論文の概要: Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance
- arxiv url: http://arxiv.org/abs/2605.07275v1
- Date: Fri, 08 May 2026 05:40:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.827853
- Title: Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance
- Title（参考訳）: 空間地図誘導によるパームサイズの全方位視ベースUAV探査
- Authors: Zirui Wang, Xinjia Luo, Haotian Sun, Jun Ma, Jian Guo, Boyu Zhou,
- Abstract要約: 本稿では,全方位視とスパーストポロジカルマップガイダンスを利用した軽量自律探査システムを提案する。
具体的には、全方位視野(FoV)を実現し、深度推定を行うために、多眼カメラのセットアップを利用する。
古典的な密度表現とは異なり、我々の手法はキーノードとその記述子からなるスパース位相写像を用いて環境を抽象化する。
- 参考スコア（独自算出の注目度）: 30.757664816308345
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Classic exploration methods often rely on dense occupancy maps or high-resolution point clouds for frontier detection and path planning, resulting in substantial memory consumption and computational overhead. Moreover, micro UAVs under size, weight, and power (SWaP) constraints are not practical to be equipped with sensors like LiDAR to obtain accurate environmental geometric measurements. This paper presents a lightweight autonomous exploration system that leverages omnidirectional vision and sparse topological map guidance. Specifically, we utilize a multi-fisheye camera setup to achieve omnidirectional Field of View (FoV) and perform depth estimation. To address the limited depth estimation accuracy, frontiers are represented as potential unexplored regions characterized by topological nodes instead of explicit boundaries, enabling efficient identification of frontier regions without maintaining occupancy grids or global point clouds. Unlike classic dense representations, our approach abstracts the environment using a sparse topological map composed of key nodes and their descriptors, reducing memory consumption and computational demands. Global path planning is performed directly on the sparse graph. The proposed method is validated in both simulation and on a palm-sized vision-based UAV with an 11 cm wheelbase and a 400 g weight in real-world experiments, demonstrating that our method can achieve efficient exploration with extremely low computational consumption.
- Abstract（参考訳）: 古典的な探索法は、しばしばフロンティアの検出と経路計画のために、密度の高い占有マップや高解像度の点雲に頼っている。
さらに、LiDARのようなセンサーを装着して正確な環境計測値を得るには、サイズ、重量、パワー(SWaP)の制約による微小UAVが実用的ではない。
本稿では,全方位視とスパーストポロジカルマップガイダンスを利用した軽量自律探査システムを提案する。
具体的には、全方位視野(FoV)を実現し、深度推定を行うために、多眼カメラのセットアップを利用する。
限界深度推定精度に対処するため、フロンティアは明示的な境界ではなくトポロジカルノードによって特徴づけられる潜在的未探索領域として表現され、占有格子や大域点雲を維持せずにフロンティア領域の効率的な識別を可能にする。
従来の高密度表現とは異なり、キーノードとその記述子からなる疎位相写像を用いて環境を抽象化し、メモリ消費と計算要求を減らす。
グローバルパスプランニングはスパースグラフ上で直接実行される。
提案手法は11cmのホイールベースと400gの重量を持つヤシ型視覚ベースUAVとシミュレーションの両方で検証され,本手法が極めて低消費電力で効率的に探索できることが実証された。
関連論文リスト
- WildOS: Open-Vocabulary Object Search in the Wild [12.098091049832965]
この研究は、長距離でオープンなオブジェクト検索のための統一システムWildOSを提示する。
基礎モデルに基づく視覚モジュール ExploRFM を用いて、グラフのフロンティアノードをスコアリングする。
また、オープン語彙ターゲットクエリの粗い局所化のための粒子フィルタに基づく手法も導入する。
論文 参考訳（メタデータ） (2026-02-22T19:14:00Z) - Generalizable Collaborative Search-and-Capture in Cluttered Environments via Path-Guided MAPPO and Directional Frontier Allocation [7.6658082440595186]
乱雑な環境における協調的追従回避は、まばらな報酬と制約された視野による重大な課題を示す。
反応制御によるトポロジカルプランニングをブリッジする階層型フレームワークであるPGF-MAPPOを提案する。
実験により、PGF-MAPPOはより高速なエバダに対して捕集効率が優れていることが示された。
論文 参考訳（メタデータ） (2025-12-10T08:09:12Z) - 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) - NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot [1.0550841723235613]
トポロジマップと2段階の経路計画に基づく完全なナビゲーションパイプラインを提案する。
パイプラインは、入力ポイントクラウドのニューラルネットワーク記述子と2Dプロジェクションをマッチングすることで、グラフにローカライズする。
提案手法は,大規模な室内光相対論的シミュレーション環境でテストし,一般的な計量マッピング手法であるRTAB-MAPに基づく計量地図に基づく手法と比較する。
論文 参考訳（メタデータ） (2024-10-15T10:54:49Z) - Landmark-based Localization using Stereo Vision and Deep Learning in
GPS-Denied Battlefield Environment [1.19658449368018]
本稿では、受動カメラセンサのみを用いた非GPS戦場環境におけるローカライズのための新しいフレームワークを提案する。
提案手法では,距離推定にカスタムキャリブレーションされたステレオカメラと,実世界のランドマーク認識のためのデータセットを用いて訓練および微調整を行うYOLOv8sモデルを用いる。
実験の結果,提案手法は既存のアンカーベースDV-Hopアルゴリズムよりも優れた性能を示し,ローカライゼーション誤差(RMSE)の点で最も効率的な視覚ベースアルゴリズムと競合することがわかった。
論文 参考訳（メタデータ） (2024-02-19T21:20:56Z) - Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity
Monocular Dense Mapping [51.739466714312805]
ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。
ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
論文 参考訳（メタデータ） (2024-01-06T12:32:25Z) - Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense
Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。
我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。
ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文 参考訳（メタデータ） (2021-09-14T07:24:53Z) - Gaussian Process Gradient Maps for Loop-Closure Detection in
Unstructured Planetary Environments [17.276441789710574]
以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。
非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。
本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
論文 参考訳（メタデータ） (2020-09-01T04:41:40Z) - Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。
エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。
われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
論文 参考訳（メタデータ） (2020-08-21T03:16:51Z) - OmniSLAM: Omnidirectional Localization and Dense Mapping for
Wide-baseline Multi-camera Systems [88.41004332322788]
超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。
より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。
我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
論文 参考訳（メタデータ） (2020-03-18T05:52:10Z)
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。