論文の概要: Edge-Aware Thermal Infrared UAV Swarm Tracking
- arxiv url: http://arxiv.org/abs/2607.12544v1
- Date: Tue, 14 Jul 2026 09:13:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.093962
- Title: Edge-Aware Thermal Infrared UAV Swarm Tracking
- Title（参考訳）: エッジ対応熱赤外UAV群追跡
- Authors: Yu-Hsi Chen,
- Abstract要約: 本稿では,Adaptive Kinematic Kalman Filter(AKKF)を中心としたエッジ対応オンライントラッキングパイプラインを提案する。
AKKFは、リアルタイム効率を保ちながら、状態依存キネマティックモデリングにより線形KFを増強する。
Beyond Strong Baselineベンチマークの実験は、エッジ対応UAVトラッキングの出発点を提供する。
- 参考スコア（独自算出の注目度）: 6.183623476895028
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thermal infrared (TIR) imaging is essential for UAV swarm operations in visually degraded environments. However, tracking tiny UAVs remains challenging due to limited appearance cues, frequent occlusions, and rapid maneuvers. Despite significant progress driven by benchmarks such as the Anti-UAV challenge, existing methods primarily prioritize accuracy while overlooking the computational constraints of real-time edge deployment. The standard Kalman Filter (KF) offers the efficiency required for edge devices, yet its constant-velocity assumption often breaks down under highly dynamic UAV motion and thermal sensor jitter. More sophisticated nonlinear estimators can improve robustness but often introduce additional computational costs. To address this gap, we propose an edge-aware online tracking pipeline centered on the Adaptive Kinematic Kalman Filter (AKKF), which augments the linear KF with state-dependent kinematic modeling while preserving real-time efficiency. Combined with transient false-positive suppression and kinematics-driven predictive coasting, the presented pipeline improves trajectory continuity under challenging TIR conditions. Experiments on the Beyond Strong Baseline (BSB) benchmark provide a starting point for edge-aware UAV tracking by jointly evaluating tracking performance and computational efficiency, offering insights toward future real-time deployment.
- Abstract（参考訳）: 熱赤外(TIR)イメージングは、視覚的に劣化した環境でのUAVスウォーム操作に不可欠である。
しかし、小型のUAVの追跡は、外観が限られたこと、頻繁に閉塞すること、迅速な操縦が原因で、依然として困難である。
アンチUAVチャレンジのようなベンチマークによる大きな進歩にもかかわらず、既存の手法は主に精度を優先し、リアルタイムエッジデプロイメントの計算制約を見落としている。
標準カルマンフィルタ(KF)はエッジデバイスに必要な効率性を提供するが、その一定速度の仮定は高ダイナミックなUAV運動と熱センサージッタの下でしばしば破られる。
より洗練された非線形推定器は堅牢性を改善することができるが、しばしば計算コストを増大させる。
このギャップに対処するため,AKKF(Adaptive Kinematic Kalman Filter)を中心としたエッジ対応オンライントラッキングパイプラインを提案する。
過渡的な偽陽性抑制とキネマティクス駆動の予測コースターリングと組み合わせて、このパイプラインは、挑戦的なTIR条件下での軌道連続性を改善する。
Beyond Strong Baseline (BSB)ベンチマークの実験は、トラッキングのパフォーマンスと計算効率を共同で評価し、将来のリアルタイムデプロイメントに向けた洞察を提供することで、エッジ対応のUAVトラッキングの出発点を提供する。
関連論文リスト
- DynFly: Dynamic-Aware Continuous Trajectory Generation for UAV Vision-Language Navigation in Urban Environments [55.73595346639892]
我々は高レベルナビゲーション推論と実行可能なUAV動作を橋渡しするDynFlyを提案する。
DynFlyはB-スプライン制御点空間のエキスパート軌道を表し、Spline-DiTジェネレータを用いて条件付き軌道生成を学習する。
OpenUAV UAV-VLNベンチマークの実験では、DynFlyは航法性能と軌道品質の両方を改善している。
論文 参考訳（メタデータ） (2026-06-30T13:33:48Z) - Realtime Wind Estimation using Low Cost Quadrotor Uncrewed Aerial Vehicles [0.0]
Unscented Kalman Filter (UKF) は4軸UAVの軌道を維持しながら正確な風速推定を行う非線形推定器である。
その結果、シミュレーションの非線形性が増大するにつれて、UKFは拡張カルマンフィルタ(EKF)を一貫して上回ることを示した。
これは、高度に非線形なシナリオに対する信頼性の高い推定手段としてのイギリス空軍の可能性を示し、正確な風速推定を提供しながら、最小限の偏差で軌道を維持することができる。
論文 参考訳（メタデータ） (2026-06-29T17:24:16Z) - Lightweight 3D LiDAR-Based UAV Tracking: An Adaptive Extended Kalman Filtering Approach [2.3646560222366695]
本稿では,Adaptive Extended Kalman Filter (AEKF) を組み込んだ軽量LiDARベースのUAVトラッキングシステムを提案する。
提案手法は,非反復走査型3次元LiDARにより発生するスパース,ノイズ,および不均一点クラウドデータによる課題を効果的に解決する。
論文 参考訳（メタデータ） (2026-03-10T15:19:34Z) - Robust Tightly-Coupled Filter-Based Monocular Visual-Inertial State Estimation and Graph-Based Evaluation for Autonomous Drone Racing [5.29147071389637]
自律型ドローンレースのための堅牢な視覚-慣性推定フレームワークを提案する。
ADR-VINS は平均 RMS 変換 0.134 m, ADR-FGO は 0.060 m である。
最後に,ADR-FGOによる飛行後評価について述べる。
論文 参考訳（メタデータ） (2026-03-03T08:43:49Z) - Eva-Tracker: ESDF-update-free, Visibility-aware Planning with Target Reacquisition for Robust Aerial Tracking [51.06229328990625]
Eva-Trackerは、航空追跡のための可視性を考慮した軌道計画フレームワークである。
ESDF更新を排除し、リカバリ可能なパス生成メソッドを組み込んで、ターゲット再取得を行う。
提案手法は,従来の最先端手法よりも計算労力の少ないロバストな追跡結果を提供する。
論文 参考訳（メタデータ） (2026-02-13T02:56:34Z) - Efficient On-Board Processing of Oblique UAV Video for Rapid Flood Extent Mapping [7.460695517551536]
TTR(Temporal Token Reuse)は、組み込みデバイス上でビデオセグメンテーションを高速化する適応型推論フレームワークである。
我々は,TTRがセグメンテーション精度(0.5% mIoU)の劣化を無視して,推論遅延の30%低減を実現していることを示す。
これらの結果から,TTRは運用フロンティアを効果的にシフトさせ,高忠実でリアルタイムな斜めビデオ理解を可能にすることが確認された。
論文 参考訳（メタデータ） (2026-01-16T13:41:56Z) - Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している
我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。
このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。
これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
論文 参考訳（メタデータ） (2025-10-28T10:05:53Z) - Tracking the Unstable: Appearance-Guided Motion Modeling for Robust Multi-Object Tracking in UAV-Captured Videos [58.156141601478794]
マルチオブジェクトトラッキング(UAVT)は、ビデオのフレーム間で一貫したアイデンティティを維持しながら、複数のオブジェクトを追跡することを目的としている。
既存の手法は、通常、動作キューと外観を別々にモデル化し、それらの相互作用を見渡して、最適下追跡性能をもたらす。
本稿では、AMC行列とMTCモジュールの2つの主要コンポーネントを通して、外観と動きの手がかりを利用するAMOTを提案する。
論文 参考訳（メタデータ） (2025-08-03T12:06:47Z) - More Clear, More Flexible, More Precise: A Comprehensive Oriented Object Detection benchmark for UAV [58.89234732689013]
CODroneは、現実の状況を正確に反映した、UAVのための包括的なオブジェクト指向オブジェクト検出データセットである。
また、下流のタスク要求に合わせて設計された新しいベンチマークとしても機能する。
我々は、CODroneを厳格に評価するために、22の古典的またはSOTA法に基づく一連の実験を行う。
論文 参考訳（メタデータ） (2025-04-28T17:56:02Z) - Learning Residue-Aware Correlation Filters and Refining Scale Estimates
with the GrabCut for Real-Time UAV Tracking [12.718396980204961]
無人航空機(UAV)ベースの追跡はますます注目を集め、農業、航空、ナビゲーション、輸送、公安などのアプリケーションで急速に発展しています。
近年,1つのCPU上での高い効率とロバスト性のために,識別相関フィルタ(DCF)ベースのトラッカーがUAVトラッキングコミュニティで注目されている。
本稿では,GrabCutによるセグメンテーションによるDCFトラッカーの判別スケール推定の改善について検討する。
論文 参考訳（メタデータ） (2021-04-07T13:35:01Z)
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。