Interchangeable Visual Inertial LiDAR Odometry and Mapping Payload Unit for Aerial Vehicles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents an aeronautical-grade payload unit designed for real-time execution of visual-inertial-LiDAR odometry and mapping (VILOAM) algorithms. The payload offers platform interchangeability between full-scale aircraft (e.g., Bell 412 helicopter), small-scale drones (e.g., DJI M600), and ground platforms. The use of small-scale drones renders a convenient option for the research and development of VILOAM algorithms due to the reduced resource demand and simplified pilot training, while full-scale aircraft experiments provide important operationally relevant datasets to test navigation algorithm performance for field deployment. The payload unit consists of two monocular cameras, an inertial measurement unit (IMU), a light detection and ranging (LiDAR) sensor, and a real-time kinematic (RTK) enabled global navigation satellite system (GNSS) receiver. A portable GPU interfaces with these sensors to capture hardware time-synchronized sensing data and perform real-time VILOAM, including support for AI modules for obstacle detection, emergency landing zone detection that typically occurs in field robotic applications such as last-mile goods delivery, surveillance and search and rescue flights. Field validation results for the payload unit are provided by running the developed VILOAM algorithm, as well as state-of-the-art VILOAM algorithms, and evaluating their performance in real-time localization and mapping on both platforms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle