2016P01 / cinematography
Niels Joubert, Jane L. E, Dan B Goldman, Floraine Berthouzoz, Mike Roberts, James A. Landay, Pat Hanrahan
Calcula tomas canónicas de dos personas y transiciones entre ellas respetando las restricciones de distancia y del vehículo. Rastreadores GPS RTK e IMU localizan a ambos actores y al dron con cámara.
Lee hallazgos, aplicaciones y límites
MÉTODO
Construye tomas canónicas a partir de la geometría de dos sujetos y optimiza transiciones con restricciones entre trayectorias.
EVALUACIÓN
Evalúa trayectorias filmadas en exteriores con rastreadores de posición y orientación llevados por los sujetos.
HALLAZGO
Promediar dos trayectorias de cámara puede violar la separación; la mezcla con restricciones lo resuelve.
CONEXIÓN PRÁCTICA
Use la colocación en el espacio de pantalla para planificar tomas de diálogo o ceremoniales antes de elegir las posiciones de vuelo.
LIMITACIÓN
Considera principalmente uno o dos sujetos relativamente estáticos. No es una solución de autonomía urbana sin marcadores.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · 1 Introduction · 7 Transitioning Between Shots · 8 Tracking and Control Platform · 9 Results · 11 Conclusion
DOI: 10.48550/arxiv.1610.01691
Citas en OpenAlex de este registro: 65 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 65 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2018P02 / cinematography
Quentin Galvane, Christophe Lino, Marc Christie, Julien Fleureau, Fabien Servant, François-Louis Tariolle, Philippe Guillotel
Presenta Drone Toric Space, una representación de cámara que conecta la composición con las restricciones físicas del dron, junto con herramientas interactivas de trayectoria y puntos de vista coordinados de varios drones.
Lee hallazgos, aplicaciones y límites
MÉTODO
Drone Toric Space codifica las restricciones de encuadre y del vehículo para la manipulación en pantalla y las trayectorias dibujadas.
EVALUACIÓN
Doce novatos comparan controles manuales, de encuadre y de boceto; los experimentos físicos usan Vicon y mapas de obstáculos preparados.
HALLAZGO
La composición, la separación y los límites de actuación de la cámara pueden representarse en un único marco de planificación.
CONEXIÓN PRÁCTICA
Base útil para interfaces que especifican el tamaño del sujeto y el punto de vista antes que las coordenadas del mundo.
LIMITACIÓN
El hardware experimental limitó la inclinación y la estabilización de la cámara; no se estableció la operación arbitraria en exteriores.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · 4 Drone Toric Space · 8 Results · 8.5 Limitations · 9 Conclusion · 8.1 User evaluation
DOI: 10.1145/3181975
Citas en OpenAlex de este registro: 64 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 64 ↗ · Crossref / separate-database: 60 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2016P03 / cinematography
Quentin Galvane, Julien Fleureau, François-Louis Tariolle, Philippe Guillotel
Traduce descripciones de toma de alto nivel en configuraciones de cámara y trayectorias de dron, adaptando técnicas de cinematografía virtual al control físico de UAV.
Lee hallazgos, aplicaciones y límites
MÉTODO
Traduce descripciones de toma en puntos de vista y trayectorias antes de pasarlas al control de vuelo.
EVALUACIÓN
La evaluación física usa una instalación de captura de movimiento en interior en lugar de exploración autónoma de exteriores desconocidos.
HALLAZGO
Las representaciones esféricas y tóricas convierten instrucciones de encuadre en puntos de vista candidatos.
CONEXIÓN PRÁCTICA
Úselo para estructurar briefings de toma por encuadre, sujeto y posición en pantalla.
LIMITACIÓN
El artículo carece explícitamente de evitación eficiente de obstáculos; las aeronaves grandes sin protección requieren más trabajo.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · 4 Autonomous path planning · 7 Experimental Results · 8 Limitations and Future work · 9 Conclusions
DOI: 10.2312/wiced.20161097
Citas en OpenAlex de este registro: 29 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 29 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2016P04 / cinematography
Julien Fleureau, Quentin Galvane, François-Louis Tariolle, Philippe Guillotel
Propone una arquitectura de control genérica para ala rotatoria que conecta la planificación de trayectorias cinematográficas con las API de UAV de alto nivel mediante modelos dinámicos acoplados y control realimentado.
Lee hallazgos, aplicaciones y límites
MÉTODO
Una arquitectura genérica asigna órdenes de pose cinematográfica a un modelo de vehículo y control realimentado.
EVALUACIÓN
Las demostraciones de filmación con un solo AR.Drone ilustran la arquitectura; no validan la coordinación de varios drones.
HALLAZGO
La contribución arquitectónica es separar la especificación de la toma del control de bajo nivel del vehículo.
CONEXIÓN PRÁCTICA
Separe las intenciones de cámara comunes de los adaptadores específicos de plataforma en software multiproveedor.
LIMITACIÓN
Los experimentos fueron principalmente con un solo dron y estuvieron limitados por la cámara y el hardware de vuelo del AR.Drone.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · 4 Drone and Cinematography · 6 Limitation and Future Work · 7 Conclusion
DOI: 10.1145/2935620.2935622
Citas en OpenAlex de este registro: 34 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 34 ↗ · Crossref / separate-database: 27 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2020P05 / cinematography
Rogerio Bonatti, Yanfu Zhang, Sanjiban Choudhury, Wenshan Wang, Sebastian Scherer
Equilibra suavidad, oclusión, distancia a obstáculos y objetivos artísticos de la toma mediante optimización de trayectorias en tiempo real con predicciones ruidosas del actor.
Lee hallazgos, aplicaciones y límites
MÉTODO
Un optimizador por gradiente de horizonte largo combina costes de suavidad, obstáculos, oclusión y toma deseada.
EVALUACIÓN
Simulación y filmación en exteriores evalúan trayectorias bajo supuestos de mapa previo y GPS del actor.
HALLAZGO
Los costes explícitos de oclusión mejoran la visibilidad, aunque a veces aumentan la desviación respecto a la toma preferida.
CONEXIÓN PRÁCTICA
Durante el seguimiento en bosque, compruebe la línea de visión de la cámara al sujeto además del corredor de vuelo.
LIMITACIÓN
Esta versión depende del GPS del actor y de un mapeo previo; la localización visual y el mapeo en línea quedaban como trabajo futuro.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Motion planning formulation · 5 Experiments · 6 Conclusion and discussion
DOI: 10.1007/978-3-030-33950-0_11
Citas en OpenAlex de este registro: 65 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 65 ↗ · Crossref / separate-database: 33 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2019P06 / cinematography
Rogerio Bonatti, Cherie Ho, Wenshan Wang, Sanjiban Choudhury, Sebastian Scherer
Integra localización visual del actor, mapeo incremental de distancias con LiDAR y planificación de movimiento de cámara en tiempo real para filmar objetivos en movimiento en entornos antes desconocidos.
Lee hallazgos, aplicaciones y límites
MÉTODO
Combina estimación visual de posición y rumbo, mapeo LiDAR y planificación de trayectorias a bordo.
EVALUACIÓN
Pruebas con DJI M210 y Jetson TX2 filman personas y bicicletas y comparan estimación ruidosa y mapeo parcial.
HALLAZGO
La estimación del rumbo del actor contribuye a la selección del punto de vista, más allá de conocer solo la posición.
CONEXIÓN PRÁCTICA
Evalúe por separado el seguimiento, el manejo de oclusiones, el mapeo y la replanificación al comparar sistemas de seguimiento.
LIMITACIÓN
Asume un entorno principalmente estático; los cambios bruscos del objetivo y los fallos de seguimiento pueden perder al sujeto.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · II Problem Formulation · System architecture · V Evaluation · VI Conclusion · V-A Experimental setup · V-B Field test results · Concluding limitations on static environments and reacquisition
DOI: 10.1109/iros40897.2019.8968163
Citas en OpenAlex de este registro: 92 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 92 ↗ · Crossref / separate-database: 76 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2020P07 / cinematography
Rogerio Bonatti, Wenshan Wang, Cherie Ho, Aayush Ahuja, Mirko Gschwindt, Efe Camci, Erdal Kayacan, Sanjiban Choudhury, Sebastian Scherer
Combina estimación del actor, mapeo incremental de distancias, optimización de trayectorias y selección aprendida de puntos de vista artísticos en un sistema integrado de filmación en exteriores.
Lee hallazgos, aplicaciones y límites
MÉTODO
Separa la planificación de movimiento en coordenadas del mundo del control del gimbal por realimentación de imagen, con selección aprendida de tomas.
EVALUACIÓN
Las evaluaciones del sistema y los módulos en exteriores documentan errores de estimación en cascada y una transferencia imperfecta desde la simulación.
HALLAZGO
Las lecciones aprendidas subrayan los errores en cascada y la separación entre el control de cámara basado en imagen y la planificación en el espacio del mundo.
CONEXIÓN PRÁCTICA
Use el desglose del sistema para diagnosticar interacciones entre errores de seguimiento, localización y metraje brusco.
LIMITACIÓN
Las extensiones a varios drones y varios actores y los modelos más ricos de razonamiento artístico siguen abiertos.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · 6 Mapping · 7 Motion Planning · 9 Experiments · 10.1 Lessons Learned · 11 Conclusion · 10.1 Lessons Learned: cascading error, height drift and simulation transfer
DOI: 10.1002/rob.21931
Citas en OpenAlex de este registro: 91 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 91 ↗ · Crossref / separate-database: 92 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2019P08 / cinematography
Mirko Gschwindt, Efe Camci, Rogerio Bonatti, Wenshan Wang, Erdal Kayacan, Sebastian Scherer
Usa aprendizaje por refuerzo profundo para seleccionar puntos de vista de filmación, comparando recompensas diseñadas a mano y derivadas de humanos antes de probar la transferencia de la simulación a un dron real.
Lee hallazgos, aplicaciones y límites
MÉTODO
Una DQN elige izquierda/derecha/frente/atrás cada seis segundos a partir de un mapa de alturas, la toma actual y el número de repeticiones.
EVALUACIÓN
Diez participantes clasifican clips de cinco escenas no vistas; el estudio no evalúa la dirección de una película completa.
HALLAZGO
Las preferencias humanas pueden informar las políticas de punto de vista; perder al actor sigue siendo muy indeseable.
CONEXIÓN PRÁCTICA
Separe las puntuaciones de preferencia de los criterios de visibilidad y seguridad al diseñar recomendaciones de toma.
LIMITACIÓN
La política elige entre modos de toma; no modela la dirección cinematográfica completa, la narrativa ni la edición.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Learning framework · User study · VII Conclusion · III-B State/action/reward formulation · V-C User study results · VI Discussion
DOI: 10.1109/iros40897.2019.8967592
Citas en OpenAlex de este registro: 58 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 58 ↗ · Crossref / separate-database: 52 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2020P09 / cinematography
Luis-Evaristo Caraballo, Ángel Montes-Romero, José-Miguel Díaz-Báñez, Jesús Capitán, Arturo Torres-González, Aníbal Ollero
Asigna tareas de filmación entre UAV para maximizar la cobertura grabada teniendo en cuenta la capacidad de la batería y el regreso a la base.
Lee hallazgos, aplicaciones y límites
MÉTODO
Optimiza la duración de la filmación en un grafo discreto, asignando secuencialmente soluciones de un solo vehículo a un equipo.
EVALUACIÓN
Simulaciones aleatorizadas y demostraciones de filmación con dos y tres UAV evalúan la programación, incluida la sustitución de baterías.
HALLAZGO
Una solución basada en grafos para un solo UAV se extiende de forma voraz a equipos pequeños.
CONEXIÓN PRÁCTICA
Combine la lista de tomas con los horarios de desplazamiento, recarga y cambio de vehículo para la cobertura de eventos.
LIMITACIÓN
La solución voraz para varios UAV no es globalmente óptima y simplifica el consumo de energía.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Problem formulation · IV Greedy strategy · Field experiments · VII Conclusions
DOI: 10.1109/iros45743.2020.9341622
Citas en OpenAlex de este registro: 16 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 16 ↗ · Crossref / separate-database: 11 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2024P10 / cinematography
Pablo Pueyo, Juan Dendarieta, Eduardo Montijano, Ana C. Murillo, Mac Schwager
Extiende el control autónomo de cámara al enfoque, la apertura y la distancia focal además de la pose de la cámara, usando percepción y control predictivo no lineal.
Lee hallazgos, aplicaciones y límites
MÉTODO
El MPC no lineal regula conjuntamente encuadre, distancia y profundidad de campo mediante los ajustes del vehículo y del objetivo.
EVALUACIÓN
El experimento de vuelo E6 filma una silla sin control de orientación ni apertura; E7 mide el cómputo en Jetson con datos grabados.
HALLAZGO
El control conjunto intrínseco y extrínseco permite efectos más allá de la planificación de posición y orientación.
CONEXIÓN PRÁCTICA
Distinga los cambios de escala de imagen de los cambios de perspectiva al planificar movimientos de cámara.
LIMITACIÓN
La prueba de vuelo real no controló la orientación ni la apertura de la cámara; no debe asumirse capacidad de hardware para todas las variables.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · V Control Module · VIII Experiments · VIII-B Real Experiments · IX Future work and limitations · X Conclusions · VIII-B3 Experiment 6: real flight constraints · VIII-B4 Experiment 7: recorded-data compute test
DOI: 10.1109/tro.2024.3353550
Citas en OpenAlex de este registro: 17 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 17 ↗ · Crossref / separate-database: 19 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2023P11 / cinematography
Pablo Pueyo, Eduardo Montijano, Ana C. Murillo, Mac Schwager
Extrae características de composición y enfoque del sujeto de un vídeo de referencia y las convierte en instrucciones CineMPC para una escena nueva.
Lee hallazgos, aplicaciones y límites
MÉTODO
Extrae características de pose, segmentación y enfoque, las suaviza por optimización y luego emite instrucciones CineMPC.
EVALUACIÓN
Usa dos secuencias fuente, una película y una sintética, y tres entornos virtuales objetivo.
HALLAZGO
El estilo se representa mediante características transferibles de encuadre y profundidad de campo.
CONEXIÓN PRÁCTICA
Anote la colocación del sujeto y los cambios de enfoque junto al movimiento de cámara en el análisis de referencias.
LIMITACIÓN
Se analizaron vídeos fuente reales, pero la filmación objetivo se evaluó en simulación; los experimentos reales con robots móviles quedaban como trabajo futuro.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Feature extraction and optimization · VI Experiments · VII Conclusions · VI-A Source sequences and target environments · VI-B Implementation details
DOI: 10.1109/iros55552.2023.10342280
Citas en OpenAlex de este registro: 3 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 3 ↗ · Crossref / separate-database: 3 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2019P12 / cinematography
Chong Huang, Yuanjie Dang, Peng Chen, Xin Yang, Kwang-Ting (Tim) Cheng
Aprende características de estilo e imitación de acciones para que una sola demostración guíe la filmación sin entrenar un modelo aparte para cada estilo demostrado.
Lee hallazgos, aplicaciones y límites
MÉTODO
Transfiere una demostración usando representaciones preentrenadas con estilos de filmación básicos.
EVALUACIÓN
Divide 146 vídeos en 97 de entrenamiento y 49 de prueba; evalúa el error de movimiento, la clasificación, las valoraciones de diez personas y ejemplos con dron.
HALLAZGO
La transferencia con un solo ejemplo sigue dependiendo de un modelo entrenado con estilos de filmación básicos.
CONEXIÓN PRÁCTICA
Evalúe la transferencia a nuevos sujetos por separado de la transferencia a nuevos estilos de cámara.
LIMITACIÓN
El estudio se centra en una sola persona y filtra de sus datos la iluminación difícil, los sujetos diminutos y las oclusiones prolongadas.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · 3 One-Shot Imitation Filming · 5.1 Dataset · 5 Experiments · 6 Conclusions · 5.2 Experimental Setup and evaluation metrics
DOI: 10.48550/arxiv.1912.10609
Citas en OpenAlex de este registro: 4 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 4 ↗ · OpenAlex / related-version-or-duplicate-not-added: 11 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2019P13 / cinematography
Chong Huang, Chuan-En Lin, Zhenyu Yang, Yan Kong, Peng Chen, Xin Yang, Kwang-Ting Cheng
Usa esqueletos del sujeto, apariencia de la escena y movimiento de cámara por flujo óptico en un modelo secuencial entrenado con clips de vídeo profesionales de movimiento humano.
Lee hallazgos, aplicaciones y límites
MÉTODO
Introduce señales de esqueleto, fondo y flujo óptico en un modelo secuencia a secuencia para predecir el movimiento de cámara.
EVALUACIÓN
Informa de evaluaciones con datos en seis estilos de filmación y demostraciones de filmación con DJI Matrice 100.
HALLAZGO
El contexto temporal y el movimiento previo de la cámara importan más allá de un único fotograma atractivo.
CONEXIÓN PRÁCTICA
Revise la composición de apertura, intermedia y de cierre junto con los cambios de velocidad.
LIMITACIÓN
La evaluación usa seis estilos agrupados y una plataforma propia, no todos los géneros ni entornos.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Method and features · 4 Experiments · 4.3 Drone Cinematography System · 5 Conclusions
DOI: 10.1109/cvpr.2019.00437
Citas en OpenAlex de este registro: 35 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 35 ↗ · Crossref / separate-database: 31 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2020P14 / cinematography
Amirsaman Ashtari, Stefan Stevšić, Tobias Nägeli, Jean-Charles Bazin, Otmar Hilliges
Modela el movimiento de un operador de cámara que camina y de su rig para que un dron reproduzca tomas subjetivas en primera persona y transiciones hacia un movimiento suave.
Lee hallazgos, aplicaciones y límites
MÉTODO
Modela el movimiento del operador que camina y del rig de cámara, y luego lo convierte en movimiento de cámara aérea factible.
EVALUACIÓN
Combina filmación real, comparación con datos de captura de movimiento al caminar y un estudio perceptivo en línea con 106 encuestados.
HALLAZGO
La vibración intencionada de la cámara puede optimizarse dentro de la dinámica de la aeronave en lugar de eliminarse indiscriminadamente.
CONEXIÓN PRÁCTICA
Elija un carácter de movimiento deliberado según la escena en lugar de maximizar la estabilización en todas partes.
LIMITACIÓN
Los límites de actuación y del SDK impiden imitar exactamente todos los movimientos humanos.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Motion model · Evaluation · 10 Limitations and Future Work · Conclusion · Perceptual user study · 9 Evaluation of our walking camera model
DOI: 10.1145/3378673
Citas en OpenAlex de este registro: 25 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 25 ↗ · Crossref / separate-database: 25 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2017P15 / cinematography
Tobias Nägeli, Lukas Meier, Alexander Domahidi, Javier Alonso-Mora, Otmar Hilliges
Usa raíles virtuales y objetivos de encuadre en una optimización de horizonte deslizante para planificar conjuntamente el movimiento y el control de uno o varios drones de filmación.
Lee hallazgos, aplicaciones y límites
MÉTODO
El control de horizonte deslizante combina raíles virtuales, encuadre y coordinación secuencial de visibilidad y colisiones entre varios drones.
EVALUACIÓN
Las pruebas en interior usan Vicon y Bebop2; la evaluación incluye el escalado del cómputo y comentarios preliminares de un operador de cámara.
HALLAZGO
La realimentación y las restricciones dinámicas se incorporan directamente a la planificación, no solo al seguimiento de trayectorias.
CONEXIÓN PRÁCTICA
Describa los storyboards con intenciones y tolerancias relativas al sujeto, no solo con puntos de ruta fijos.
LIMITACIÓN
La factibilidad depende del modelo y del horizonte; el control del enfoque óptico y de la profundidad de campo eran extensiones futuras.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · 3 Planning formulation · 4 Multi-Drone Flight · 5 Evaluation · 6 Conclusions · 5.1 Implementation Details · 5.2 Quantitative and qualitative experiments · 5.3 Preliminary expert feedback
DOI: 10.1145/3072959.3073712
Citas en OpenAlex de este registro: 168 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 168 ↗ · Crossref / separate-database: 149 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2019P16 / survey
Ioannis Mademlis, Nikos Nikolaidis, Anastasios Tefas, Ioannis Pitas, Tilman Wagner, Alberto Messina
Revisa la cinematografía aérea autónoma y formaliza el encuadre, el movimiento de un UAV y el movimiento de varios UAV en una taxonomía de tomas vinculada a requisitos técnicos.
Lee hallazgos, aplicaciones y límites
MÉTODO
Organiza movimientos de cámara elementales y combinados junto con las restricciones de la aeronave y la compensación óptica.
EVALUACIÓN
Un tutorial que categoriza 26 tipos de movimiento de cámara, no un banco de pruebas de hardware que valide todos los tipos.
HALLAZGO
Los tipos de toma difieren en demanda energética y complejidad de autonomía, no solo en apariencia visual.
CONEXIÓN PRÁCTICA
Organice una biblioteca de tomas con dimensiones separadas de encuadre, movimiento de la aeronave y movimiento de la cámara.
LIMITACIÓN
Una taxonomía y un tutorial no son prueba de que todos los tipos de toma puedan automatizarse con seguridad en cualquier hardware.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Taxonomy of camera motion types · Focal-length and multi-drone compensation · Discussion
DOI: 10.1145/3347713
Citas en OpenAlex de este registro: 49 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 49 ↗ · Crossref / separate-database: 44 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2011P17 / motion
Daniel Mellinger, Vijay Kumar
Usa planitud diferencial y optimización polinómica para generar trayectorias suaves a través de fotogramas clave de posición y guiñada y corredores seguros prescritos.
Lee hallazgos, aplicaciones y límites
MÉTODO
Usa planitud diferencial y trayectorias polinómicas que minimizan el snap, la cuarta derivada temporal de la posición.
EVALUACIÓN
Los experimentos con Hummingbird y Vicon incluyen la intercepción de aros y pasos restringidos bajo captura de movimiento externa.
HALLAZGO
Las derivadas superiores suaves conectan los puntos de ruta geométricos con un movimiento dinámicamente seguible.
CONEXIÓN PRÁCTICA
Base para entender el despegue suave, las aceleraciones progresivas y las transiciones en los giros.
LIMITACIÓN
Los experimentos usan captura de movimiento en interior; la percepción de obstáculos y la composición cinematográfica son problemas aparte.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · II Model · V Trajectory Generation · VI Experiments · VI-A Spatially Scaled Trajectories
DOI: 10.1109/icra.2011.5980409
Citas en OpenAlex de este registro: 2421 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 2421 ↗ · Crossref / separate-database: 2100 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2016P18 / motion
Charles Richter, Adam Bry, Nicholas Roy
Desarrolla una optimización polinómica de trayectorias numéricamente estable y la asignación de tiempos por segmento para volar por espacios interiores abarrotados.
Lee hallazgos, aplicaciones y límites
MÉTODO
Combina búsqueda de ruta de baja dimensión, optimización polinómica numéricamente estable y asignación de tiempos por segmento.
EVALUACIÓN
Los bancos de pruebas de estabilidad numérica y los vuelos en interior en el MIT usan LiDAR, IMU y cómputo a bordo.
HALLAZGO
Separar la búsqueda de ruta de la optimización polinómica mejora la eficiencia a costa de la optimalidad global.
CONEXIÓN PRÁCTICA
Trate la temporización de los segmentos como variable de diseño en secuencias largas de puntos de ruta.
LIMITACIÓN
Las velocidades de vuelo agresivo demostradas no son velocidades de filmación recomendadas ni límites generales de seguridad.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Polynomial optimization formulation · Time allocation · 6 Conclusion · 4.2 Performance of Polynomial Optimization · 4.3 Experimental Flight Tests
DOI: 10.1007/978-3-319-28872-7_37
Citas en OpenAlex de este registro: 764 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 764 ↗ · Crossref / separate-database: 565 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2021P19 / motion
Xin Zhou, Zhepei Wang, Hongkai Ye, Chao Xu, Fei Gao
Evita construir un ESDF completo extrayendo información de obstáculos cuando una trayectoria candidata colisiona, y luego optimiza y retemporiza la trayectoria.
Lee hallazgos, aplicaciones y límites
MÉTODO
Deriva la repulsión de obstáculos de trayectorias guía de colisión, optimiza B-splines y refina la temporización.
EVALUACIÓN
Los bancos de pruebas y los ensayos reales en interior, con cambio brusco de objetivo y en bosque evalúan la navegación, no la composición de imagen.
HALLAZGO
La información selectiva de obstáculos reduce el cómputo redundante durante la planificación local.
CONEXIÓN PRÁCTICA
Mida por separado la latencia de mapeo y de replanificación en sistemas de filmación autónoma.
LIMITACIÓN
Es un planificador de navegación, no un optimizador completo de encuadre u oclusión cinematográfica.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Planning framework · VI Experiment Results · VII Conclusion and Future Work · VI-A Implementation Details · VI-E Real-world Experiments
DOI: 10.1109/lra.2020.3047728
Citas en OpenAlex de este registro: 557 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 557 ↗ · Crossref / separate-database: 568 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2019P20 / motion
Boyu Zhou, Fei Gao, Luqi Wang, Chuhao Liu, Shaojie Shen
Combina búsqueda cinodinámica, optimización de trayectorias B-spline y ajuste de tiempos para una navegación autónoma eficiente de cuadricópteros.
Lee hallazgos, aplicaciones y límites
MÉTODO
La búsqueda cinodinámica inicializa la optimización B-spline, seguida de una reasignación de tiempos según los límites de movimiento.
EVALUACIÓN
Las pruebas computacionales y físicas en entornos con obstáculos evalúan el vuelo; la oclusión y el encuadre cinematográficos requieren un diseño adicional.
HALLAZGO
Una resolución espacial más gruesa intercambia eficiencia de cómputo por cobertura de trayectorias factibles.
CONEXIÓN PRÁCTICA
Considere conjuntamente la resolución del mapa, el tamaño del vehículo y la latencia para la navegación en bosque.
LIMITACIÓN
Las escenas dinámicas a gran escala y los enjambres eran trabajo futuro; la calidad estética no es el objetivo directo.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · VI Implementation Details · VII Results · VIII Conclusion
DOI: 10.1109/lra.2019.2927938
Citas en OpenAlex de este registro: 754 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 754 ↗ · Crossref / separate-database: 749 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2018P21 / motion
Davide Falanga, Philipp Foehn, Peng Lu, Davide Scaramuzza
Optimiza conjuntamente el movimiento del vehículo y la percepción, manteniendo visible un punto de interés y limitando su velocidad en el plano de imagen.
Lee hallazgos, aplicaciones y límites
MÉTODO
El MPC optimiza la colocación del centroide de características y la velocidad de imagen junto con el movimiento del vehículo.
EVALUACIÓN
Los experimentos usan una plataforma de 420 g, un horizonte de dos segundos y control a 100 Hz; son condiciones específicas de la plataforma.
HALLAZGO
Acelerar la aeronave puede entrar en conflicto con los objetivos de detección por los cambios de actitud necesarios.
CONEXIÓN PRÁCTICA
Revise el movimiento de la imagen y la inclinación de la aeronave cuando el seguimiento se vuelva inestable.
LIMITACIÓN
Los objetivos de percepción son costes blandos, no una garantía incondicional de que el objetivo siga visible.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Optimization formulation · V Experiments · VI Discussion · VII Conclusions · VI Discussion: centroid, horizon and computation
DOI: 10.1109/iros.2018.8593739
Citas en OpenAlex de este registro: 11 · 2026-10-21 · Fuente ↗
El mismo DOI está dividido entre registros de OpenAlex de publicación (11) y derivados de repositorio (248). El 11 mostrado es el resultado de la búsqueda por DOI; Crossref informa de 231. Los recuentos no se suman.
OpenAlex / primary-record: 11 ↗ · Crossref / separate-database: 231 ↗ · OpenAlex / related-version-or-duplicate-not-added: 248 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2018P22 / perception
Tong Qin, Peiliang Li, Shaojie Shen
Combina características monoculares y mediciones inerciales con inicialización, recuperación de fallos, relocalización y optimización de grafo de poses para la estimación métrica del estado.
Lee hallazgos, aplicaciones y límites
MÉTODO
Acopla estrechamente la IMU preintegrada y las características de imagen con relocalización y corrección por grafo de poses.
EVALUACIÓN
Evalúa EuRoC, trayectorias en interior y exterior y control de dron; el cierre de bucle está desactivado en la prueba de vuelo de seguimiento de trayectoria.
HALLAZGO
La fusión de sensores mejora la estimación, pero ciertos movimientos y entornos siguen siendo débilmente observables.
CONEXIÓN PRÁCTICA
Base para entender el posicionamiento visual-inercial cuando el GNSS es débil.
LIMITACIÓN
La calibración y las condiciones visuales importan; no puede asumirse que el agua, pobre en características, iguale el rendimiento de los bancos de pruebas.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Estimator architecture · VIII Global Pose Graph Optimization · Experiments · X Conclusion and Future Work · IX Experiments: trajectory-tracking flight configuration
DOI: 10.1109/tro.2018.2853729
Citas en OpenAlex de este registro: 4646 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 4646 ↗ · Crossref / separate-database: 4371 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2017P23 / perception
Raúl Mur-Artal, Juan D. Tardós
Proporciona SLAM visual para cámaras monoculares, estéreo y RGB-D con relocalización, cierre de bucle y reutilización de mapas.
Lee hallazgos, aplicaciones y límites
MÉTODO
Usa características ORB para seguimiento, mapeo y cierre de bucle con entrada monocular, estéreo y RGB-D.
EVALUACIÓN
Los bancos de pruebas incluyen KITTI, EuRoC y TUM RGB-D, con pérdida de seguimiento informada bajo desenfoque de movimiento severo en EuRoC.
HALLAZGO
La escala métrica en operación estéreo o RGB-D no debe confundirse con la escala solo monocular.
CONEXIÓN PRÁCTICA
Contexto útil para rutas de cámara repetibles y localización en espacios previamente mapeados.
LIMITACIÓN
La evaluación informa de pérdida de seguimiento con desenfoque de movimiento severo; la robustez es condicional.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · System overview · IV Evaluation · V Conclusion · IV-B EuRoC Dataset
DOI: 10.1109/tro.2017.2705103
Citas en OpenAlex de este registro: 6886 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 6886 ↗ · Crossref / separate-database: 6272 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2017P24 / perception
Helen Oleynikova, Zachary Taylor, Marius Fehr, Roland Siegwart, Juan Nieto
Construye campos de distancia euclidiana con signo incrementales a partir de campos de distancia truncados para la planificación de trayectorias a bordo y un mapeo de superficies interpretable.
Lee hallazgos, aplicaciones y límites
MÉTODO
Convierte de forma incremental un TSDF fusionado a partir de profundidad en un ESDF para consultas de distancia a obstáculos.
EVALUACIÓN
Evalúa el error del campo de distancias, el cómputo y la planificación de MAV; el tamaño del vóxel y la política de espacio desconocido afectan al comportamiento.
HALLAZGO
El espacio desconocido y el error de aproximación del mapa requieren un tratamiento explícito en la planificación.
CONEXIÓN PRÁCTICA
Compruebe si la resolución del mapa y la detección pueden representar ramas finas o cables.
LIMITACIÓN
Los vóxeles finitos y los errores de sensor hacen que un hueco mapeado no sea automáticamente un corredor físico seguro.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Mapping representation · VII MAV Planning Experiments · VIII Conclusions
DOI: 10.1109/iros.2017.8202315
Citas en OpenAlex de este registro: 727 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 727 ↗ · Crossref / separate-database: 681 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2020P25 / perception
Zachary Teed, Jia Deng
Estima el flujo óptico denso mediante correlaciones de características entre todos los pares y refinamiento recurrente, con una gran precisión en los bancos de pruebas en el momento de su publicación.
Lee hallazgos, aplicaciones y límites
MÉTODO
Construye correlaciones multiescala entre todos los pares y actualiza iterativamente el flujo óptico entre dos fotogramas.
EVALUACIÓN
Los bancos de pruebas Sintel y KITTI y las ablaciones de arquitectura e iteraciones evalúan el flujo, no el control físico del vuelo.
HALLAZGO
El desplazamiento en la imagen no es en sí una trayectoria métrica 3D de la cámara.
CONEXIÓN PRÁCTICA
Analice el flujo del primer plano y del fondo al estudiar la vibración y la velocidad percibida de la cámara.
LIMITACIÓN
No es un controlador de vuelo; la oclusión, el desenfoque y los cambios de dominio siguen siendo limitaciones relevantes.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · 1 Introduction · Architecture · Experiments · Conclusions
DOI: 10.1007/978-3-030-58536-5_24
Citas en OpenAlex de este registro: 2803 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 2803 ↗ · Crossref / separate-database: 2456 ↗ · OpenAlex / related-version-or-duplicate-not-added: 112 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2019P26 / perception
Bo Li, Wei Wu, Qiang Wang, Fangyi Zhang, Junliang Xing, Junjie Yan
Mejora el seguimiento visual siamés mediante backbones más profundos, agregación de características multicapa y correlación cruzada en profundidad.
Lee hallazgos, aplicaciones y límites
MÉTODO
Mejora el seguimiento siamés con características por capas, correlación en profundidad y muestras de entrenamiento desplazadas espacialmente.
EVALUACIÓN
Evalúa VOT, LaSOT, TrackingNet y el conjunto aéreo UAV123, sin garantizar un seguimiento libre de fallos.
HALLAZGO
Detectar una categoría de objeto y mantener la identidad de un objetivo concreto son tareas distintas.
CONEXIÓN PRÁCTICA
Pruebe la retención de identidad con sujetos de aspecto similar y oclusiones temporales.
LIMITACIÓN
Los bancos de pruebas generales de seguimiento no establecen la seguridad ni el rendimiento de la aeronave en todas las escenas aéreas.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Network design · Experiments · 5 Conclusions · 4.4 Comparison with the state-of-the-art
DOI: 10.1109/cvpr.2019.00441
Citas en OpenAlex de este registro: 2588 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 2588 ↗ · Crossref / separate-database: 2206 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2017P27 / simulation
Shital Shah, Debadeepta Dey, Chris Lovett, Ashish Kapoor
Presenta un simulador modular para pruebas visuales y físicas de vehículos, datos sintéticos y experimentación con hardware en el bucle.
Lee hallazgos, aplicaciones y límites
MÉTODO
Separa la física del vehículo, la simulación de sensores y el renderizado, con interfaces a controladores de vuelo reales.
EVALUACIÓN
El artículo de arquitectura muestra ejemplos y registra las capacidades de colisión y de modelo de cámara entonces ausentes.
HALLAZGO
Las API compartidas ayudan a experimentar, pero no eliminan la brecha entre simulación y realidad.
CONEXIÓN PRÁCTICA
Evalúe tanto la composición renderizada como el movimiento modelado del vehículo durante la previsualización.
LIMITACIÓN
El artículo señala la ausencia de efectos de colisión, de objetivo y de degradación del GNSS; el mantenimiento actual del software requiere verificación aparte.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Simulator architecture · Experiments · 5 Conclusion and Future Work
DOI: 10.1007/978-3-319-67361-5_40
Citas en OpenAlex de este registro: 2247 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 2247 ↗ · Crossref / separate-database: 1650 ↗ · OpenAlex / related-version-or-duplicate-not-added: 26 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2021P28 / simulation
Yunlong Song, Selim Naji, Elia Kaufmann, Antonio Loquercio, Davide Scaramuzza
Separa el renderizado y la dinámica para que la velocidad y la fidelidad de la simulación puedan configurarse de forma independiente para aprendizaje, navegación e interacción.
Lee hallazgos, aplicaciones y límites
MÉTODO
Desacopla el renderizado en Unity de la dinámica para cargas de aprendizaje paralelas con varios vehículos.
EVALUACIÓN
Mide la dinámica y el renderizado por separado; la tasa de renderizado depende del tamaño de imagen, la escena y el número de vehículos.
HALLAZGO
El realismo visual y la fidelidad dinámica son dimensiones distintas de la calidad de un simulador.
CONEXIÓN PRÁCTICA
Elija los ajustes de fidelidad por separado para las previsualizaciones de tomas y el entrenamiento de controladores.
LIMITACIÓN
El rendimiento de física informado no es la velocidad de renderizado fotorrealista simultáneo ni prueba de transferencia al vuelo real.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Simulation architecture · Experiments · Conclusion and Discussion · 4.1 Simulation Speed
DOI: 10.48550/arxiv.2009.00563
Citas en OpenAlex de este registro: 137 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 137 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2010P29 / motion
Taeyoung Lee, Melvin Leok, N. Harris McClamroch
Desarrolla controladores de seguimiento geométrico en SE(3) para los modos de vuelo de actitud, posición y velocidad sin singularidades de ángulos de Euler.
Lee hallazgos, aplicaciones y límites
MÉTODO
Diseña el control de actitud, posición y velocidad directamente en SE(3), con análisis de estabilidad.
EVALUACIÓN
La validación en este manuscrito es simulación numérica, no pruebas físicas de fiabilidad fuera de los supuestos de la demostración.
HALLAZGO
Cuatro entradas de empuje controlan un vehículo de seis grados de libertad, acoplando traslación y actitud.
CONEXIÓN PRÁCTICA
Distinga el control de actitud de la aeronave del papel del gimbal en el mantenimiento de la imagen.
LIMITACIÓN
Los resultados de estabilidad y las demostraciones numéricas se basan en supuestos del modelo, no en perturbaciones o fallos arbitrarios.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Dynamic model · Tracking controllers · Numerical examples · VIII Conclusions
DOI: 10.48550/arxiv.1003.2005
Citas en OpenAlex de este registro: 104 · 2026-10-21 · Fuente ↗
Las 104 citas pertenecen a este título de preprint; no se sustituyen por los recuentos del artículo Geometric Tracking Control, de título distinto.
OpenAlex / primary-record: 104 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗2021P30 / cinematography
Alfonso Alcántara, Jesús Capitán, Rita Cunha, Aníbal Ollero
Planifica trayectorias coordinadas de filmación con varios UAV con dinámica del vehículo, restricciones de colisión, límites del gimbal, suavidad y visibilidad mutua de las cámaras.
Lee hallazgos, aplicaciones y límites
MÉTODO
La optimización distribuida basada en prioridades gestiona movimiento, límites del gimbal, suavidad y visibilidad mutua de las cámaras.
EVALUACIÓN
Usa simulación y filmación en exteriores de un actor con tres UAV; los tamaños de flota y las redes arbitrarios siguen sin validar.
HALLAZGO
La separación entre drones y mantener otras aeronaves fuera de la imagen requieren restricciones distintas.
CONEXIÓN PRÁCTICA
Compruebe conjuntamente la separación en el espacio aéreo y la cobertura de imagen en los planes multicámara.
LIMITACIÓN
La planificación distribuida basada en prioridades no garantiza una solución de equipo globalmente óptima.
ALCANCE DE LA LECTURA
Texto completo obtenido; se revisaron las siguientes secciones clave. Las ecuaciones, el código y los experimentos no se reprodujeron de forma independiente.
Abstract · Optimization formulation · Simulation and field experiments · 7 Conclusions · 6 Field Experiments
DOI: 10.1016/j.robot.2021.103778
Citas en OpenAlex de este registro: 56 · 2026-10-21 · Fuente ↗
Recuento de este registro de OpenAlex; no se suman versiones ni registros duplicados, y no se afirma ningún puesto global.
OpenAlex / primary-record: 56 ↗ · Crossref / separate-database: 54 ↗
Abrir el texto primario ↗ ·
Abrir el texto primario ↗