Concetti Chiave
Ein datengesteuerter Ansatz zur dynamischen Verfolgung von Objekten außerhalb der Sichtlinie unter Verwendung einer standardmäßigen RGB-Kamera auf einem mobilen Roboter.
Sintesi
Die Studie befasst sich mit der Entwicklung eines neuartigen datengesteuerten Ansatzes zur dynamischen Verfolgung von Objekten außerhalb der Sichtlinie (NLOS) unter Verwendung einer standardmäßigen RGB-Kamera auf einem mobilen Roboter. Der vorgeschlagene Ansatz, PathFinder genannt, verwendet eine Aufmerksamkeits-basierte neuronale Netzwerkarchitektur, um die 2D-Trajektorie einer verborgenen Person in einer Manhattan-Umgebung genau zu schätzen.
Der Ansatz umfasst mehrere Schlüsselkomponenten:
Eine Ebenenextraktions-Pipeline, die Bilder einer sich bewegenden Kamera analysiert, um Ebenen zu identifizieren, die maximale NLOS-Informationen enthalten.
Ein Transformer-basiertes NLOS-Patch-Netzwerk, das mehrere Ebenen gleichzeitig verarbeitet, um die Position und Geschwindigkeit des verborgenen Objekts zu schätzen.
Eine Optimierungsphase, die die Schätzungen aus mehreren Ebenen kombiniert, um die endgültige Trajektorie des Objekts zu berechnen.
Das Netzwerk wurde sowohl mit synthetischen als auch mit realen Daten trainiert und erreichte auf realen Daten eine durchschnittliche Positionsgenauigkeit von 15,94 mm, was eine deutliche Verbesserung gegenüber bestehenden passiven NLOS-Methoden darstellt. Die Methode zeigt ihre Leistungsfähigkeit bei dynamischen Kamerabewegungen und ist in der Lage, mit verschiedenen Kamerasensoren umzugehen.
Statistiche
Die Trajektorie des NLOS-Objekts hatte eine durchschnittliche Positionsgenauigkeit von 15,94 mm und eine durchschnittliche Geschwindigkeitsgenauigkeit von 1,38 mm/s.
Citazioni
"Ein datengesteuerter Ansatz zur dynamischen Verfolgung von Objekten außerhalb der Sichtlinie unter Verwendung einer standardmäßigen RGB-Kamera auf einem mobilen Roboter."
"Die Methode zeigt ihre Leistungsfähigkeit bei dynamischen Kamerabewegungen und ist in der Lage, mit verschiedenen Kamerasensoren umzugehen."