論文の概要: ForVis: An In-Field Dataset and Benchmark for VIO Using Under-Canopy UAV Flights in Forests

• arxiv url: http://arxiv.org/abs/2609.35482v1
• Date: Mon, 28 Sep 2026 15:57:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 05:01:04.581507
• Title: ForVis: An In-Field Dataset and Benchmark for VIO Using Under-Canopy UAV Flights in Forests
• Title（参考訳）: ForVis: 森林におけるアンダーキャノピーUAV飛行を用いたフィールド内データセットとVIOのベンチマーク
• Abstract要約: 森林環境におけるUAV飛行中のVI-SLAMを評価するためのフィールド内データセットとベンチマークであるForVisを提案する。 データセットには、オープンな牧草地、上天王星、下天王星の各環境を横断する12回の飛行が含まれている。 我々は、504回以上の7つのオープンソースのVI-SLAMシステムをベンチマークした。 その結果, センサ選択は, アルゴリズム間の拡散よりも軌道誤差に大きな影響を及ぼすことがわかった。
• 参考スコア（独自算出の注目度）: 3.215075946335753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual-inertial Simultaneous Localization and Mapping (VI-SLAM) for UAVs remains difficult to evaluate in real forest environments, where motion, illumination changes, repetitive vegetation, and vibration can all affect estimation. We present ForVis, an in-field dataset and benchmark for evaluating VI-SLAM during UAV flight in forest environments. The dataset contains twelve flights across open meadow, above-canopy, and under-canopy conditions in each environment. In total, it provides 563.8s of flight over 1096.8m of trajectory, recorded simultaneously with an Intel RealSense D435i and an OAK-D Pro Wide together with inertial and flight-controller data. We benchmark seven open-source VI-SLAM systems over 504 runs. The results show that sensor choice has a larger effect on trajectory error than the spread between algorithms: all seven methods achieve lower median error on the OAK-D Pro than on the D435i. ForVis is intended to support evaluation of speed, accuracy and robustness for VI-SLAM in challenging forest flight.
• Abstract（参考訳）: UAVの視覚-慣性同時局在マッピング(VI-SLAM)は、実際の森林環境において、動き、照明の変化、繰り返し植生、振動が全て推定に影響を与える場合、評価が難しいままである。 森林環境におけるUAV飛行中のVI-SLAMを評価するためのフィールド内データセットとベンチマークであるForVisを提案する。 データセットには、オープンな牧草地、上天王星、下天王星の各環境を横断する12回の飛行が含まれている。 Intel RealSense D435iとOAK-D Pro Wideと同時に記録された1096.8mの軌道上553.8秒の飛行を提供する。 我々は、504回以上の7つのオープンソースのVI-SLAMシステムをベンチマークした。 その結果,センサ選択はアルゴリズム間の拡散よりも軌道誤差に大きく影響し,OAK-D Proの中央値誤差はD435iよりも低いことがわかった。 ForVisは、挑戦的な森林飛行におけるVI-SLAMの速度、精度、堅牢性の評価を支援することを目的としている。

関連論文リスト

• Robust Visual SLAM for UAV Navigation in GPS-Denied and Degraded Environments: A Multi-Paradigm Evaluation and Deployment Study [3.40000540644179]
  本稿では,5つのV-SLAMシステムの系統的比較評価を行う。 4つの公開ベンチマークからキュレートされたシーケンスで実験を行う。 Mast3R は最小劣化 ATE (0.027 m)、DUSt3R は最高追跡成功 (96.5%) を達成する
  論文  参考訳（メタデータ） (2026-05-05T12:16:25Z)
• PanoAir: A Panoramic Visual-Inertial SLAM with Cross-Time Real-World UAV Dataset [3.1200868230538803]
  既存のVisual-Inertial SLAM法は視野が限られたセンサーに依存している。 全方位FoVを利用するパノラマVI-SLAMフレームワークを提案する。 本手法は既存の手法に比べて精度,堅牢性,一貫性に優れる。
  論文  参考訳（メタデータ） (2026-04-01T13:05:19Z)
• Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
  本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。 我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
  論文  参考訳（メタデータ） (2026-03-23T16:17:39Z)
• UAV-MM3D: A Large-Scale Synthetic Benchmark for 3D Perception of Unmanned Aerial Vehicles with Multi-Modal Data [47.317955428393134]
  UAV-MM3Dは,低高度UAV知覚と動作理解のための多モード合成データセットである。 様々なシーン(都市部、郊外部、森林部、沿岸部)と気象条件にまたがる400Kの同期フレームで構成されている。 各フレームは2D/3Dバウンディングボックス、6-DoFのポーズ、インスタンスレベルのアノテーションを提供し、3D検出、ポーズ推定、ターゲット追跡、短期軌道予測などのUAVに関連するコアタスクを可能にする。
  論文  参考訳（メタデータ） (2025-11-27T12:30:28Z)
• AeroLite-MDNet: Lightweight Multi-task Deviation Detection Network for UAV Landing [9.858832286469765]
  本稿では,AeroLite-MDNetと呼ばれる新しい視覚モデルを用いたUAV着陸の偏差警報システムを提案する。 AWD(Average Warning Delay)と呼ばれる新しい評価指標を導入し,着陸偏差に対するシステムの感度を定量化する。 実験の結果, 偏差検出精度98.6%で0.7秒のAWDを実現した。
  論文  参考訳（メタデータ） (2025-06-25T13:48:30Z)
• 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)
• Estimating optical vegetation indices and biophysical variables for temperate forests with Sentinel-1 SAR data using machine learning techniques: A case study for Czechia [32.19783248549554]
  森林生態系をモニタリングするための現在の光学的植生指標(VIs)は,様々な用途でよく確立され,広く利用されている。 対照的に、合成開口レーダ(SAR)のデータは、雲や昼夜の画像取得による信号の侵入により、完全な時系列(TS)を備えた洞察に富んだ、体系的な森林モニタリングを提供することができる。 本研究では、SARデータを用いて、機械学習(ML)による森林の光VIs推定の代替として光学衛星データの限界に対処することを目的とする。 一般に、SARベースのVIを高精度に推定し、年間240回測定し、空間分解能を20mまで向上することができる。
  論文  参考訳（メタデータ） (2023-11-13T18:23:46Z)
• A Multi-UAV System for Exploration and Target Finding in Cluttered and GPS-Denied Environments [68.31522961125589]
  複雑なGPSを用いた複雑な環境において,UAVのチームが協調して目標を探索し,発見するための枠組みを提案する。 UAVのチームは自律的にナビゲートし、探索し、検出し、既知の地図で散らばった環境でターゲットを見つける。 その結果, 提案方式は, 時間的コスト, 調査対象地域の割合, 捜索・救助ミッションの成功率などの面で改善されていることがわかった。
  論文  参考訳（メタデータ） (2021-07-19T12:54:04Z)

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。