論文の概要: Underwater Visual Target Tracking with Target-Specific Depth Estimation and Adaptive Model-Fusion Predictive Control

• arxiv url: http://arxiv.org/abs/2609.20731v1
• Date: Thu, 17 Sep 2026 17:22:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.398687
• Title: Underwater Visual Target Tracking with Target-Specific Depth Estimation and Adaptive Model-Fusion Predictive Control
• Title（参考訳）: 目標深度推定と適応モデル融合予測制御による水中視覚目標追跡
• Abstract要約: 視覚に基づく水中目標追跡は、信頼できない深度測定と未知の目標運動によって挑戦される。 本稿では,自律型水中車両(AUV)のためのステレオビジュアルサーボフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.2201210947958665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-based underwater target tracking is challenged by unreliable depth measurements and unknown target motion. This paper proposes a stereo visual-servoing framework for an autonomous underwater vehicle (AUV). For perception, the framework derives a stable 3D relative state from stereo images through target-specific depth extraction and Kalman filtering. It constructs a target-depth mask from color, disparity, and temporal cues to select reliable target pixels, and then filters the resulting depth measurement and detected image center separately. For control, the framework decouples yaw regulation from translational control, avoiding computationally expensive coupled multi-DOF optimization and enabling real-time translational MPC. The translational controller employs adaptive model-fusion predictive control, combining constant-velocity and zero-velocity target models to accommodate different target-motion patterns. It updates the model weights using historical prediction errors and computes translational commands subject to actuation, following-distance, and field-of-view constraints. Through simulations and real-world experiments, we validate the effectiveness of the proposed framework and show it has better performance than existing frameworks.
• Abstract（参考訳）: 視覚に基づく水中目標追跡は、信頼できない深度測定と未知の目標運動によって挑戦される。 本稿では,自律型水中車両(AUV)のためのステレオビジュアルサーボフレームワークを提案する。 認識のために、このフレームワークはターゲット固有深度抽出とカルマンフィルタリングによってステレオ画像から安定な3次元相対状態を導出する。 色、不均一性、時間的手がかりから目標深度マスクを構築し、信頼性の高い目標画素を選択し、結果の深度測定と検出された画像中心を別々にフィルタリングする。 制御のために、このフレームワークは、ヤウの制御を翻訳制御から切り離し、計算コストがかかる多自由度最適化を回避し、リアルタイムの翻訳MPCを可能にする。 翻訳コントローラは適応的なモデル融合予測制御を採用し、一定の速度とゼロ速度のターゲットモデルを組み合わせて異なる目標運動パターンに対応する。 過去の予測エラーを使用してモデルの重みを更新し、アクティベーション、後続距離、視野制約による翻訳コマンドを計算する。 シミュレーションや実世界の実験を通じて,提案フレームワークの有効性を検証し,既存のフレームワークよりも優れた性能を示す。

関連論文リスト

• Zero-Shot Metric Depth Estimation via Monocular Visual-Inertial Rescaling for Autonomous Aerial Navigation [6.996435353737172]
  本稿では,単分子RGB画像と慣性測定ユニット(IMU)から距離深度を予測する手法を提案する。 スパース3次元特徴写像を用いて相対深度推定から距離深度を求めるための軽量ゼロショット再スケーリング手法を提案する。 提案手法を移動プリミティブベースプランナと統合した後, 衝突回避効果を示す。
  論文  参考訳（メタデータ） (2025-09-09T21:39:13Z)
• 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)
• DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
  状態推定は、高い操作性を持つ3次元物体追跡において困難である。 本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。 DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
  論文  参考訳（メタデータ） (2025-05-18T10:12:41Z)
• Multi-Modality Driven LoRA for Adverse Condition Depth Estimation [61.525312117638116]
  逆条件深さ推定のためのMulti-Modality Driven LoRA(MMD-LoRA)を提案する。 Prompt Driven Domain Alignment (PDDA) と Visual-Text Consistent Contrastive Learning (VTCCL) の2つのコアコンポーネントで構成されている。 nuScenesとOxford RobotCarデータセットの最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-12-28T14:23:58Z)
• Vision-based control for landing an aerial vehicle on a marine vessel [0.0]
  本研究は,イメージベースビジュアルサーボ制御を用いた移動プラットフォーム上での航空機の着陸問題に対処する。 テクスチャ化された対象平面上の画像特徴を利用して、視覚に基づく制御法則を導出する。 提案法は、目標と移動プラットフォームの間の未知距離を推定することなく収束を保証する。
  論文  参考訳（メタデータ） (2024-04-17T12:53:57Z)
• STDepthFormer: Predicting Spatio-temporal Depth from Video with a Self-supervised Transformer Model [0.0]
  ビデオ入力と空間的時間的注意ネットワークから,映像のフレーム列を同時に予測する自己教師型モデルを提案する。 提案モデルでは,物体形状やテクスチャなどの事前のシーン知識を,単一画像深度推定法に類似した手法で活用する。 マルチオブジェクト検出、セグメンテーション、トラッキングを含む複雑なモデルを必要とするのではなく、暗黙的にシーン内のオブジェクトの動きを予測することができる。
  論文  参考訳（メタデータ） (2023-03-02T12:22:51Z)
• Lateral Ego-Vehicle Control without Supervision using Point Clouds [50.40632021583213]
  既存の視覚に基づく横方向の車両制御に対する教師付きアプローチは、RGB画像を適切な操舵コマンドに直接マッピングすることができる。 本稿では、横方向の車両制御のための、より堅牢でスケーラブルなモデルをトレーニングするためのフレームワークを提案する。 オンライン実験により,本手法の性能は教師付きモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-20T21:57:32Z)
• DetFlowTrack: 3D Multi-object Tracking based on Simultaneous Optimization of Object Detection and Scene Flow Estimation [23.305159598648924]
  オブジェクト検出とシーンフロー推定の同時最適化に基づく3次元MOTフレームワークを提案する。 特に回転を伴う動きの場合のより正確なシーンフローラベルについて,ボックス変換に基づくシーンフローグラウンド真理計算法を提案する。 KITTI MOTデータセットの実験結果は、回転を伴う極運動下での最先端とロバスト性に対して競合する結果を示した。
  論文  参考訳（メタデータ） (2022-03-04T07:06:47Z)
• A Framework for 3D Tracking of Frontal Dynamic Objects in Autonomous Cars [0.0]
  本論文では, YOLOv3 アプローチを OpenCV トラッカーの横に使用し, 画像から特徴を引き出す。 横距離と縦距離を得るため、状態依存リッカティ方程式フィルタと並行して非線形sfmモデルを考える。 SDREフィルタの堅牢な性能を高めるために, スイッチング推定誤差共分散方式のスイッチング方式を提案する。
  論文  参考訳（メタデータ） (2021-03-24T18:21:29Z)
• Consistency Guided Scene Flow Estimation [159.24395181068218]
  CGSFは立体映像からの3次元シーン構造と動きの同時再構成のための自己教師型フレームワークである。 提案モデルでは,課題の画像の相違やシーンフローを確実に予測できることを示す。 最先端技術よりも優れた一般化を実現し、目に見えない領域に迅速かつ堅牢に適応する。
  論文  参考訳（メタデータ） (2020-06-19T17:28:07Z)

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。