Fugu-MT 論文翻訳(概要): Event-Only Drone Trajectory Forecasting with RPM-Modulated Kalman Filtering

論文の概要: Event-Only Drone Trajectory Forecasting with RPM-Modulated Kalman Filtering

arxiv url: http://arxiv.org/abs/2603.01997v1
Date: Mon, 02 Mar 2026 15:48:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-03 19:50:56.947305
Title: Event-Only Drone Trajectory Forecasting with RPM-Modulated Kalman Filtering
Title（参考訳）: RPM変調カルマンフィルタによるイベント専用ドローン軌道予測
Authors: Hari Prasanth S. M., Pejman Habibiroudkenar, Eerik Alamikkotervo, Dimitrios Bouzoulas, Risto Ojala,
Abstract要約: 本研究は,プロペラが引き起こすモーションキューを活用する,イベントのみのドローン予測手法を導入する。プロペラ回転速度は、生のイベントデータから直接抽出され、RPM対応カルマンフィルタフレームワーク内で融合される。
参考スコア（独自算出の注目度）: 0.5524043015533312
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Event cameras provide high-temporal-resolution visual sensing that is well suited for observing fast-moving aerial objects; however, their use for drone trajectory prediction remains limited. This work introduces an event-only drone forecasting method that exploits propeller-induced motion cues. Propeller rotational speed are extracted directly from raw event data and fused within an RPM-aware Kalman filtering framework. Evaluations on the FRED dataset show that the proposed method outperforms learning-based approaches and vanilla kalman filter in terms of average distance error and final distance error at 0.4s and 0.8s forecasting horizons. The results demonstrate robust and accurate short- and medium-horizon trajectory forecasting without reliance on RGB imagery or training data.
Abstract（参考訳）: イベントカメラは、高速で動く空中物体を観測するのに適した高時間分解能の視覚センサーを提供するが、ドローンの軌道予測には依然として限られている。本研究は,プロペラが引き起こすモーションキューを活用する,イベントのみのドローン予測手法を導入する。プロペラ回転速度は、生のイベントデータから直接抽出され、RPM対応カルマンフィルタリングフレームワーク内で融合される。 FREDデータセットの評価から,提案手法は平均距離誤差と最終距離誤差で学習ベースアプローチとバニラカルマンフィルタを0.4s,0.8sの予測地平線で比較した。その結果,RGB画像やトレーニングデータに頼らずに,頑健で高精度な短・中水平軌跡予測が得られた。

関連論文リスト

Bayesian Approximation-Based Trajectory Prediction and Tracking with 4D Radar [13.438311878715536]
3Dマルチオブジェクトトラッキング(MOT)は自動運転車には不可欠だが、LiDARとカメラベースの手法は悪天候下では劣化する。本研究では,4次元レーダベースMOTフレームワークであるBayes-4DRTrackを提案する。
論文参考訳（メタデータ） (2025-02-03T13:49:21Z)
PostCast: Generalizable Postprocessing for Precipitation Nowcasting via Unsupervised Blurriness Modeling [85.56969895866243]
本稿では,ぼやけた予測とそれに対応する土台真実のペアによるトレーニングを必要とせずに,ぼやけを解消するための教師なしポストプロセッシング手法を提案する。非条件相関を任意のぼかしモードに適応させるため、ゼロショットのぼかしカーネル推定機構とオートスケールの denoise ガイダンス戦略を導入する。
論文参考訳（メタデータ） (2024-10-08T08:38:23Z)
Streaming Motion Forecasting for Autonomous Driving [71.7468645504988]
ストリーミングデータにおける将来の軌跡を問うベンチマークを導入し,これを「ストリーミング予測」と呼ぶ。我々のベンチマークは本質的に、スナップショットベースのベンチマークでは見過ごされていない安全上の問題であるエージェントの消失と再出現を捉えている。我々は,任意のスナップショットベースの予測器をストリーミング予測器に適応させることのできる,"Predictive Streamer"と呼ばれるプラグアンドプレイメタアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-02T17:13:16Z)
A Novel Deep Neural Network for Trajectory Prediction in Automated Vehicles Using Velocity Vector Field [12.067838086415833]
本稿では,データ駆動学習に基づく手法と,自然に着想を得た概念から生成された速度ベクトル場(VVF)を組み合わせた軌道予測手法を提案する。精度は、正確な軌道予測のための過去の観測の長い歴史の要求を緩和する観測窓の減少と一致している。
論文参考訳（メタデータ） (2023-09-19T22:14:52Z)
StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文参考訳（メタデータ） (2022-07-21T12:03:02Z)
Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
物体検出と追跡から得られる軌道は、必然的にうるさい。本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
論文参考訳（メタデータ） (2022-02-03T09:09:56Z)
Lidar with Velocity: Motion Distortion Correction of Point Clouds from Oscillating Scanning Lidars [5.285472406047901]
移動物体からのライダー点雲の歪みは、自律運転において重要な問題である。グスタフソンをベースとしたライダーとカメラの融合は,全速度を推定し,ライダーの歪みを補正するために提案される。このフレームワークは実際の道路データに基づいて評価され、融合法は従来のICP法やポイントクラウド法よりも優れている。
論文参考訳（メタデータ） (2021-11-18T03:13:08Z)
Towards Robust Human Trajectory Prediction in Raw Videos [8.301214274565819]
生ビデオにおける人間の軌道予測の問題について検討する。予測精度は,種々のトラッキングエラーの影響を受けやすいことを示す。本稿では,予測整合性を時間とともに強制することにより,トラッキング障害を修正するための簡易かつ効果的な手法を提案する。
論文参考訳（メタデータ） (2021-08-18T17:27:26Z)
Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文参考訳（メタデータ） (2021-07-14T21:10:47Z)
LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar Fusion [52.59664614744447]
本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
論文参考訳（メタデータ） (2020-10-02T00:13:00Z)
The Unsupervised Method of Vessel Movement Trajectory Prediction [1.2617078020344619]
本稿では,船体移動軌跡予測の教師なし手法を提案する。これは、点間の時間差、試験された点と予測された前方および後方位置の間のスケールした誤差距離、時空間の角度からなる3次元空間におけるデータを表す。多くの統計的学習法や深層学習法とは異なり、クラスタリングに基づく軌道再構成法は計算コストのかかるモデルトレーニングを必要としない。
論文参考訳（メタデータ） (2020-07-27T17:45:21Z)

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。