論文の概要: NightSight: Passive Computation for Navigation in Dark Using Events
- arxiv url: http://arxiv.org/abs/2605.26330v1
- Date: Mon, 25 May 2026 21:07:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.467916
- Title: NightSight: Passive Computation for Navigation in Dark Using Events
- Title（参考訳）: NightSight: イベントを使った暗黒でのナビゲーションのためのパッシブ計算
- Authors: Deepak Singh, Brijan Vaghasiya, Shreyas Khobragade, Nitin Sanket,
- Abstract要約: 小型の空中ロボットは、閉じ込められた危険な環境での捜索と救助に適している。
本稿では,単眼イベントカメラ,符号化開口レンズ,赤外線ドットプロジェクタを組み合わせた軽量な認識手法を提案する。
我々のシステムはNVIDIA Jetson Orin Nano上で20Hzでリアルタイムに動作し、リソース制約のあるプラットフォームに適していることを示す。
- 参考スコア（独自算出の注目度）: 3.7376797687484005
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Small aerial robots are particularly well-suited for search and rescue in confined and hazardous environments due to their agility, low cost, and ability to traverse through cluttered spaces that are inaccessible to larger platforms. However, enabling autonomous navigation in complete darkness remains a significant challenge, because small aerial robots cannot easily accommodate perception systems that demand substantial payload, power, or computation. In this work, we present a lightweight perception approach that combines a monocular event camera, a coded aperture lens, and an infrared dot projector to enable navigation in such conditions. The projected pattern, when imaged through the coded aperture, produces depth dependent blur signatures that implicitly encode scene geometry. We train a convolutional neural network to decode these signatures into dense depth maps using only synthetic data generated from a simple planar wall setup. Despite this minimal training regime, the model generalizes zero-shot to complex real-world scenes. Our system operates in real time at 20 Hz on a NVIDIA Jetson Orin Nano, demonstrating suitability for resource-constrained platforms. We further analyze the impact of different coded aperture designs on depth estimation performance. Our approach gives high accuracy (l1 error 7.0cm) upto 2.5m range (2.80% error). These results highlight the potential of combining structured illumination, coded optics, and event-based sensing for enabling robust perception and navigation in complete darkness.
- Abstract（参考訳）: 小型の空飛ぶロボットは、機敏さ、低コスト、そして大きなプラットフォームに近づかない散らかった空間を横断する能力のために、閉じ込められた危険な環境での捜索と救助に特に適している。
しかし、小さな空中ロボットは、かなりのペイロード、電力、計算を必要とする知覚システムに容易に対応できないため、完全な闇の中で自律的なナビゲーションを可能にすることは大きな課題である。
本研究では,単眼のイベントカメラ,符号化開口レンズ,赤外線ドットプロジェクタを組み合わせて,そのような状況下でのナビゲーションを可能にする軽量な認識手法を提案する。
投影されたパターンは、符号化された開口を通して画像化され、シーン幾何学を暗黙的にエンコードする深さ依存のぼかしを生成する。
我々は、単純な平面壁構成から生成された合成データのみを用いて、これらのシグネチャを深度マップにデコードするように畳み込みニューラルネットワークを訓練する。
この最小限の訓練体制にもかかわらず、モデルはゼロショットから複雑な現実世界のシーンを一般化する。
我々のシステムはNVIDIA Jetson Orin Nano上で20Hzでリアルタイムに動作し、リソース制約のあるプラットフォームに適していることを示す。
さらに、異なる符号化開口設計が深度推定性能に与える影響を解析する。
提案手法は精度(L1エラー7.0cm)を2.5m(エラー2.80%)まで向上させる。
これらの結果は、完全に暗闇の中で堅牢な知覚とナビゲーションを可能にするために、構造化照明、符号化光学、イベントベースセンシングを組み合わせる可能性を強調している。
関連論文リスト
- AsterNav: Autonomous Aerial Robot Navigation In Darkness Using Passive Computation [7.194266824918107]
Infra-Red(IR)単眼カメラと大口径の符号化レンズと、GPSやモーションキャプチャなどの外部インフラを使わずに構造光を組み合わせることで、暗闇の中でのナビゲーションを可能にする自律飛行ロボットを提案する。
AsterNetはNVIDIA Jetson Orin$textTM$ Nanoで20Hzで動作する。
論文 参考訳（メタデータ） (2026-01-24T18:41:40Z) - Real-Time Glass Detection and Reprojection using Sensor Fusion Onboard Aerial Robots [9.34137124377529]
透明な障害物は、信頼性の高いナビゲーションとマッピングに重大な課題をもたらします。
本稿では,300g以下の4乗子上での透明な障害物の検出とマッピングのための,新しい計算効率の高いフレームワークを提案する。
提案手法は,カスタム2次元畳み込みモデルを用いて,Time-of-Flight(ToF)カメラと超音波センサのデータを融合する。
パイプライン全体がリアルタイムで動作し、組み込みプロセッサ上のCPUコアのごく一部しか利用できない。
論文 参考訳（メタデータ） (2025-10-07T23:31:45Z) - Skyshield: Event-Driven Submillimetre Thin Obstacle Detection for Drone Flight Safety [22.778033892271555]
本稿では,イベント駆動型エンドツーエンドフレームワークであるSkyShieldについて紹介する。
提案手法では,U-Net アーキテクチャとDice-Contour 正規化損失を用いて精度の高い検出を行う。
論文 参考訳（メタデータ） (2025-08-13T00:26:35Z) - 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) - Neural Implicit Dense Semantic SLAM [83.04331351572277]
本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。
私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。
提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
論文 参考訳（メタデータ） (2023-04-27T23:03:52Z) - EV-Catcher: High-Speed Object Catching Using Low-latency Event-based
Neural Networks [107.62975594230687]
イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。
イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。
計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
論文 参考訳（メタデータ） (2023-04-14T15:23:28Z) - Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge
TPU [58.720142291102135]
本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。
我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
論文 参考訳（メタデータ） (2022-04-07T08:53:18Z) - Event Guided Depth Sensing [50.997474285910734]
バイオインスパイアされたイベントカメラ駆動深度推定アルゴリズムを提案する。
提案手法では,イベントカメラが検出したシーン活動に応じて,関心領域を高密度に照明する。
シミュレーションされた自律運転シーケンスと実際の屋内環境におけるアプローチの実現可能性を示す。
論文 参考訳（メタデータ） (2021-10-20T11:41:11Z) - StereoSpike: Depth Learning with a Spiking Neural Network [0.0]
深度推定のためのエンドツーエンドのニューロモルフィック手法を提案する。
我々はSpiking Neural Network (SNN) と、StereoSpikeという名前のU-Netライクなエンコーダデコーダアーキテクチャを用いている。
このアーキテクチャは、スポーキング以外のアーキテクチャよりも、非常によく一般化されていることを実証します。
論文 参考訳（メタデータ） (2021-09-28T14:11:36Z)
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。