Unsupervised UAV 3D Trajectories Estimation with Sparse Point Clouds

要約

コンパクトな UAV システムは、配送と監視を進化させる一方で、そのサイズが小さいため、従来の方法による検出を妨げ、重大なセキュリティ上の課題を引き起こします。
この論文では、時空間シーケンス処理を使用して複数の LiDAR スキャンを融合し、現実世界のシナリオで正確な UAV 追跡を実現する、費用対効果の高い教師なし UAV 検出方法を紹介します。
私たちのアプローチでは、点群を前景と背景に分割し、時空間データを分析し、スコアリング メカニズムを採用して検出精度を高めます。
公開データセットでテストされた当社のソリューションは、CVPR 2024 UG2+ Challenge で 4 位となり、その実用的な有効性を実証しました。
すべての設計、コード、サンプル データを研究コミュニティ github.com/lianghanfang/UnLiDAR-UAV-Est でオープンソース化する予定です。

要約(オリジナル)

Compact UAV systems, while advancing delivery and surveillance, pose significant security challenges due to their small size, which hinders detection by traditional methods. This paper presents a cost-effective, unsupervised UAV detection method using spatial-temporal sequence processing to fuse multiple LiDAR scans for accurate UAV tracking in real-world scenarios. Our approach segments point clouds into foreground and background, analyzes spatial-temporal data, and employs a scoring mechanism to enhance detection accuracy. Tested on a public dataset, our solution placed 4th in the CVPR 2024 UG2+ Challenge, demonstrating its practical effectiveness. We plan to open-source all designs, code, and sample data for the research community github.com/lianghanfang/UnLiDAR-UAV-Est.

arxiv情報

著者 Hanfang Liang,Yizhuo Yang,Jinming Hu,Jianfei Yang,Fen Liu,Shenghai Yuan
発行日 2024-12-18 04:42:07+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.RO パーマリンク