論文の概要: Ground Texture Based Localization Using Compact Binary Descriptors
- arxiv url: http://arxiv.org/abs/2002.11061v2
- Date: Fri, 18 Dec 2020 12:32:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 22:15:19.487303
- Title: Ground Texture Based Localization Using Compact Binary Descriptors
- Title(参考訳): コンパクトバイナリディスクリプタを用いた地盤テクスチャに基づく位置推定
- Authors: Jan Fabian Schmid, Stephan F. Simon, Rudolf Mester
- Abstract要約: 地盤テクスチャに基づく位置決めは、車両の高精度位置決めを実現するための有望なアプローチである。
グローバルなローカライゼーションや,その後のローカルローカライゼーション更新に使用できる自己完結型手法を提案する。
- 参考スコア(独自算出の注目度): 12.160708336715489
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ground texture based localization is a promising approach to achieve
high-accuracy positioning of vehicles. We present a self-contained method that
can be used for global localization as well as for subsequent local
localization updates, i.e. it allows a robot to localize without any knowledge
of its current whereabouts, but it can also take advantage of a prior pose
estimate to reduce computation time significantly. Our method is based on a
novel matching strategy, which we call identity matching, that is based on
compact binary feature descriptors. Identity matching treats pairs of features
as matches only if their descriptors are identical. While other methods for
global localization are faster to compute, our method reaches higher
localization success rates, and can switch to local localization after the
initial localization.
- Abstract(参考訳): 地盤テクスチャに基づく位置決めは、車両の高精度位置決めを実現するための有望なアプローチである。
本稿では,グローバルローカライズやその後の局所的ローカライズ更新,すなわちロボットが現在の場所を知らずにローカライズできる自己完結型手法を提案する。
提案手法は,コンパクトなバイナリ特徴記述子に基づくIDマッチングと呼ばれる,新しいマッチング戦略に基づいている。
アイデンティティマッチングは、デクリプタが同一である場合に限り、機能のペアを一致として扱う。
グローバルなローカライゼーションのための他の手法は計算が速いが,本手法はより高いローカライゼーション成功率に達し,初期ローカライゼーション後のローカルローカライゼーションに切り替えることができる。
関連論文リスト
- Yes, we CANN: Constrained Approximate Nearest Neighbors for local
feature-based visual localization [2.915868985330569]
Constrained Approximate Nearest Neighbors (CANN) は、局所的特徴のみを用いて、幾何学と外観空間の両方にわたって k-アネレスト近傍の合同解である。
提案手法は,現在最先端のグローバルな特徴量検索と,局所的な特徴量集計手法を用いたアプローチの両方に優れる。
論文 参考訳(メタデータ) (2023-06-15T10:12:10Z) - MTLDesc: Looking Wider to Describe Better [21.81401301082768]
ローカルディスクリプタを"より広く見えるように"することに注力する。
我々は、MTLDescが非局所的な認識を得られるように、文脈増強と空間的注意機構を活用している。
MTLDescは,HPatches,Aachen Day-Nightローカライゼーション,InLoc屋内ローカライゼーションベンチマークにおいて,最先端のローカルディスクリプタをはるかに上回っている。
論文 参考訳(メタデータ) (2022-03-14T11:16:05Z) - 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) - Capturing Structural Locality in Non-parametric Language Models [85.94669097485992]
非パラメトリック言語モデルに局所性情報を追加するための,単純かつ効果的なアプローチを提案する。
Javaソースコードとウィキペディアテキストという2つの異なる領域の実験では、局所性がモデルの有効性を向上させることが示されている。
論文 参考訳(メタデータ) (2021-10-06T15:53:38Z) - LoGG3D-Net: Locally Guided Global Descriptor Learning for 3D Place
Recognition [31.105598103211825]
追加のトレーニング信号(局所的整合性損失)が、リビジョン間で一貫性のある局所的特徴の学習にネットワークを導くことができることを示す。
私たちは、LoGG3D-Netと呼ばれるエンドツーエンドのトレーニング可能なアーキテクチャでアプローチを定式化します。
論文 参考訳(メタデータ) (2021-09-17T03:32:43Z) - On the Limits of Pseudo Ground Truth in Visual Camera Re-localisation [83.29404673257328]
再ローカライゼーションベンチマークは、各メソッドが参照アルゴリズムの結果をいかにうまく再現するかを測定する。
このことは、参照アルゴリズムの選択がある種の再ローカライゼーション手法を好むかどうかを問うものである。
本稿では、広く使われている2つの再ローカライゼーションデータセットを分析し、参照アルゴリズムの選択によって評価結果が実際に異なることを示す。
論文 参考訳(メタデータ) (2021-09-01T12:01:08Z) - Probabilistic Visual Place Recognition for Hierarchical Localization [22.703331060822862]
視覚的位置認識に用いる画像検索手法をベイズ状態推定法に適応させる2つの手法を提案する。
本手法を用いて粗局在化ステージの局在化精度を大幅に向上させ、厳しい外観変化下における最新性能を保ちます。
論文 参考訳(メタデータ) (2021-05-07T07:39:14Z) - Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。
特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。
我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
論文 参考訳(メタデータ) (2020-12-02T18:19:51Z) - Simple and effective localized attribute representations for zero-shot
learning [48.053204004771665]
Zero-shot Learning (ZSL) は、目に見えないクラスとイメージを区別することを目的としている。
本稿では,意味/属性空間における局所化表現を提案する。
提案手法は,ゼロショット学習のための新しいベースラインとして利用することができる。
論文 参考訳(メタデータ) (2020-06-10T16:46:12Z) - Real-time Localization Using Radio Maps [59.17191114000146]
パスロスに基づく簡易かつ効果的なローカライゼーション法を提案する。
提案手法では, 受信した信号強度を, 既知の位置を持つ基地局の集合から報告する。
論文 参考訳(メタデータ) (2020-06-09T16:51:17Z)
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。