論文の概要: A UAV-Mounted Sensor Network for Close-Range Inspection of Wind Turbine Rotor Blades
- arxiv url: http://arxiv.org/abs/2606.21220v1
- Date: Fri, 19 Jun 2026 08:37:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 07:19:03.949578
- Title: A UAV-Mounted Sensor Network for Close-Range Inspection of Wind Turbine Rotor Blades
- Title（参考訳）: 風車ロータブレードのクローズレンジ検査のためのUAV搭載センサネットワーク
- Authors: Jost Wittmann, Ahmed Abdullahi Hassan, Nils Kömpe, Andreas Nüchter,
- Abstract要約: 本稿では,産業用RGBカメラ,受動熱赤外カメラ,3Dスキャナを組み合わせたUAV搭載マルチモーダルセンサネットワークの設計について述べる。
このシステムは、プラットフォームの動き、視野の広さ、ミリメートルレベルの測定精度の3つの基本的な認識課題に対処して、近距離で動作するよう設計されている。
- 参考スコア（独自算出の注目度）: 2.08825600142115
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Inspection of offshore wind turbine rotor blades is critical for predictive maintenance to maximise efficiency and extend operational lifetime. However, it remains a challenging task due to remote locations, large structural dimensions, and the limitations of current UAV-compatible sensor systems. While existing approaches can detect certain types of surface anomalies, reliable classification of defect types often remains a manual and error-prone process. This paper presents the design of a UAV-mounted multimodal sensor network combining an industrial RGB camera, a passive thermal infrared camera, and an in-house developed 3D scanner. All sensors are co-calibrated into a common coordinate frame, enabling spatial superimposition of geometric, colour, and thermal data. The system is designed to operate at close range, addressing three fundamental sensing challenges: platform motion, large field of view, and millimetre-level measurement accuracy. Preliminary laboratory results demonstrate synchronised multi-sensor acquisition and initial point cloud reconstructions, forming the basis for future airborne inspection trials.
- Abstract（参考訳）: オフショア風力タービンローターブレードの検査は、効率を最大化し、運用寿命を延ばすための予測保守に重要である。
しかし、遠隔地、大きな構造寸法、現在のUAV互換センサーシステムの限界のため、これは依然として困難な課題である。
既存のアプローチはある種の表面異常を検出できるが、欠陥の信頼性の高い分類は手動およびエラーを起こしやすいプロセスのままである。
本稿では, 産業用RGBカメラ, 受動熱赤外カメラ, 3Dスキャナを内蔵したUAV搭載型マルチモーダルセンサネットワークの設計について述べる。
すべてのセンサーは共通の座標フレームに校正され、幾何学、色、熱データの空間的重ね合わせを可能にする。
このシステムは、プラットフォームの動き、視野の広さ、ミリメートルレベルの測定精度の3つの基本的な認識課題に対処して、近距離で動作するよう設計されている。
予備実験の結果は, 複数センサの同時取得と初期点雲の再構成を実証し, 将来の空中検査試験の基礎となるものである。
関連論文リスト
- DSERT-RoLL: Robust Multi-Modal Perception for Diverse Driving Conditions with Stereo Event-RGB-Thermal Cameras, 4D Radar, and Dual-LiDAR [66.23438033222963]
DSERT-RoLLは、ステレオイベント、RGB、サーマルカメラを4DレーダーとデュアルLiDARと組み合わせた駆動データセットである。
データセットは正確な2Dおよび3Dバウンディングボックスを提供し、トラックIDとエゴ車両のオドメトリーを提供する。
論文 参考訳（メタデータ） (2026-04-04T11:03:16Z) - Form-Fitting, Large-Area Sensor Mounting for Obstacle Detection [99.11587290390071]
本研究では,センサをロボットリンクに装着して大規模センシングを行うための低コストな手法を提案する。
コンピュータ支援設計(CAD)を用いることで、ロボットの皮膚カバー、またはスキンユニットをプロシージャ的に生成し、非発達可能な表面の周囲に適合させることができる。
スキンユニットは、どんなサイズでもプリントされた回路基板のマウントを埋め込んで、センサーを固定された場所や既知の場所に保持する。
論文 参考訳（メタデータ） (2026-03-24T21:20:57Z) - UAV-MM3D: A Large-Scale Synthetic Benchmark for 3D Perception of Unmanned Aerial Vehicles with Multi-Modal Data [47.317955428393134]
UAV-MM3Dは,低高度UAV知覚と動作理解のための多モード合成データセットである。
様々なシーン(都市部、郊外部、森林部、沿岸部)と気象条件にまたがる400Kの同期フレームで構成されている。
各フレームは2D/3Dバウンディングボックス、6-DoFのポーズ、インスタンスレベルのアノテーションを提供し、3D検出、ポーズ推定、ターゲット追跡、短期軌道予測などのUAVに関連するコアタスクを可能にする。
論文 参考訳（メタデータ） (2025-11-27T12:30:28Z) - J-DDL: Surface Damage Detection and Localization System for Fighter Aircraft [18.53607676786071]
本稿では,J-DDLと呼ばれる戦闘機のスマート表面損傷検出と位置決めシステムを提案する。
J-DDLは航空機表面の2D画像と3D点雲を統合し、レーザースキャナーとカメラを組み合わせたシステムで撮影する。
主なイノベーションは、効率的な機能抽出のための軽量なFasternetブロック、最適化されたネックアーキテクチャ、新しい損失関数であるInner-CIOUの導入である。
論文 参考訳（メタデータ） (2025-06-12T09:05:35Z) - Multi-Sensor Fusion for UAV Classification Based on Feature Maps of Image and Radar Data [4.392337343771302]
本稿では,すでに処理されているマルチセンサデータを新しいディープニューラルネットワークに融合させて,UAV検出のための分類精度を高めるシステムを提案する。
このモデルは、熱、光、レーダーデータに関連する個々の物体の検出と分類モデルから抽出された高レベル特徴を融合する。
論文 参考訳（メタデータ） (2024-10-21T15:12:37Z) - One Masked Model is All You Need for Sensor Fault Detection, Isolation and Accommodation [1.0359008237358598]
マスク付きモデルと自己教師型学習を用いたセンサ故障検出のための新しいフレームワークを提案する。
提案手法を,オフショアGE風力タービンのパブリックデータセットと実世界のデータセットの両方で検証する。
提案手法は,センサ計測の精度と信頼性をリアルタイムに向上する可能性がある。
論文 参考訳（メタデータ） (2024-03-24T13:44:57Z) - Joint object detection and re-identification for 3D obstacle
multi-camera systems [47.87501281561605]
本研究は,カメラとライダー情報を用いた物体検出ネットワークに新たな改良を加えたものである。
同じ車両内の隣のカメラにまたがって物体を再識別する作業のために、追加のブランチが組み込まれている。
その結果,従来の非最大抑圧(NMS)技術よりも,この手法が優れていることが示された。
論文 参考訳（メタデータ） (2023-10-09T15:16:35Z) - High-Throughput and Accurate 3D Scanning of Cattle Using Time-of-Flight
Sensors and Deep Learning [1.2599533416395765]
牛の表現型を測定するための高スループット3Dスキャンソリューションを提案する。
このスキャナーは深度センサー、すなわち飛行時間(Tof)センサーの配列を利用しており、それぞれ専用の組み込みデバイスによって管理されている。
このシステムは高忠実度3Dポイントの雲を発生させるのに優れており、牛の地形を忠実に再構築する正確なメッシュを容易に作成することができる。
論文 参考訳（メタデータ） (2023-08-07T18:15:03Z) - Drone Detection and Tracking in Real-Time by Fusion of Different Sensing
Modalities [66.4525391417921]
マルチセンサ・ドローン検知システムの設計と評価を行う。
われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。
このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
論文 参考訳（メタデータ） (2022-07-05T10:00:58Z) - Fully Convolutional One-Stage 3D Object Detection on LiDAR Range Images [96.66271207089096]
FCOS-LiDARは、自律走行シーンのLiDAR点雲のための完全な1段式3Dオブジェクト検出器である。
標準的な2Dコンボリューションを持つRVベースの3D検出器は、最先端のBEVベースの検出器と同等の性能を発揮することを示す。
論文 参考訳（メタデータ） (2022-05-27T05:42:16Z) - Long-Range Thermal 3D Perception in Low Contrast Environments [0.0]
本報告では, マイクロボロメータを用いたLWIR(Long Wave Infrared)検出器の感度の劇的改善の実現可能性を証明するため, フェーズIの取り組みの結果について述べる。
結果として生じる低SWaP-C熱深度センシングシステムにより、高度空力(AAM)のための自律型航空車両の状況把握が可能となる。
低コントラストの静的および移動物体を含む周囲環境の堅牢な3D情報を提供する。
論文 参考訳（メタデータ） (2021-12-10T01:16:44Z)
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。