploration method. Although laser LiDAR offers the advantage of a wide field of view, its application in UAV exploration still faces several challenges. The observation quality of LiDAR point clouds is generally inferior to that of depth cameras. Traditional frontier methods based on known and unknown regions impose a heavy computational burden, especially when handling the wide field of view of LiDAR. In addition, regions without point cloud are also difficult to classify as free space through raycasting. To address these problems, the SHIELD is proposed. It maintains an observation-quality occupancy map and performs ray-casting on this map to address the issue of inconsistent point-cloud quality during exploration. A hybrid frontier method is used to tackle both the computational burden and the limitations of point-cloud quality exploration. In addition, an outward spherical-projection ray-casting strategy is proposed to jointly ensure flight safety and exploration efficiency in open areas. Simulations and flight experiments prove the effectiveness of SHIELD. This work will be open-sourced to contribute to the research community.
• Abstract（参考訳）: 本稿では,高効率LiDARによるドローン探査のための球面投影ハイブリッドFrontier統合であるShiELDを紹介する。 レーザーLiDARは広い視野の利点を提供するが、UAV探査への応用にはいくつかの課題がある。 LiDAR点雲の観測品質は、一般的に深度カメラより劣る。 既知の領域と未知の領域に基づく伝統的なフロンティア法は、特にLiDARの広い視野を扱う場合、計算上の重荷を負う。 さらに、点雲のない領域は、レイキャストにより自由空間として分類することも困難である。 これらの問題に対処するため、ShielDを提案する。 観測品質の占有マップを維持し、このマップ上でレイキャストを行い、探索中に不整点雲の品質の問題に対処する。 ハイブリッドフロンティア法は、計算負荷とポイントクラウド品質探索の限界の両方に対処するために用いられる。 さらに,オープンエリアにおける飛行安全性と探査効率を両立させるため,外向きの球面射影線キャスト戦略を提案する。 シミュレーションと飛行実験により、ShiELDの有効性が証明された。 この作業は、研究コミュニティにコントリビュートするために、オープンソースとして公開されます。

関連論文リスト

• FrontierNet: Learning Visual Cues to Explore [54.8265603996238]
  この研究は、3Dマップからゴールポーズを抽出する制限に対処するため、効率的な自律探索に2Dビジュアルキューを活用することを目的としている。 本稿では、FrontierNetをコアコンポーネントとする、視覚のみのフロンティアベースの探索システムを提案する。 提案手法は,既存の3次元目標抽出手法に代わるもので,早期探索効率の15%向上を実現している。
  論文  参考訳（メタデータ） (2025-01-08T16:25:32Z)
• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
  都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。 この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• On-policy Actor-Critic Reinforcement Learning for Multi-UAV Exploration [0.7373617024876724]
  無人航空機(UAV)は、精密農業、捜索救助、リモートセンシングなど、様々な分野で人気が高まっている。 本研究は,複数のUAVを用いて2次元の関心領域を探索するために,政治強化学習(RL)とPPO(Pximal Policy Optimization)を活用することで,この問題に対処することを目的とする。 提案手法は、深層畳み込みニューラルネットワーク(CNN)と長短期記憶(LSTM)を用いて、UAVと既にカバーされている領域を特定することを含む。
  論文  参考訳（メタデータ） (2024-09-17T10:36:46Z)
• Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
  本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。 提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。 本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-05-07T20:44:48Z)
• UltraLiDAR: Learning Compact Representations for LiDAR Completion and Generation [51.443788294845845]
  我々は、シーンレベルのLiDAR補完、LiDAR生成、LiDAR操作のためのデータ駆動フレームワークであるUltraLiDARを提案する。 スパース点雲の表現を高密度点雲の表現に合わせることで、スパース点雲を密度化できることが示される。 個別のコードブック上で事前学習を行うことで、多種多様な現実的なLiDARポイントクラウドを自動走行のために生成できます。
  論文  参考訳（メタデータ） (2023-11-02T17:57:03Z)
• Detecting the Anomalies in LiDAR Pointcloud [8.827947115933942]
  逆の気象条件は、LiDARが散乱ノイズ点や異常強度値などの異常なパターンを持つ点雲を発生させる可能性がある。 そこで本研究では,LiDARが点雲特性を解析して異常点雲を発生しているかどうかを検知する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-31T22:53:42Z)
• RaLiBEV: Radar and LiDAR BEV Fusion Learning for Anchor Box Free Object Detection Systems [13.046347364043594]
  自動運転では、LiDARとレーダーは環境認識に不可欠である。 最近の最先端の研究は、レーダーとLiDARの融合が悪天候の堅牢な検出につながることを明らかにしている。 鳥眼ビュー融合学習に基づくアンカーボックスフリー物体検出システムを提案する。
  論文  参考訳（メタデータ） (2022-11-11T10:24:42Z)

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。