論文の概要: Recursive ArUco Markers: A Scalable Fiducial Marker Design for Unmanned Aerial Vehicle Landing Pads

• arxiv url: http://arxiv.org/abs/2607.13830v1
• Date: Wed, 15 Jul 2026 13:42:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.786848
• Title: Recursive ArUco Markers: A Scalable Fiducial Marker Design for Unmanned Aerial Vehicle Landing Pads
• Title（参考訳）: 再帰的ArUcoマーカ:無人航空機着陸パッドのスケーラブルなフィデューシャルマーカ設計
• Authors: Rafael Munoz-Salinas, Francisco Jose Romero-Ramirez, Sergio Garrido-Jurado,
• Abstract要約: 無人航空機は、自律航法と精密着陸のための視覚的フィデューシャルマーカーをますます頼りにしている。 標準的なマーカーは操作範囲が限られており、カメラが近すぎるか近すぎると検出不能になる。 本稿では、任意の深さで任意の標準フィジュアルマーカーを変換する新しい再帰的ArUcoマーカーの設計を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unmanned Aerial Vehicles (UAVs) increasingly rely on visual fiducial markers for autonomous navigation and precision landing. However, standard markers suffer from limited operational ranges, becoming undetectable when the camera is either too far or too close. While recursive and fractal markers have been proposed to address this issue, existing approaches either require the marker's center to remain visible, making them vulnerable to occlusion, or are limited in their recursion depth and placement. We propose a novel Recursive ArUco marker design. Our method allows any standard fiducial marker to be transformed into a recursive marker with an arbitrary depth. By employing a modified bit-sampling strategy during detection, we embed complete markers within both the black and white bits of the parent marker. This approach guarantees unlimited recursion depth and robust detection even with partial occlusion, as it does not rely on the marker's center being visible. Furthermore, by maintaining a single, unique identifier across all recursive scales, our proposal provides an extensive dictionary of multiple unique landing pads. This capability allows fleets of UAVs to operate simultaneously, with each drone landing at its designated location -- a feature not supported by existing Fractal and Harco markers due to their structural and dictionary constraints.
• Abstract（参考訳）: 無人航空機(UAV)は、自律航法と精密着陸のための視覚的フィデューシャルマーカーをますます頼りにしている。 しかし、標準的なマーカーは操作範囲が限られており、カメラが遠すぎるか近すぎると検出不能になる。 この問題に対処するために再帰マーカーとフラクタルマーカーが提案されているが、既存のアプローチではマーカーの中心を目に見えるようにし、閉塞に弱いか、再帰深さと配置に制限されている。 本稿では,新しい再帰的ArUcoマーカーの設計を提案する。 提案手法により,任意の深さで任意のフィデューシャルマーカーを再帰的マーカーに変換することができる。 検出中に修正ビットサンプリング戦略を用いることで、親マーカーの黒と白の両方に完全なマーカーを埋め込む。 このアプローチは、マーカーの中心が見えることに依存しないため、部分閉塞でも無制限の再帰深さとロバスト検出を保証する。 さらに,再帰的スケールにまたがる単一のユニークな識別子を維持することにより,複数のユニークなランディングパッドの広範な辞書を提供する。 この能力により、複数のUAVが同時に運用でき、それぞれのドローンが指定された場所に着陸する -- 構造的および辞書的制約のため、既存のFractalとHarcoマーカーではサポートされていない機能だ。

関連論文リスト

• Spacecraft Fiducial Marker for Autonomous Rendezvous, Proximity Operations, and Docking [3.9267924369054152]
  フィデューシャルマーカーは、自律的なランデブー、近接操作、宇宙ロボットのドッキングを支援する。 本稿では,自律型軌道上ロボット操作のためのフィデューシャルマーカーであるAstraTagについて述べる。
  論文  参考訳（メタデータ） (2026-06-25T21:52:15Z)
• YoloTag: Vision-based Robust UAV Navigation with Fiducial Markers [2.7855886538423182]
  リアルタイムな画像マーカーに基づく位置決めシステムであるYoloTagを提案する。 YoloTagは軽量のYOLO v8オブジェクト検出器を使用して、画像中の画像マーカーを正確に検出する。 検出されたマーカーは、UAV状態を推定するために効率的な視点-n-pointアルゴリズムによって使用される。
  論文  参考訳（メタデータ） (2024-09-03T23:42:19Z)
• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Homography Guided Temporal Fusion for Road Line and Marking Segmentation [73.47092021519245]
  道路線やマーキングは、移動車両、影、グレアの存在下でしばしば閉鎖される。 本稿では,映像フレームを補足的に利用するHomography Guided Fusion (HomoFusion) モジュールを提案する。 カメラ固有のデータと地上平面の仮定をクロスフレーム対応に利用することにより,高速・高精度性能が向上した軽量ネットワークの実現が期待できることを示す。
  論文  参考訳（メタデータ） (2024-04-11T10:26:40Z)
• The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge Detector [70.43599299422813]
  既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。 多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。 UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-03-21T13:14:36Z)
• Pointly-Supervised Panoptic Segmentation [106.68888377104886]
  弱教師付き単眼セグメンテーションにポイントレベルのアノテーションを適用するための新しい手法を提案する。 完全に教師された方法で使用される高密度のピクセルレベルラベルの代わりに、ポイントレベルラベルは、監督対象ごとに単一のポイントしか提供しない。 我々は、ポイントレベルのラベルから同時に汎視的擬似マスクを生成し、それらから学習することで、エンドツーエンドのフレームワークにおける問題を定式化する。
  論文  参考訳（メタデータ） (2022-10-25T12:03:51Z)
• Fiducial Tag Localization on a 3D LiDAR Prior Map [0.6554326244334868]
  既存のLiDARフィデューシャルタグローカライズ法は3次元LiDARマップには適用されない。 我々は, 3次元LiDAR事前マップ上で, 画像タグを直接ローカライズする新しい手法を開発した。 我々は,3次元LiDARマップ上のタグのローカライズに適用可能な手法として,定性的かつ定量的な実験を行った。
  論文  参考訳（メタデータ） (2022-09-02T14:07:25Z)
• DeepTag: A General Framework for Fiducial Marker Design and Detection [1.2180122937388957]
  フィデューシャルマーカーの設計と検出のための一般的なディープラーニングベースのフレームワークであるDeepTagを提案する。 DeepTagは、さまざまなマーカーファミリの検出をサポートし、カスタマイズされたローカルパターンで新しいマーカーファミリを設計できるようにする。 実験によると、DeepTagはさまざまなマーカーファミリをうまくサポートしており、検出の堅牢性と精度の両方の観点から既存の手法よりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-05-28T10:54:59Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

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。