論文の概要: Multi-Depth Uniform Coverage Path Planning for Unmanned Surface Vehicle Surveying
- arxiv url: http://arxiv.org/abs/2605.13123v1
- Date: Wed, 13 May 2026 07:48:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:27.880952
- Title: Multi-Depth Uniform Coverage Path Planning for Unmanned Surface Vehicle Surveying
- Title（参考訳）: 無人表面車両サーベイにおける多次元一様被覆経路計画
- Authors: Maider Larrazabal, Tong Yang, Izaro Goienetxea, Jaime Valls Miro,
- Abstract要約: 本稿では,無人表面車両を用いた水位測定のための新しい自動カバレッジパス計画アルゴリズムを提案する。
提案アルゴリズムは,奥行き変化を明示的に考慮し,サーベイパス間の間隔を最適化したカバレッジパスを設計する。
提案手法は, 合成シナリオと実世界のシナリオの両方において, 大幅な改善が期待できる。
- 参考スコア（独自算出の注目度）: 5.249356121779196
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper introduces a novel automatic coverage path planning algorithm for bathymetry surveying with unmanned surface vehicles. The detection range of the mapping sensor employed - a multibeam echo sounder - is heavily influenced by local seafloor depths. Hence, a path designed to uniformly cover the sea surface does not guarantee uniform coverage of the seafloor. Yet this is currently the typical process for bathymetric surveys, with the simplistic boustrophedon scheme along manually selected waypoints at constant depths being the most widespread planner used. The proposed scheme incorporates coarse prior depth information to pre-process the target region and adaptively guide path generation and sensing range configuration. By explicitly accounting for depth variations, the proposed algorithm designs a coverage path with optimised spacing between survey passes that adjusts the sensing beam aperture to achieve more consistent seafloor coverage. The proposed method is shown to offer significant improvements in both synthetic and real-world scenarios. Validations in challenging synthetic terrains achieves coverage ratios beyond 99%, a marked improvement when compared with traditional boustrophedon paths revealing a maximum 75% coverage. The same trend appears in realistic simulations using real bathymetric data from a coastal harbour, with coverage reaching over 92%, and significantly surpassing boustrophedon sweeps with coverage rates below 65%. Beyond improved performance, the scheme also brings a fully automated design, suitable for autonomous marine vehicles, thus offering practical utilities for real-world applications.
- Abstract（参考訳）: 本稿では,無人表面車両を用いた水位測定のための新しい自動カバレッジパス計画アルゴリズムを提案する。
マルチビームエコースピーカを用いたマッピングセンサの検出範囲は, 局所的な海底深度の影響を強く受けている。
したがって、海面を均一に覆うように設計された経路は、海底の均一な被覆を保証しない。
しかし、これは現在、水量計による調査の典型的なプロセスであり、簡単なブーストロフェドンスキームと、一定の深さで手動で選択した経路が、最も広く使われているプランナーである。
提案手法は、粗い事前深度情報を組み込んで、対象領域を前処理し、経路の生成と感知範囲の設定を適応的にガイドする。
提案アルゴリズムは, 深度変化を明示的に考慮し, より一貫した海底被覆を実現するために, センサビーム開口を調節するサーベイパス間の間隔を最適化したカバレッジパスを設計する。
提案手法は, 合成シナリオと実世界のシナリオの両方において, 大幅な改善が期待できる。
難易度の高い合成地形の検証は99%を超えており、従来のブーストロフェドンパスと比較して75%以上の範囲で顕著に改善されている。
同じ傾向が、沿岸の港からのデータを用いて現実的なシミュレーションで見られ、カバー率は92%を超え、カバー率が65%未満のブストロフェドンスイープをはるかに上回っている。
性能の改善に加えて、このスキームは完全自動化された設計で、自律的な海洋車両に適したため、現実の用途に実用的なユーティリティを提供する。
関連論文リスト
- Multi-Step Gaussian Process Propagation for Adaptive Path Planning [1.7883249184785492]
本稿では,マルチモーダル環境センサデータに適応し,状態制約と入力制約を組み込んだガウス過程に基づく経路計画手法を提案する。
本手法は,高忠実度モデルとその場センシングデータの両方から海洋藻類開花データを用いて,モニタリングシナリオにおける自律表面容器上で実証する。
論文 参考訳（メタデータ） (2026-04-21T06:55:14Z) - Critic-Free Deep Reinforcement Learning for Maritime Coverage Path Planning on Irregular Hexagonal Grids [1.2891210250935148]
海上監視任務は、広大で幾何学的に複雑な領域におけるセンシング資産の効率的な配分に依存している。
伝統的なカバー・パス・プランニングアプローチは不規則な海岸線、島々、および排他的地域と戦っている。
本研究では,不規則海域の六角形格子表現においてCPPを解くための深層強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-30T12:56:38Z) - Hierarchical Multi-Modal Planning for Fixed-Altitude Sparse Target Search and Sampling [8.90200464018944]
HIMoSはサンゴの探索とサンプルの分離のための固定高度フレームワークである。
システムは、異質なセンサースイートを2層計画アーキテクチャに統合する。
論文 参考訳（メタデータ） (2026-03-09T12:53:04Z) - Informative Path Planning with Guaranteed Estimation Uncertainty [7.2097330104931325]
環境モニタリング予算ロボットは、厳密な距離とエネルギー制約の下で空間場を再構築する必要がある。
提案手法は,移動経路下でのセンサ位置選択と共同選択・引き抜き問題に対して,精度の高い近似保証付き手法を提案する。
実世界のデータを用いた実験では、より少ないセンシング位置と短い移動距離を用いて、プランナーが不確実な目標に到達していることが示されている。
論文 参考訳（メタデータ） (2026-02-05T01:51:38Z) - Evaluating the effects of preprocessing, method selection, and hyperparameter tuning on SAR-based flood mapping and water depth estimation [0.0]
ガロンヌ川(フランス)での2019年と2021年の2回の洪水について評価を行った。
スペックルフィルタの選択は、数平方キロメートルのバリエーションで洪水範囲の推定を変化させる。
洪水マッピング手法の選択とチューニングも性能に影響する。
論文 参考訳（メタデータ） (2025-10-13T11:54:42Z) - UnLoc: Leveraging Depth Uncertainties for Floorplan Localization [80.55849461031879]
UnLocはフロアプラン内のシーケンシャルカメラローカライゼーションのための効率的なデータ駆動ソリューションである。
本研究では,不確実性推定を組み込んだ新しい確率モデルを導入し,深度予測を明示的な確率分布としてモデル化する。
我々はUnLocを大規模合成および実世界のデータセット上で評価し、精度とロバスト性の観点から大幅に改善したことを示す。
論文 参考訳（メタデータ） (2025-09-14T14:45:43Z) - TacoDepth: Towards Efficient Radar-Camera Depth Estimation with One-stage Fusion [54.46664104437454]
一段核融合を用いた効率的かつ正確なレーダ・カメラ深度推定モデルであるTacoDepthを提案する。
具体的には、グラフベースのRadar構造抽出器とピラミッドベースのRadar融合モジュールを設計する。
従来の最先端のアプローチと比較して、TacoDepthは深さ精度と処理速度を12.8%、91.8%改善している。
論文 参考訳（メタデータ） (2025-04-16T05:25:04Z) - Light Field Depth Estimation via Stitched Epipolar Plane Images [45.5616314866457]
本研究では,スライス計算を強化するための縫合EPI(SEPI)の概念を提案する。
SEPIは、同じ3Dポイントに対応する異なるEPIから線をシフトして連結することで、これを達成します。
また,テクスチャレス領域における深度推定の改善を目的とした深度伝搬戦略を提案する。
論文 参考訳（メタデータ） (2022-03-29T02:43:40Z) - Learning Space Partitions for Path Planning [54.475949279050596]
PlaLaMは2次元ナビゲーションタスクにおける既存の経路計画手法よりも優れており、特に難解な局所最適化の存在下では優れている。
これらは高マルチモーダルな実世界のタスクに移行し、コンパイラフェーズでは最大245%、分子設計では最大0.4の強いベースラインを0-1スケールで上回ります。
論文 参考訳（メタデータ） (2021-06-19T18:06:11Z) - Deep Learning-based Compressive Beam Alignment in mmWave Vehicular
Systems [75.77033270838926]
車両用チャネルは、より少ないチャネル測定でビームアライメントに活用できる構造を示す。
構造化圧縮センシング(CS)行列を設計するための深層学習手法を提案する。
論文 参考訳（メタデータ） (2021-02-27T04:38:12Z) - Progressive Depth Learning for Single Image Dehazing [56.71963910162241]
既存の脱湿法は、しばしば深度を無視し、より重いヘイズが視界を乱す遠くの地域で失敗する。
画像深度と伝送マップを反復的に推定するディープエンドツーエンドモデルを提案する。
私たちのアプローチは、画像深度と伝送マップの内部関係を明示的にモデリングすることから利益を得ます。
論文 参考訳（メタデータ） (2021-02-21T05:24:18Z)
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。