論文の概要: A Heterogeneous UAV UGV Methodology for Aerial Tracking of Mini Autonomous Cars

• arxiv url: http://arxiv.org/abs/2610.23878v1
• Date: Mon, 21 Sep 2026 18:20:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 23:04:20.78242
• Title: A Heterogeneous UAV UGV Methodology for Aerial Tracking of Mini Autonomous Cars
• Title（参考訳）: 小型自律走行車の空気追尾のための不均一UAVUGV法
• Abstract要約: 本稿では,小型無人地上車両の空中追跡のための不均一なUAV-UGV手法を提案する。 トレーニングフリーなカラーマーカーベースライン,YOLOベースのビジュアルベースライン,UAV--UGV融合方式の3つのアプローチが評価されている。 600回以上のシミュレーションの結果,提案手法は全シナリオにわたってほぼ連続的なトラックカバレッジを実現することが示された。
• 参考スコア（独自算出の注目度）: 0.10118253437732931
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aerial tracking of autonomous ground vehicles can provide useful situational awareness in environments where fixed external perception infrastructure is unavailable. However, visual-only tracking from an unmanned aerial vehicle (UAV) is limited by camera field of view, viewpoint changes, occlusions, and temporary loss of target visibility. This paper presents a heterogeneous UAV--UGV methodology for aerial tracking of small-scale autonomous ground vehicles in simulation. The system is implemented in ROS~2 and Gazebo Sim using a Tello-like UAV equipped with a front-facing RGB camera and multiple LIMO-like unmanned ground vehicles (UGVs). Three approaches are evaluated: a training-free color-marker baseline, a YOLO-based visual baseline, and a proposed UAV--UGV fusion method. The proposed method uses the same visual detector as the YOLO baseline, but combines visual detections with UGV state information to maintain the target estimate during visual gaps. The methods are evaluated across four scenarios: single-car tracking, crossing trajectories, occlusion, and UAV-assisted awareness. Results over 600 simulation runs show that the proposed fusion method achieves nearly continuous track coverage across all scenarios while reducing localization error relative to the YOLO baseline. Compared with the visual-only YOLO approach, the fusion method reduces RMSE by 37.3\%, 64.2\%, 62.6\%, and 61.8\% in the four evaluated scenarios, respectively. The method also enables conflict-awareness lead times of 10.20~s in the crossing scenario and 9.07~s in the UAV-assisted awareness scenario. These results indicate that heterogeneous UAV--UGV fusion can improve aerial tracking continuity and robustness when visual observations are intermittent.
• Abstract（参考訳）: 地上車両の航空追跡は、固定された外部認識インフラが利用できない環境において有用な状況認識を提供することができる。 しかし、無人航空機(UAV)からの視界のみの追跡は、カメラの視野、視点の変化、閉塞、目標視界の一時的な喪失によって制限される。 本稿では,小型無人地上車両の空中追跡のための不均一なUAV-UGV手法を提案する。 システムはROS~2とガゼボ・シムで実装されており、前面のRGBカメラと複数のLIMOのような無人地上車両(UGV)を装備したテロのようなUAVを使用している。 トレーニングフリーなカラーマーカーベースライン,YOLOベースのビジュアルベースライン,UAV--UGV融合方式の3つのアプローチが評価されている。 提案手法は、YOLOベースラインと同じ視覚検出器を用いているが、視覚検出とUGV状態情報を組み合わせて、視覚ギャップにおける目標推定値を維持する。 これらの手法は、単車追跡、横断軌道、閉塞、UAV支援の4つのシナリオで評価される。 600回以上のシミュレーションの結果, 提案手法は全シナリオにわたってほぼ連続的なトラックカバレッジを実現し, YOLOベースラインに対するローカライゼーション誤差を低減した。 視覚のみのYOLO法と比較して、融合法はRMSEを37.3\%、64.2\%、62.6\%、および61.8\%の4つの評価シナリオで減少させる。 この方法はまた、交差シナリオでは10.20~秒、UAV支援の認識シナリオでは9.07〜秒の競合認識リードタイムを可能にする。 これらの結果から,不均一なUAV-UGV融合は,視覚観察が間欠的である場合の空中追跡継続性とロバスト性を向上させることが示唆された。

関連論文リスト

• A Digital Twin Framework for Traffic-Aware UAV Pavement Monitoring without Lane Closure [0.0]
  本稿では、車線閉鎖のない交通対応UAV舗装監視のためのUnityベースのデジタルツインフレームワークを提案する。 提案した環境は、手続き的に生成された道路欠陥、動的車両と歩行者、無人UAVナビゲーション、組込み道路損傷認識パイプラインを統合している。 デジタル双生児は、ホバー・アンド・リチェック、マイクロ・リポジション、スキップ・アンド・リバイジットという、閉鎖された道路セグメントの3つの回復戦略を評価するために使用された。
  論文  参考訳（メタデータ） (2026-06-17T20:30:52Z)
• Mobile Traffic Camera Calibration from Road Geometry for UAV-Based Traffic Surveillance [0.1019561860229868]
  視線画像座標で車両の動きが観察されるため、交通分析にUAVビデオを使用するのは困難である。 本稿では,単眼のUAVトラヒック映像を局所的な視線表示に変換するための軽量パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-05-12T10:14:43Z)
• Instance-level Visual Active Tracking with Occlusion-Aware Planning [61.982298426203165]
  Visual Active Tracking (VAT)は、カメラを3D空間でターゲットに追従することを目的としている。 VATは、視覚的に類似したイントラクタからの混乱と、閉塞下での深刻な障害という、現実世界のデプロイメントにおいて2つの重要なボトルネックに直面している。 3つの相補的なモジュールを持つ統一パイプラインであるOA-VATを提案する。
  論文  参考訳（メタデータ） (2026-04-23T09:11:50Z)
• The Swarm Intelligence Freeway-Urban Trajectories (SWIFTraj) Dataset - Part II: A Graph-Based Approach for Trajectory Connection [19.272192892376328]
  本稿では,UAVスワムによって捕捉された車両軌跡を連結するグラフに基づく新しい手法を提案する。 フレキシブルなUAVレイアウトを表すために、非指向グラフを構築し、最適な時間オフセットを推定する自動時間アライメント法を開発した。 実世界の実験の結果、時間アライメント誤差は3フレーム以内であり、約0.1秒であることがわかった。
  論文  参考訳（メタデータ） (2026-02-25T14:35:24Z)
• 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)
• Visual Heading Prediction for Autonomous Aerial Vehicles [0.9083675407657857]
  本稿では,リアルタイムUAV-UGV統合のためのビジョンベース,データ駆動型フレームワークを提案する。 YOLOv5モデルを使用してUGVを検出し、バウンディングボックスの特徴を抽出し、軽量な人工知能ニューラルネットワーク(ANN)によってUAVの要求方向角を推定する。 訓練されたANNは平均絶対誤差0.1506、根平均二乗誤差0.1957を達成し、正確な方向角予測を行う。
  論文  参考訳（メタデータ） (2025-12-10T18:27:37Z)
• How Far are Modern Trackers from UAV-Anti-UAV? A Million-Scale Benchmark and New Baseline [74.4054700050366]
  無人航空機(UAV)は広範囲のアプリケーションを提供するが、安全性とプライバシー侵害のリスクも大きい。 現在の反UAV研究は、主に固定地上カメラで撮影したRGB、赤外線(IR)、またはRGB-IRビデオに焦点を当てている。 本稿では,UAV-Anti-UAVと呼ばれるマルチモーダル視覚追跡タスクを提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:19:54Z)
• 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)
• Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments [20.69412701553767]
  無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。 このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を確実にする。 本稿では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
  論文  参考訳（メタデータ） (2022-01-23T07:18:55Z)
• 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。