論文の概要: Terrain Perception for Agricultural UAVs in Complex Farmland via Rotating mmWave Radar

• arxiv url: http://arxiv.org/abs/2605.01340v1
• Date: Sat, 02 May 2026 09:23:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.715974
• Title: Terrain Perception for Agricultural UAVs in Complex Farmland via Rotating mmWave Radar
• Title（参考訳）: 回転ミリ波レーダによる複雑な農地における農業用UAVの地形認識
• Authors: Zhihao Zhan, Le Tao, Shaobin Li, Chenxin Fang, Xingrui Yang, Liang Li, Rui Fan, Yuhang Ming,
• Abstract要約: 農業用UAVのための低コスト回転型ミリ波レーダー対応地形認識フレームワークを提案する。 具体的には、空間被覆を拡大し、地形観測性を向上させるために、機械的に回転するセンシング設計を導入する。 我々はさらに、スパース、ノイズ、および部分的に観測可能なレーダーデータに適した、ポーズ一貫性のある地形再建パイプラインを設計する。
• 参考スコア（独自算出の注目度）: 11.687318460399402
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate terrain perception is essential for terrain-following flight of agricultural unmanned aerial vehicles (UAVs), yet remains challenging in real-world farmland due to occlusions, complex terrain geometry, and environmental disturbances. Millimeter-wave (mmWave) radar is a promising sensing modality for this task due to its robustness to adverse conditions; however, existing UAV-mounted radar systems rely on fixed field of view (FoV) and terrain extraction methods designed for dense LiDAR data, leading to incomplete and unreliable terrain estimation. To address these limitations, we present a low-cost rotating mmWave radar-enabled terrain perception framework for agricultural UAVs operating in complex farmland environments. Specifically, a mechanically rotating sensing design is introduced to enlarge spatial coverage and improve terrain observability beyond the limitations of fixed-view radar under dynamic low-altitude flight. Building upon this sensing capability, we further design a pose-consistent terrain reconstruction pipeline tailored for sparse, noisy, and partially observable radar data, enabling reliable ground extraction and continuous terrain surface estimation in challenging agricultural scenarios. The complete system is deployed on a real agricultural UAV platform and comprehensively evaluated through extensive field experiments. Experimental results demonstrate improved terrain coverage and estimation accuracy, achieving an F1 score of 94.42 for ground segmentation, while the closest rival only achieves 90.48. Thus, leading to more robust terrain following flight.
• Abstract（参考訳）: 正確な地形認識は、農業用無人航空機(UAV)の地形追跡に不可欠であるが、閉塞、複雑な地形形状、環境の乱れにより、現実世界の農地では依然として困難である。 ミリ波レーダー(mmWave)は、この課題に対して、悪条件に対するロバスト性のため、将来的な検知法である。しかし、既存のUAV搭載レーダーシステムは、高密度LiDARデータのために設計された固定視野(FoV)と地形抽出法に依存しており、不完全で信頼性の低い地形推定に繋がる。 これらの制約に対処するため、複雑な農地環境で稼働する農業用UAVに対して、低コストで回転するmmWaveレーダー対応地形認識フレームワークを提案する。 具体的には、ダイナミック低高度飛行時の固定視レーダの限界を超えて、空間範囲を拡大し、地形観測性を向上させるために、機械的に回転するセンシング設計を導入する。 このセンシング能力に基づいて、スパーク、ノイズ、および部分的に観測可能なレーダーデータに適したポーズ一貫性のある地形再構築パイプラインを設計し、農業シナリオにおける信頼性の高い地表面抽出と連続的な地形表面推定を可能にする。 完全なシステムは、実際の農業用UAVプラットフォーム上に展開され、広範囲なフィールド実験を通じて包括的に評価される。 実験の結果、地形のカバレッジと推定精度が向上し、F1スコアは94.42であり、最も近いライバルは90.48である。 これにより、飛行後により頑丈な地形となる。

関連論文リスト

• Pushing Radar Odometry Beyond the Pavement: Current Capabilities and Challenges [7.820881002491645]
  オフロードオドメトリー推定におけるレーダの可能性について検討する。 本稿では,3次元レーダー点雲の生成に動き補償を適用したRadar-KISSICPと,IMU事前積分を利用してスキャンマッチングを安定化するRadar-IMUの2つの簡単なベースラインを紹介する。 Great Outdoorsデータセットの実験は、これらのベースラインが挑戦ルートにおける軌道推定を改善することを示した。
  論文  参考訳（メタデータ） (2026-04-27T16:34:18Z)
• Scout-Rover cooperation: online terrain strength mapping and traversal risk estimation for planetary-analog explorations [10.052329093064552]
  我々は,足と車輪のハイブリッドチームを用いて,そのような地形への安全なアクセスを拡大するスカウトローバー協調フレームワークを提案する。 高移動度脚付きロボットは移動スカウトとして機能し、脚と脚の相互作用を用いて移動中のリゴリス強度を推定する。 我々は、NASA Ames Lunar Simulant TestbedとWhite Sands Dune Fieldの類似ミッションを通じて、このフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-02-21T01:41:40Z)
• Expert Switching for Robust AAV Landing: A Dual-Detector Framework in Simulation [0.0]
  2人のYOLOv8専門家が、HelipadCatデータセットのスケール特化バージョンでトレーニングされている。 推論の間、どちらの専門家も並列に操作し、幾何学的なゲーティング機構は、AAVの視点と最も一致した予測を持つ専門家を選択する。 その結果, 単検出器ベースラインに比べてアライメント, 着陸精度, 全体的なロバスト性は著しく向上した。
  論文  参考訳（メタデータ） (2025-12-16T03:41:59Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Structure-Invariant Range-Visual-Inertial Odometry [17.47284320862407]
  この研究は、火星科学ヘリコプターのミッション用に設計された新しいレンジ・ヴィジュアル・慣性オドメトリーシステムを導入している。 我々のシステムは、一貫した範囲情報を視覚的および慣性計測と融合することにより、最先端のxVIOフレームワークを拡張している。 提案手法は, 厳密なミッション条件を満たす地形相対速度を推定する。
  論文  参考訳（メタデータ） (2024-09-06T21:49:10Z)
• 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)
• VPAIR -- Aerial Visual Place Recognition and Localization in Large-scale Outdoor Environments [49.82314641876602]
  VPAIRという新しいデータセットを提示します。 データセットは地上300メートル以上の高度で飛行する軽航空機に記録されている。 このデータセットは、様々なタイプの挑戦的な風景を、100km以上にわたってカバーしている。
  論文  参考訳（メタデータ） (2022-05-23T18:50:08Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)

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。