論文の概要: A UAV-Based Multi-Modal Vision System for Automated Sideslope Deformation Monitoring and Hazard Detection

• arxiv url: http://arxiv.org/abs/2606.20681v1
• Date: Sat, 13 Jun 2026 19:20:49 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-06-23 11:21:24.921004
• Title: A UAV-Based Multi-Modal Vision System for Automated Sideslope Deformation Monitoring and Hazard Detection
• Title（参考訳）: 自動側斜面変形モニタリングとハザード検出のためのUAV多モード視覚システム
• Authors: Jingfeng Zhang, Yi Li, Xianchong Liang, Huan Yang,
• Abstract要約: 本研究の目的は、無人航空機(UAV)搭載光検出・照準器(LiDAR)を用いた斜面危険度検出のための高度自動化ワークフローの開発である。 提案するワークフローは,共有データ取得と地表面抽出の段階,RandLA-Netに基づく単一観測ハザードスクリーニングブランチ,グリッドワイド標高差に基づくマルチエポック変形監視ブランチから構成される。 その結果, 植生被覆下での利用可能な地表面点雲を抽出し, 単一観測点雲から潜在的な危険領域を特定し, マルチを用いたセンチメートルレベルの標高変化を定量化できることが示唆された。
• 参考スコア（独自算出の注目度）: 22.798047516914185
• License:
• Abstract: Slope hazards constitute a major safety threat to expressway infrastructure, and their evolution is typically manifested as slow surface deformation. Conventional manual inspection suffers from low efficiency and inadequate operational safety, especially on severely deteriorated slopes. Accordingly, there is an urgent need for an automated, high-precision solution capable of large-area slope observation and analysis. This study aims to develop a highly automated workflow for slope hazard detection using Unmanned Aerial Vehicle (UAV)-borne Light Detection and Ranging (LiDAR). The proposed workflow consists of a shared data-acquisition and ground-surface extraction stage, a single-observation hazard-screening branch based on RandLA-Net, and a multi-epoch deformation-monitoring branch based on grid-wise elevation differencing. To validate the effectiveness of the proposed system, we conducted multiple UAV-borne LiDAR data-acquisition flights in real expressway slope environments. The results show that the workflow can extract usable ground-surface point clouds under vegetation cover, identify potential hazard zones from single-observation point clouds, and quantify centimeter-level elevation changes using multi-epoch grid differencing. This study establishes an end-to-end UAV-borne LiDAR-based workflow for slope inspection and demonstrates its feasibility through controlled experiments, field tests, and simulation-based validation, thereby providing an implementable solution for automated slope-hazard monitoring and intelligent early warning.
• Abstract（参考訳）: 斜面の危険は高速道路のインフラにとって大きな安全上の脅威となり、その進化は典型的には緩やかな表面の変形として表される。 従来の手動検査は、特にひどい斜面で、低効率で運転安全が不十分である。 そのため,大規模斜面観測と解析が可能な高精度自動解法が緊急に必要である。 本研究の目的は、無人航空機(UAV)搭載光検出・照準器(LiDAR)を用いた斜面危険度検出のための高度自動化ワークフローを開発することである。 提案するワークフローは,共有データ取得と地表面抽出の段階,RandLA-Netに基づく単一観測ハザードスクリーニングブランチ,グリッドワイド標高差に基づくマルチエポック変形監視ブランチから構成される。 提案手法の有効性を検証するため, 実際の高速道路斜面環境において, 複数のUAV搭載LiDARデータ取得飛行を行った。 その結果, 植生被覆下での利用可能な地表面点雲の抽出, 単一観測点雲からの潜在的な危険領域の同定, マルチエポックグリッドの差分を用いたセンチメートルレベルの標高変化の定量化が可能であることが示唆された。 本研究は, 自動傾斜監視とインテリジェント早期警戒のための実装可能なソリューションを提供することにより, 制御実験, フィールドテスト, シミュレーションベースバリデーションを通じて, エンド・ツー・エンドのUAV搭載LiDARベースの傾斜検査ワークフローを構築し, その実現可能性を示す。

関連論文リスト

• Autonomous UAV Pipeline Near-proximity Inspection via Disturbance-Aware Predictive Visual Servoing [12.773186211498283]
  パイプライン検査は安全なエネルギー輸送には不可欠であるが、長距離、複雑な地形、人間の検査者へのリスクに制約されている。 本稿では、画像に基づく視覚サーボモデル予測制御(VMPC)に基づく3次元シナリオのための自律的四重項近傍パイプライン検査フレームワークを提案する。 地形情報のない未知の斜面上での垂直速度を発生させながら、所望の巡航速度を維持するために、地形適応速度設計を導入する。 実世界の実験では,提案手法は直線管に対して,パイプライン配向および横方向の偏差において,RMSEを52.63%,75.04%削減する。
  論文  参考訳（メタデータ） (2026-04-21T16:05:34Z)
• Unsupervised Learning for Detection of Rare Driving Scenarios [1.5399429731150376]
  本研究では,まれかつ極端な運転シナリオを検出するための教師なし学習フレームワークについて検討する。 我々は最近提案されたディープ・アイソレーション・フォレスト(DIF)を利用して、非線形および複雑な異常を識別する。 提案手法は, 稀かつ有害な運転シナリオを効果的に同定できることを示す。
  論文  参考訳（メタデータ） (2025-12-29T16:35:20Z)
• Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
  LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。 既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。 我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T18:42:32Z)
• Towards Operational Automated Greenhouse Gas Plume Detection [0.15556354682377155]
  この研究は、データとラベルの品質管理、バイアスの防止、そして正しく整列されたモデリング目的など、この分野におけるいくつかの重要な障害をレビューし対処する。 運用性能検出が可能な航空機および宇宙搭載機器のマルチキャンプデータを用いた厳密な実験を実演する。 分析可能なデータ、モデル、デプロイメントのためのソースコードを提供し、ベストプラクティスのセットを定義します。
  論文  参考訳（メタデータ） (2025-05-27T22:22:54Z)
• Automatic UAV-based Airport Pavement Inspection Using Mixed Real and Virtual Scenarios [3.0874677990361246]
  本稿では,UAVが捉えた画像を用いて,舗装の苦悩を自動的に識別する視覚的アプローチを提案する。 提案手法は,画像の欠陥を分割する深層学習(DL)に基づいている。 合成および実訓練画像からなる混合データセットを使用することで、実アプリケーションシナリオでトレーニングモデルをテストする場合、より良い結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-01-11T16:30:07Z)
• DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
  複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。 運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。 我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
  論文  参考訳（メタデータ） (2023-10-03T10:10:42Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
  スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。 本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
  論文  参考訳（メタデータ） (2023-08-14T16:48:57Z)
• How Do We Fail? Stress Testing Perception in Autonomous Vehicles [40.19326157052966]
  本稿では、悪天候下での自動運転車のLiDARによる認識システムの故障を特徴付ける手法を提案する。 本研究では,物体追跡や乱れの列による軌道予測において,潜在的な故障を発見するための強化学習に基づく手法を開発する。
  論文  参考訳（メタデータ） (2022-03-26T20:48:09Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• 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。