論文の概要: HelixTrack: Event-Based Tracking and RPM Estimation of Propeller-like Objects

• arxiv url: http://arxiv.org/abs/2603.09235v1
• Date: Tue, 10 Mar 2026 06:12:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.090462
• Title: HelixTrack: Event-Based Tracking and RPM Estimation of Propeller-like Objects
• Title（参考訳）: HelixTrack: イベントベースのトラッキングとプロペラライクなオブジェクトのRPM推定
• Authors: Radim Spetlik, Michal Pliska, Vojtěch Vrba, Jiri Matas,
• Abstract要約: プロペラのようなオブジェクトを共同で追跡し、毎分その回転を推定するイベント駆動方式。 13の高分解能イベントシーケンスを持つEgomotionデータセットを備えたタイムスタンプクアッドコプター。 HelixTrackは、リアルタイムとマイクロ秒のレイテンシよりも高速にフルレートイベントを処理する。
• 参考スコア（独自算出の注目度）: 14.491299219458332
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Safety-critical perception for unmanned aerial vehicles and rotating machinery requires microsecond-latency tracking of fast, periodic motion under egomotion and strong distractors. Frame-based and event-based trackers drift or break on propellers because periodic signatures violate their smooth-motion assumptions. We tackle this gap with HelixTrack, a fully event-driven method that jointly tracks propeller-like objects and estimates their rotations per minute (RPM). Incoming events are back-warped from the image plane into the rotor plane via a homography estimated on the fly. A Kalman Filter maintains instantaneous estimates of phase. Batched iterative updates refine the object pose by coupling phase residuals to geometry. To our knowledge, no public dataset targets joint tracking and RPM estimation of propeller-like objects. We therefore introduce the Timestamped Quadcopter with Egomotion (TQE) dataset with 13 high-resolution event sequences, containing 52 rotating objects in total, captured at distances of 2 m / 4 m, with increasing egomotion and microsecond RPM ground truth. On TQE, HelixTrack processes full-rate events (approx. 11.8x real time) faster than real time and microsecond latency. It consistently outperforms per-event and aggregation-based baselines adapted for RPM estimation.
• Abstract（参考訳）: 無人航空機や回転機械の安全クリティカルな認識には、高速で周期的な運動のマイクロ秒レイテンシー追跡と、強力な気晴らし器が必要である。 フレームベースおよびイベントベースのトラッカーは、周期的なシグネチャがスムーズな動きの仮定に反するため、プロペラをドリフトまたは破壊する。 HelixTrackはプロペラのようなオブジェクトを共同で追跡し、1分あたりの回転を推定する(RPM)。 入ってくる事象は、画像平面からハエに推定されるホモグラフィを通してローター面に逆ワープされる。 カルマンフィルタは位相の瞬時推定を保持する。 バッチ反復更新は、幾何への位相残差を結合することでオブジェクトのポーズを洗練させる。 我々の知る限り、公的なデータセットは、共同追跡とプロペラのようなオブジェクトのRPM推定をターゲットとしない。 そこで我々は,TQEデータセットと,52個の回転物体を含む13個の高分解能イベントシーケンスを導入し,2m/4mの距離で撮影し,エゴモーションとマイクロ秒RPMの地上真理を増大させた。 TQEでは、HelixTrackはフルレートのイベント(約11.8倍のリアルタイム)を、リアルタイムとマイクロ秒のレイテンシよりも高速に処理する。 RPM推定に適応したアセット毎のベースラインとアグリゲーションベースのベースラインを一貫して上回る。

関連論文リスト

• MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。 このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• UCMCTrack: Multi-Object Tracking with Uniform Camera Motion Compensation [9.333052173412158]
  カメラの動きに頑健な新しいモーションモデルベースのトラッカーであるUCMCTrackを紹介する。 フレーム単位で補償パラメータを計算する従来のCMCとは異なり、UCMCTrackはビデオシーケンスを通して同じ補償パラメータを一貫して適用する。 MOT17、MOT20、DanceTrack、KITTIなど、さまざまな課題のあるデータセットで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-12-14T14:01:35Z)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• VariabilityTrack:Multi-Object Tracking with Variable Speed Object Movement [1.6385815610837167]
  マルチオブジェクトトラッキング(MOT)は、ビデオ内のオブジェクトのバウンディングボックスとIDを推定することを目的としている。 環境フィードバックに基づく可変速度カルマンフィルタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-12T12:39:41Z)
• Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy [63.91005999481061]
  実用的長期トラッカーは、典型的には3つの重要な特性を含む。 効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。 動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。 我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
  論文  参考訳（メタデータ） (2021-04-25T00:59:53Z)
• Tracking Objects as Points [83.9217787335878]
  同時に検出と追跡を同時に行うアルゴリズムは,最先端技術よりもシンプルで,高速で,高精度である。 トラッカーであるCenterTrackは、前のフレームから一対のイメージと検出に検出モデルを適用します。 CenterTrackはシンプルで、オンライン(未来を覗くことはない)で、リアルタイムだ。
  論文  参考訳（メタデータ） (2020-04-02T17:58:40Z)

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。