論文の概要: Feasibility of Video-based Sub-meter Localization on Resource-constrained Platforms

• arxiv url: http://arxiv.org/abs/2002.08039v1
• Date: Wed, 19 Feb 2020 07:35:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 14:02:15.352998
• Title: Feasibility of Video-based Sub-meter Localization on Resource-constrained Platforms
• Title（参考訳）: リソース制約付きプラットフォームにおけるビデオベースサブメートル定位の実現可能性
• Authors: Abm Musa and Jakob Eriksson
• Abstract要約: 資源制約のあるプラットフォーム上でのリアルタイムなビデオベースのローカライゼーションの実現可能性について検討する。 スマートフォン型プラットフォームでは,サブメーターの精度が,リアルタイムに達成可能であることを示す。
• 参考スコア（独自算出の注目度）: 0.228438857884398
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While the satellite-based Global Positioning System (GPS) is adequate for some outdoor applications, many other applications are held back by its multi-meter positioning errors and poor indoor coverage. In this paper, we study the feasibility of real-time video-based localization on resource-constrained platforms. Before commencing a localization task, a video-based localization system downloads an offline model of a restricted target environment, such as a set of city streets, or an indoor shopping mall. The system is then able to localize the user within the model, using only video as input. To enable such a system to run on resource-constrained embedded systems or smartphones, we (a) propose techniques for efficiently building a 3D model of a surveyed path, through frame selection and efficient feature matching, (b) substantially reduce model size by multiple compression techniques, without sacrificing localization accuracy, (c) propose efficient and concurrent techniques for feature extraction and matching to enable online localization, (d) propose a method with interleaved feature matching and optical flow based tracking to reduce the feature extraction and matching time in online localization. Based on an extensive set of both indoor and outdoor videos, manually annotated with location ground truth, we demonstrate that sub-meter accuracy, at real-time rates, is achievable on smart-phone type platforms, despite challenging video conditions.
• Abstract（参考訳）: 衛星ベースのGPS(Global Positioning System)は、いくつかの屋外アプリケーションには適しているが、他の多くのアプリケーションは、そのマルチメーター位置決め誤差と屋内カバーの低さに支えられている。 本稿では,リソース制約のあるプラットフォーム上でのリアルタイムビデオによるローカライズの実現可能性について検討する。 ローカライズタスクを開始する前に、ビデオベースのローカライズシステムは、街路や屋内ショッピングモールなどの制限されたターゲット環境のオフラインモデルをダウンロードする。 システムは、入力としてビデオのみを使用して、モデル内でユーザーをローカライズすることができる。 このようなシステムが、リソース制約のある組み込みシステムやスマートフォン上で動作できるようにするため、我々は、 (a) フレーム選択と効率的な特徴マッチングにより, 調査経路の3次元モデルを効率的に構築する手法を提案する。 b) 局所化精度を犠牲にすることなく、複数の圧縮技術によりモデルサイズを大幅に削減する。 (c) オンライン・ローカライゼーションを実現するための特徴抽出とマッチングのための効率的かつ同時手法を提案する。 (d) オンラインローカライズにおける特徴抽出とマッチング時間を削減するために, インターリーブ特徴マッチングとオプティカルフローベーストラッキングを用いた手法を提案する。 屋内と屋外の両方のビデオの広範なセットを手動でアノテートすることで、ビデオ条件の難しさにもかかわらず、スマートフォンタイプのプラットフォームでは、サブメーターの精度がリアルタイムで達成可能であることを示す。

関連論文リスト

• PALMS: Plane-based Accessible Indoor Localization Using Mobile Smartphones [5.467790613949593]
  PALMSはモバイルスマートフォンにおける革新的なグローバルローカライゼーションと再ローカライゼーションシステムである。 本システムでは,1つの瞬時観測と計測データを考慮した動的局所化方式を採用している。
  論文  参考訳（メタデータ） (2024-10-21T07:05:07Z)
• Weakly Supervised Video Anomaly Detection and Localization with Spatio-Temporal Prompts [57.01985221057047]
  本稿では、事前学習された視覚言語モデル(VLM)に基づく、弱教師付きビデオ異常検出および局所化のための時間的プロンプト埋め込み(WSVADL)を学習する新しい手法を提案する。 提案手法は,WSVADLタスクの3つの公開ベンチマークにおける最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-08-12T03:31:29Z)
• Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
  本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。 私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
  論文  参考訳（メタデータ） (2024-07-22T12:32:09Z)
• Jointly Optimized Global-Local Visual Localization of UAVs [17.83193033936859]
  UAVのナビゲーションとローカライゼーションは、グローバルナビゲーション衛星システム(GNSS)が破壊され、信頼性が低い場合に課題となる。 既存の視覚的ローカライゼーション手法は, 衛星画像とのマッチングにより, 誤差蓄積を伴わない自律的な視覚的ローカライゼーションを実現する。 我々は,UAVの飛行シーンと類似する領域を見つける大規模検索モジュールと,正確なUAV座標をローカライズする細粒度マッチングモジュールを組み合わせた,GLVL(Global-Local Visual Localization)ネットワークを提案する。 本手法は, 粗いテクスチャ特徴を有する村のシーンにおいて, わずか2.39m×0.48秒の局所誤差を実現する。
  論文  参考訳（メタデータ） (2023-10-12T07:12:20Z)
• On the Application of Efficient Neural Mapping to Real-Time Indoor Localisation for Unmanned Ground Vehicles [5.137284292672375]
  組込みプラットフォーム上でのリアルタイム推論が可能なコンパクトモデルを用いて,数cmの局所化精度を実現する。 トレーニングされたモデルをUGVプラットフォームにデプロイし、その効果をウェイポイントナビゲーションタスクで実証する。
  論文  参考訳（メタデータ） (2022-11-09T07:23:28Z)
• TCAM: Temporal Class Activation Maps for Object Localization in Weakly-Labeled Unconstrained Videos [22.271760669551817]
  弱教師付きオブジェクトローカライゼーション(WSVOL)は、オブジェクトクラスのようなグローバルなビデオタグのみを使用して、ビデオ内のオブジェクトの配置を可能にする。 本稿では、静止画像に基づいてWSOL用に設計されたクラスアクティベーションマッピング(CAM)手法をうまく活用する。 ビデオの時間的情報を活用するために,新たな時間的CAM (TCAM) 手法を導入し,DLモデルを訓練する。
  論文  参考訳（メタデータ） (2022-08-30T21:20:34Z)
• Improving Worst Case Visual Localization Coverage via Place-specific Sub-selection in Multi-camera Systems [29.519262914510396]
  6-DoFビジュアルローカライゼーションシステムは,3次元形状に根ざした原理的アプローチを用いて,地図上の画像の正確なカメラポーズ推定を行う。 オフザシェルフパイプラインに比べて,最悪のローカライゼーション性能が大幅に向上した。 提案手法は,特に自動運転車のクラウドシェアリングモデルに適用可能である。
  論文  参考訳（メタデータ） (2022-06-28T10:59:39Z)
• LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
  LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法 提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。 推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
  論文  参考訳（メタデータ） (2022-02-01T20:27:46Z)
• Real-time Outdoor Localization Using Radio Maps: A Deep Learning Approach [59.17191114000146]
  LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。 我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
  論文  参考訳（メタデータ） (2021-06-23T17:27:04Z)
• Markov Localisation using Heatmap Regression and Deep Convolutional Odometry [59.33322623437816]
  我々は,最新のディープラーニングハードウェアを活用する新しいCNNベースのローカライゼーション手法を提案する。 画像に基づくローカライゼーションと,1つのニューラルネットワーク内でのオドメトリーに基づく確率伝搬を行うハイブリッドCNNを作成する。
  論文  参考訳（メタデータ） (2021-06-01T10:28:49Z)
• Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
  屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。 本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。 GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。 新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
  論文  参考訳（メタデータ） (2020-08-06T07:36:55Z)

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。