論文の概要: Cross-Session 3D LiDAR and Camera Fusion for Robust Localization of Unmanned Aerial Vehicles in GPS-Denied Environments

• arxiv url: http://arxiv.org/abs/2606.28951v1
• Date: Sat, 27 Jun 2026 14:48:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.737991
• Title: Cross-Session 3D LiDAR and Camera Fusion for Robust Localization of Unmanned Aerial Vehicles in GPS-Denied Environments
• Title（参考訳）: GPSによる無人航空機のロバスト位置推定のためのクロスセッション3次元LiDARとカメラフュージョン
• Abstract要約: クロスフュージョン(Cross-Fusion)は、リアルタイムUAVローカライゼーションのための新しい手法である。 このシステムは、動き追跡と画像に基づく特徴マッチングにLiDARベースのオドメトリを使用して、単一の赤緑色(RGB)カメラでドリフトを補正し、精度を向上させる。
• 参考スコア（独自算出の注目度）: 0.9749189465851389
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate localization of unmanned aerial vehicles (UAVs) is essential for applications such as structural health monitoring, especially in environments where Global Positioning System (GPS) signals are denied or unreliable, like indoor spaces, tunnels, urban canyons, or areas beneath large structures. To address this challenge, we propose Cross-Fusion, a novel method for real-time UAV localization that integrates data from a 3D Light Detection and Ranging (LiDAR) and a monocular camera. A key contribution is its cross-session fusion strategy, which integrates visual and geometric information collected from multiple agents during routine baseline surveys to improve localization consistency and map completeness. The system employs LiDAR-based odometry for motion tracking and image-based feature matching via a single red-green-blue (RGB) camera to correct drift and improve accuracy. Unlike visual-inertial systems, Cross-Fusion maintains a simple sensor setup and avoids the complexity of stereo or global shutter configurations. Experimental results demonstrate that Cross-Fusion achieves localization accuracy comparable to GPS-based methods and performs reliably in challenging feature-sparse environments.
• Abstract（参考訳）: 無人航空機(UAV)の正確なローカライゼーションは、特にGlobal Positioning System(GPS)信号が室内空間、トンネル、都市峡谷、あるいは大きな構造物の下の地域など、否定または信頼できない環境において、構造的健康モニタリングのような応用に不可欠である。 この課題に対処するために,リアルタイムUAVローカライゼーションのための新しい手法であるCross-Fusionを提案する。 この戦略は、複数のエージェントから収集された視覚的および幾何学的情報を定期的なベースラインサーベイ中に統合し、ローカライゼーションの一貫性とマップ完全性を改善する。 このシステムは、動き追跡と画像に基づく特徴マッチングにLiDARベースのオドメトリを使用して、単一の赤緑色(RGB)カメラでドリフトを補正し、精度を向上させる。 ビジュアル・慣性システムとは異なり、クロスフュージョンは単純なセンサーのセットアップを維持し、ステレオやグローバルなシャッター構成の複雑さを避ける。 実験により,Cross-FusionはGPS法に匹敵する局所化精度を達成し,課題の多い特徴分散環境で確実に機能することを示した。

関連論文リスト

• ESAFusion: LiDAR--4-D Radar Fusion via Local Geometric Complementation and Multiscale Adaptive Interaction for 3-D Object Detection [11.802078221832888]
  LiDAR--4-Dレーダー融合は、複雑な運転環境での3次元物体検出のための有望なソリューションとして、正確な空間幾何学と、レーダーからの運動と反射率のキューを組み合わせる。 本研究では,局所幾何学的補間とマルチスケール適応的相互作用を組み合わせたエビデンス・アウェア・スケール適応型フレームワークであるESAFusionを提案する。 View-of-Delft(VoD)データセットの実験により、ESAFusionは比較した手法の中で最も高い平均精度(mAP)を達成することが示された。
  論文  参考訳（メタデータ） (2026-09-13T15:48:23Z)
• VGP-Nav: Metric-Aware Visual Geometric Perception for Robot Navigation [59.44896676402453]
  VGP-Navは、テキスト・メトリック・アウェア・ビジュアル・ジオメトリック・パーセプションのための統合されたフレームワーク 単分子RGB入力にのみ依存し、メトリックローカライゼーションと障害物知覚を共同で支援する。 VGP-Navはモノクルスケールのあいまいさをオンラインで解決し、局所化基底の計量障害物表現を生成する。
  論文  参考訳（メタデータ） (2026-06-08T09:38:14Z)
• 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)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• High-fidelity 3D reconstruction for planetary exploration [0.15749416770494704]
  本研究は、惑星ロボットのための統一環境再構築パイプラインへの放射場に基づく手法の統合について検討する。 我々のシステムはNerfstudioおよびCOLMAPフレームワークとROS2互換のワークフローを組み合わせることで、ロスバグ記録から直接ローバーデータを処理できる。 結果として得られたパイプラインは、惑星探査における幾何学的表現と神経的表現のギャップを埋める、放射場に基づくマッピングに関する将来の研究の基礎を確立した。
  論文  参考訳（メタデータ） (2026-02-14T22:07:03Z)
• COXNet: Cross-Layer Fusion with Adaptive Alignment and Scale Integration for RGBT Tiny Object Detection [13.236592868442678]
  マルチモーダル赤緑色サーマル(RGBT)画像における微小物体検出のための新しいフレームワークを提案する。 クロス層核融合モジュールは、セマンティックおよび空間的精度を高めるために、高レベルの可視・低レベルの熱特徴を融合する。 Dynamic Alignment and Scale Refinement Modules corrects cross-modal space misalignment。 GeoShapeの類似度測定は、より優れたローカライゼーションに使用される。
  論文  参考訳（メタデータ） (2025-08-13T06:30:03Z)
• 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)
• A Multi-Sensor Fusion Approach for Rapid Orthoimage Generation in Large-Scale UAV Mapping [3.321306647655686]
  グローバル測位システム(GPS)、慣性計測ユニット(IMU)、4Dミリ波レーダとカメラを統合したマルチセンサUAVシステムにより、この問題に対する効果的な解決策を提供することができる。 予め最適化された特徴マッチング手法を導入し、マッチング速度と精度を向上させる。 実験の結果,提案手法は短時間で正確な特徴マッチングを実現できることがわかった。
  論文  参考訳（メタデータ） (2025-03-03T05:55:30Z)
• Pole-based Vehicle Localization with Vector Maps: A Camera-LiDAR Comparative Study [6.300346102366891]
  道路環境では、交通標識、信号機、街灯など多くの一般的な家具がポールの形をしている。 本稿では,自動アノテート画像に基づいて訓練された軽量ニューラルネットワークを用いて,カメラによるポール検出をリアルタイムに行う手法を提案する。 その結果,オープン道路環境における視線に基づくアプローチの精度が向上した。
  論文  参考訳（メタデータ） (2024-12-11T09:05:05Z)
• 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)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)

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。