論文の概要: Camera-RFID Fusion for Robust Asset Tracking in Forested Environments
- arxiv url: http://arxiv.org/abs/2604.26241v1
- Date: Wed, 29 Apr 2026 02:50:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.231079
- Title: Camera-RFID Fusion for Robust Asset Tracking in Forested Environments
- Title（参考訳）: 森林環境におけるロバスト資産追跡のためのカメラRFID融合
- Authors: John Hateley, Sriram Narasimhan, Omid Abari,
- Abstract要約: 我々は、深度と物体情報を高度な軌跡マッチングアルゴリズムと統合する新しいカメラ-RFID融合フレームワークを提案する。
これは、自然森林環境におけるアセットトラッキングのためのカメラ-RFID融合の最初の応用である。
- 参考スコア（独自算出の注目度）: 2.5756681494057045
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Passive RFID tags offer a cost-effective and scalable solution for tracking numerous deployed assets. However, in forested environments, signal attenuation and multipath effects generally limit RFID spatial accuracy to the meter level. Conversely, while cameras employing stereo vision can achieve centimeter-level precision, relying solely on computer vision fails to resolve issues arising from spatial association ambiguity and partial occlusions in dense settings. Fusing these modalities allows systems to harness the high-accuracy benefits of vision while retaining the robust, non-line-of-sight identification advantages of RFID. Yet, a primary challenge in achieving this, which is the central focus of this paper, lies in accurately associating the disparate trajectories generated by these two sensors. To overcome this limitation, we introduce a novel camera--RFID fusion framework that integrates depth and object information with advanced trajectory-matching algorithms. By successfully bridging the meter-to-centimeter accuracy gap, the proposed approach helps achieve reliable tag localization even when assets temporarily leave the camera's field of view. To the best of our knowledge, this represents the first application of camera--RFID fusion for asset tracking in natural forested environments.
- Abstract（参考訳）: パッシブRFIDタグは、多数のデプロイされた資産を追跡するためのコスト効率が高くスケーラブルなソリューションを提供する。
しかし、森林環境では、信号減衰とマルチパス効果は一般的にRFID空間精度をメーターレベルに制限する。
逆に、立体視を用いたカメラはセンチメートルレベルの精度を達成できるが、コンピュータビジョンのみに依存すると、密集した環境での空間的関連の曖昧さや部分的閉塞に起因する問題を解決できない。
これらのモダリティを融合させることで、システムはRFIDの堅牢で非視線識別の利点を維持しながら、視力の高精度な利点を利用することができる。
しかし、この2つのセンサーが生み出す異なる軌跡を正確に関連付けることが本論文の中心的課題である。
この制限を克服するために、深度と物体情報を高度な軌跡マッチングアルゴリズムと統合する新しいカメラ-RFID融合フレームワークを導入する。
提案手法は, カメラの視野を一時的に離れても, 精度のギャップを埋めることによって, 信頼度の高いタグの局所化を実現するのに有効である。
我々の知る限り、これは自然の森林環境における資産追跡のためのカメラ-RFID融合の最初の応用である。
関連論文リスト
- Near-Field Perception for Safety Enhancement of Autonomous Mobile Robots in Manufacturing Environments [1.4627307351436138]
本稿では,自律移動ロボットのための3層近接場認識フレームワークを提案する。
最初のアプローチでは光の不連続検出を採用し、近距離領域にレーザーストライプを投射する。
第2のアプローチでは、光変位測定を用いて物体の高さを推定する。
第3のアプローチでは、組み込みAIハードウェア上のコンピュータビジョンに基づくオブジェクト検出モデルを使用してオブジェクトを分類する。
論文 参考訳（メタデータ） (2025-12-15T17:18:04Z) - Driving in Spikes: An Entropy-Guided Object Detector for Spike Cameras [62.94986160782233]
スパイクカメラは、マイクロ秒のレイテンシとオブジェクト検出のための超高ダイナミックレンジを提供する。
希少で離散的な出力は標準画像ベースの検出器では処理できない。
デュアルブランチ設計によるエンド・ツー・エンドのスパイクカメラ検出器EASDを提案する。
DSEC Spikeは、最初の駆動指向シミュレートされたスパイク検出ベンチマークである。
論文 参考訳（メタデータ） (2025-11-19T14:16:17Z) - Drone Detection with Event Cameras [8.679862302950614]
イベントカメラは、運動のぼやけを事実上排除し、極端な照明で一貫した検出を可能にする。
この研究は、イベントベースのビジョンが次世代の信頼性、低レイテンシ、効率的な対UAVシステムに強力な基盤を提供することを示す。
論文 参考訳（メタデータ） (2025-08-06T15:49:33Z) - Long-Distance Field Demonstration of Imaging-Free Drone Identification in Intracity Environments [15.347530074931989]
残差ニューラルネットワーク(ResNet)とtextDtextsuperscript2SPtextsuperscript2-LiDARを新たに統合する。
本手法は,弱い信号条件下であっても94.93%の識別精度と97.99%の型分類精度を実現する。
これらの知見は,小目標の高強度長距離検出のための非撮像法の可能性を強調した。
論文 参考訳（メタデータ） (2025-04-26T07:36:28Z) - FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。
自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。
PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。
FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。
この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
論文 参考訳（メタデータ） (2025-03-25T15:04:53Z) - LCPR: A Multi-Scale Attention-Based LiDAR-Camera Fusion Network for
Place Recognition [11.206532393178385]
本稿では,マルチモーダル位置認識のための新しいニューラルネットワークLCPRを提案する。
位置認識性能を向上させるために,マルチビューカメラとLiDARデータを効果的に利用することができる。
論文 参考訳（メタデータ） (2023-11-06T15:39:48Z) - TransFusion: Robust LiDAR-Camera Fusion for 3D Object Detection with
Transformers [49.689566246504356]
そこで本研究では,LiDAR-カメラ融合に対するソフトアソシエーション機構による堅牢な解であるTransFusionを提案する。
TransFusionは大規模データセット上で最先端のパフォーマンスを実現する。
提案手法を3次元トラッキングタスクに拡張し,nuScenesトラッキングのリーダーボードにおける第1位を達成する。
論文 参考訳（メタデータ） (2022-03-22T07:15:13Z) - Robotic Grasping of Fully-Occluded Objects using RF Perception [18.339320861642722]
RF-Graspは、非構造環境において、完全に隠された物体を把握できるロボットシステムである。
RF-Graspは、アイインハンドカメラと、関心のあるオブジェクトに添付されたバッテリーレスRFIDタグに依存します。
論文 参考訳（メタデータ） (2020-12-31T04:01:45Z) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。