論文の概要: A Modular Dual-Camera Pipeline for Micro-Inspection Using Aerial Robots

• arxiv url: http://arxiv.org/abs/2606.11419v1
• Date: Tue, 09 Jun 2026 20:12:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 15:03:11.634113
• Title: A Modular Dual-Camera Pipeline for Micro-Inspection Using Aerial Robots
• Title（参考訳）: 空中ロボットを用いた微小検査用モジュールデュアルカメラパイプライン
• Authors: S. H. Mirtajadini, N. Rublein, R. M. Ramakrishnan, G. ter Maat, M. Aldibaja, A. Y. Mersha,
• Abstract要約: 既存のドローンによる検査システムでは、ドローンはターゲットに近づいたり、複雑な飛行経路をたどって小さな細部を捉えなければならない。 本稿では,航空マイクロ検査のための汎用パイプラインであるAero_micro_inspectionについて述べる。 このパイプラインをシミュレーションおよび実世界の実験で評価し,主にオオカミ幼虫とその卵の検出のための樹木検査と,ハエ検出のための密着トラップの温室検査の2つのユースケースシナリオについて検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most existing drone-based inspection systems require the drone to fly dangerously close to the target or follow complex flight paths to capture small details. In addition, drone flight is affected by disturbances and localization inaccuracies, which can cause the drone to lose sight of its supposed target when it has a narrow view. Furthermore, trajectory planning often requires prior information about the target's geometry, position, and orientation, which is not always available for non-structural targets such as trees, vehicles, or people. To address these challenges, this paper presents aerial_micro_inspection, a generic pipeline for aerial micro-inspection across different use cases. The pipeline assumes a PX4-powered drone equipped with two cameras: (i) a zoomed, gimbal-mounted inspection camera that captures fine details without requiring the drone to fly very close to the target, and (ii) a wide-field-of-view stereo navigation camera that acquires the target surface on site, estimates its range, and partitions it into smaller inspection regions. In addition, a vision-based feedback loop compensates for drone motion while the inspection camera visits small partitions of a larger surface. We evaluate the pipeline in simulation and real-world experiments, mainly in two use-case scenarios: tree inspection for detecting oak processionary caterpillars and their eggs, and greenhouse inspection of sticky traps for detecting whiteflies. The results show improved coverage robustness under drone disturbances in simulation, as well as effective detection of caterpillars and eggs and high-detail imaging of insects in real-world experiments. The pipeline is open-source, developed in ROS 2, and can be adapted to new applications by replacing the surface-segmentation and micro-target detection checkpoints. The code is available at: https://github.com/SaxionMechatronics/aerial_micro_inspection
• Abstract（参考訳）: 既存のドローンによる検査システムでは、ドローンはターゲットに近づいたり、複雑な飛行経路をたどって小さな細部を捉えなければならない。 さらに、ドローンの飛行は、障害や位置決めの不正確さの影響を受けており、狭い視野でドローンがターゲットを見失う可能性がある。 さらに、軌道計画には、しばしば標的の形状、位置、方向に関する事前の情報が必要であり、木、車、人などの非構造的対象に対して常に利用できるとは限らない。 これらの課題に対処するために,航空マイクロ検査のための汎用パイプラインであるAero_micro_inspectionを提案する。 パイプラインは2台のカメラを搭載したPX4搭載ドローンを想定している。 (i)目標に非常に近い位置を飛ぶことなく細部を捉え、細部を撮影するズーム付きジンバル搭載の検査カメラ。 (二)現場の目標面を取得し、その範囲を推定し、より小さな検査領域に分割する広視野ステレオナビゲーションカメラ。 さらに、視覚に基づくフィードバックループはドローンの動きを補償し、検査カメラはより大きな表面の小さなパーティションを訪問する。 このパイプラインをシミュレーションおよび実世界の実験で評価し,主にオオカミ幼虫とその卵の検出のための樹木検査と,ハエ検出のための密着トラップの温室検査の2つのユースケースシナリオについて検討した。 シミュレーションでは, ドローンの障害下でのカバーロバスト性の向上に加えて, 昆虫の幼虫や卵の効果的な検出, 昆虫の高精細イメージングが実環境実験で行われている。 パイプラインはオープンソースで、ROS 2で開発されており、表面セグメンテーションとマイクロターゲット検出チェックポイントを置き換えることで、新しいアプリケーションに適応することができる。 コードは、https://github.com/SaxionMechatronics/aerial_micro_inspectionで入手できる。

関連論文リスト

• ODD-SEC: Onboard Drone Detection with a Spinning Event Camera [9.195358584956091]
  移動キャリアへの展開を目的としたリアルタイムドローン検知システムを提案する。 システムは回転イベントベースのカメラを使用し、360度水平視野を提供し、検出されたドローンのベアリング推定を可能にする。
  論文  参考訳（メタデータ） (2026-03-06T13:30:40Z)
• Improving Small Drone Detection Through Multi-Scale Processing and Data Augmentation [2.522137108227868]
  本研究では,中規模のYOLOv11オブジェクト検出モデルに基づくドローン検出手法を提案する。 そこで我々は,入力画像を全体およびセグメント化された部分の両方で処理し,その後の予測アグリゲーションで処理するマルチスケールアプローチを実装した。 提案されたアプローチは、2025年のInternational Joint Conference on Neural Networksで開かれた第8回WOSDETC Drone-vsBird Detection Grand Challengeでトップ3にランクインした。
  論文  参考訳（メタデータ） (2025-04-27T20:06:55Z)
• Drone Detection and Tracking with YOLO and a Rule-based Method [0.0]
  公共空間におけるドローンの活動量の増加は、プライバシー保護と安全のために規制措置を必要とする。 検出タスクは通常、注釈付き画像データセットに基づいてトレーニングされたディープラーニングモデルによって自動化され、実行される。 本稿は、以前の研究に基づいて、すでに公開されたオープンソースデータセットを拡張します。 検出モデルは単一の画像入力に基づいており、単純なクロスコリレーションベースのトラッカーを用いて検出損失を低減し、ビデオのトラッキング性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-07T19:53:10Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• Real-Time Drone Detection and Tracking With Visible, Thermal and Acoustic Sensors [66.4525391417921]
  熱赤外カメラは、ドローン検出タスクに対する実現可能な解決策であることが示されている。 また,センサ間距離の関数としての検出器性能についても検討した。 ドローン、鳥、飛行機、ヘリコプターの650個の注釈付き赤外線と可視ビデオを含む新しいビデオデータセットも紹介されている。
  論文  参考訳（メタデータ） (2020-07-14T23:06:42Z)
• Built Infrastructure Monitoring and Inspection Using UAVs and Vision-based Algorithms [2.0305676256390934]
  本研究では, 実時間制御無人航空機(UAV)による構造物表面の検査システムを提案する。 本システムは,Wentworthライトレールベース構造である目標構造を調査するために,良好な気象条件下で運用されている。
  論文  参考訳（メタデータ） (2020-05-19T14:37:48Z)
• Detection and Tracking Meet Drones Challenge [131.31749447313197]
  本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。 当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
  論文  参考訳（メタデータ） (2020-01-16T00:11:56Z)

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。