論文の概要: TinyCVIO: A Constellation-Aided Visual-Inertial Odometry System for Nanodrones

• arxiv url: http://arxiv.org/abs/2609.30358v1
• Date: Thu, 24 Sep 2026 17:51:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.076287
• Title: TinyCVIO: A Constellation-Aided Visual-Inertial Odometry System for Nanodrones
• Title（参考訳）: TinyCVIO:ナノドロンのコンステレーション支援型ビジュアル慣性オドメトリーシステム
• Abstract要約: 本稿では,コモディティデュアルコアマイクロコントローラのセンサ,視覚処理,推定を共同設計する視覚慣性オドメトリーシステムTinyCVIOを提案する。 ストリーミング視覚ワークスペースは、ミリスケールカメラからのLED観測を29.2FPSで追跡するが、剛体板計測モデルはLED間の制約を保っている。 完全なシステムはクレイジーフリーで3速で9回の飛行を行い、3.5-3.7cmの絶対軌道誤差と0.50-0.60%の相対軌道誤差を達成した。
• 参考スコア（独自算出の注目度）: 0.4352869108382038
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nanodrones require accurate, real-time state estimation under severe sensing and computational constraints. We present TinyCVIO, a visual-inertial odometry system that co-designs miniature sensing, visual processing, and estimation for a commodity dual-core microcontroller with 520 kB SRAM. Lightweight LED constellations provide known geometry without surveyed positions or yaw angles, assuming placement on a common level plane. A streaming visual frontend tracks LED observations from a millimeter-scale camera at 29.2 FPS, while a rigid-board measurement model retains inter-LED constraints and streaming QR bounds estimation workspace for a fixed filter-state size. Across 19 hand-held hardware-in-the-loop datasets, the rigid-board model reduces mean absolute trajectory error by 27% relative to planar points. The complete system runs onboard a Crazyflie across nine flights at three speeds, achieving 3.5-3.7 cm mean absolute trajectory error and 0.50-0.60% relative pose error over 10 m segments, with mean estimate latency of 15.7-16.3 ms.
• Abstract（参考訳）: ナノドロンは、厳しい検知と計算の制約の下で正確なリアルタイム状態推定を必要とする。 520kBのSRAMを持つコモディティデュアルコアマイクロコントローラにおいて,小型センシング,視覚処理,推定を共同設計する視覚慣性オドメトリーシステムTinyCVIOを提案する。 軽量のLED星座は、共通の平面上の位置を仮定して、測量された位置やヨー角を使わずに既知の幾何学を提供する。 ストリーミングビジュアルフロントエンドは、ミリスケールカメラからのLED観測を29.2FPSで追跡し、一方、剛板計測モデルはLED間の制約を保持し、ストリーミングQRは固定されたフィルタ状態サイズの推定ワークスペースを保持する。 19個のハンドヘルドハードウェア・イン・ザ・ループ・データセットに対して、剛体ボードモデルは平均的な絶対軌道誤差を平面点に対して27%削減する。 完全なシステムはクレイジーフリーで3速で9回の飛行を行い、3.5-3.7cmは絶対軌道誤差、0.50-0.60%は10m区間での相対ポーズ誤差であり、平均推定遅延は15.7-16.3msである。

関連論文リスト

• TIO-Former: Ultra-Lightweight 6-Directional ToF-Inertial Odometry for Nano-UAVs via a Streaming Causal Transformer [19.298838240329292]
  TIO-FORMERは、ナノUAV用のカメラレス光フローナビゲーションフレームワークである。 ナノUAVの光学流と比較して、開ループ位置誤差を54.4%削減する。 資源制約されたマイクロエアリアルロボットに実用的なアンカーを提供する。
  論文  参考訳（メタデータ） (2026-09-15T13:54:06Z)
• A Height-Constrained 2-Point Minimal Solver for Pose Estimation from Active LED Markers with Event Cameras [51.7262911415172]
  本研究では,モーションキャプチャシステムから実世界のデータを集めるイベントベースアクティブマーカーシステムを開発した。 合成データと実データの両方の実験では、最先端のP2Pソルバよりも精度が向上した。
  論文  参考訳（メタデータ） (2026-08-10T12:19:24Z)
• RADAR Perception for Dynamic Obstacle Avoidance onboard small-scale Quadrotor UAVs [5.125365753953585]
  本文は, 高速搭載DOAのための最初の mmWave RADAR を用いた知覚制御システムについて述べる。 我々は,センサ範囲,相対速度,制御遅延に関連する遅延と空間境界を導出し,解析する。 Raspberry Pi 4Bのオンボード実装では、エンド・ツー・エンドのセンサー・トゥ・コマンドのレイテンシが約14ミリ秒でリアルタイムに実現可能であることが示されている。
  論文  参考訳（メタデータ） (2026-08-03T08:04:45Z)
• DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
  DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。 ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。 また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
  論文  参考訳（メタデータ） (2026-07-19T06:54:52Z)
• PA-LVIO: Real-Time LiDAR-Visual-Inertial Odometry and Mapping with Pose-Only Bundle Adjustment [13.45058905888382]
  リアルタイムLiDAR-visual-inertial odometry and mappingはインテリジェント交通システムにおけるナビゲーションおよび計画作業に不可欠である。 本研究では,リアルタイムナビゲーションとマッピングの緊急ニーズを満たすために,ポーズ専用バンドル調整 (PA) LiDAR-visual-inertial odometry (LVIO) を提案する。
  論文  参考訳（メタデータ） (2026-03-17T08:07:52Z)
• 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)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• Accurate Alignment Inspection System for Low-resolution Automotive and Mobility LiDAR [125.41260574344933]
  車両やロボットなどの移動システムにおいて,センサ装着後のLiDARアライメント誤差を正確に推定する検査システムを提案する。 提案手法は, 固定位置における1つのターゲットボードのみを用いて, 水平方向(回転, 傾き, ヨー)とLiDARアタッチメントの水平位置を, 水平方向の精度で推定する。
  論文  参考訳（メタデータ） (2020-08-24T17:47:59Z)

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。