Fugu-MT 論文翻訳(概要): GPU-accelerated Hierarchical Panoramic Image Feature Retrieval for Indoor Localization

論文の概要: GPU-accelerated Hierarchical Panoramic Image Feature Retrieval for Indoor Localization

arxiv url: http://arxiv.org/abs/2006.08861v1
Date: Tue, 16 Jun 2020 01:42:20 GMT
ステータス: 処理完了
システム内更新日: 2022-11-20 21:06:03.525313
Title: GPU-accelerated Hierarchical Panoramic Image Feature Retrieval for Indoor Localization
Title（参考訳）: GPUによる階層型パノラマ画像の特徴検索
Authors: Feng Hu
Abstract要約: 本稿では,パノラマ画像特徴を用いた視覚的ランドマークのモデル化により,屋内の局所化問題をマルチメディア検索問題に定式化する。実データを構築するキャンパスでの実験では、リアルタイムの応答とロバストなローカライゼーションが示されている。
参考スコア（独自算出の注目度）: 1.6752182911522522
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Indoor localization has many applications, such as commercial Location Based Services (LBS), robotic navigation, and assistive navigation for the blind. This paper formulates the indoor localization problem into a multimedia retrieving problem by modeling visual landmarks with a panoramic image feature, and calculating a user's location via GPU- accelerated parallel retrieving algorithm. To solve the scene similarity problem, we apply a multi-images based retrieval strategy and a 2D aggregation method to estimate the final retrieval location. Experiments on a campus building real data demonstrate real-time responses (14fps) and robust localization.
Abstract（参考訳）: 屋内のローカライゼーションには、商業的位置ベースサービス(LBS)、ロボットナビゲーション、視覚障害者のための補助ナビゲーションなど、多くの応用がある。本稿では, パノラマ画像特徴を用いた視覚的ランドマークのモデル化と,GPUによる並列検索アルゴリズムによるユーザ位置の計算により,屋内位置決定問題をマルチメディア検索問題に定式化する。シーン類似性問題を解決するために,複数画像に基づく検索戦略と2次元アグリゲーション手法を適用し,最終検索位置を推定する。実データを構築するキャンパスにおける実験は、リアルタイム応答(14fps)とロバストな局在を示す。

関連論文リスト

Visual Localization in 3D Maps: Comparing Point Cloud, Mesh, and NeRF Representations [8.522160106746478]
様々な3次元地図表現にまたがる単一カメラ画像のローカライズが可能なグローバルな視覚的ローカライゼーションシステムを提案する。本システムは,シーンの新たなビューを合成し,RGBと深度画像のペアを作成することでデータベースを生成する。 NeRF合成画像は、クエリ画像を平均72%の成功率でローカライズし、優れた性能を示す。
論文参考訳（メタデータ） (2024-08-21T19:37:17Z)
Lazy Visual Localization via Motion Averaging [89.8709956317671]
本研究では,データベースからシーンを再構築することなく,高精度なローカライゼーションを実現することができることを示す。実験の結果、我々の視覚的ローカライゼーションの提案であるLazyLocは、最先端の構造に基づく手法に対して同等のパフォーマンスを実現していることがわかった。
論文参考訳（メタデータ） (2023-07-19T13:40:45Z)
HPointLoc: Point-based Indoor Place Recognition using Synthetic RGB-D Images [58.720142291102135]
本稿では,屋内環境における視覚的位置認識能力の探索を目的とした,HPointLocという新しいデータセットを提案する。データセットは人気のあるHabitatシミュレータに基づいており、独自のセンサーデータとオープンデータセットの両方を使用して屋内シーンを生成することができる。
論文参考訳（メタデータ） (2022-12-30T12:20:56Z)
UNav: An Infrastructure-Independent Vision-Based Navigation System for People with Blindness and Low vision [4.128685217530067]
視覚障害者のためのナビゲーション支援のための視覚に基づくローカライゼーションパイプラインを提案する。モバイルアプリケーション上でエンドユーザが取得したクエリ画像に対して、パイプラインは視覚的位置認識(VPR)アルゴリズムを活用して、参照画像データベースで類似した画像を見つける。カスタマイズされたユーザインタフェースは、一連の画像から構築された3D再構成されたスパースマップを、対応する2Dフロアプランに投影する。
論文参考訳（メタデータ） (2022-09-22T22:21:37Z)
Visual Localization via Few-Shot Scene Region Classification [84.34083435501094]
ビジュアル(再)ローカライゼーションは、既知のシーンでキャプチャされたクエリイメージの6-DoFカメラのポーズを推定する問題に対処する。画像画素からシーン座標へのマッピングを記憶することで,この問題を解決する。シーン領域の分類手法を提案する。
論文参考訳（メタデータ） (2022-08-14T22:39:02Z)
Investigating the Role of Image Retrieval for Visual Localization -- An exhaustive benchmark [46.166955777187816]
本稿では,複数の視覚的ローカライゼーションパラダイムにおける画像検索の役割を理解することに焦点を当てる。本稿では、新しいベンチマーク設定を導入し、複数のデータセットにおける最先端の検索表現を比較した。これらのツールと奥行き分析を用いて、古典的ランドマーク検索や位置認識タスクにおける検索性能は、ローカライズ性能に限らず、すべてのパラダイムで相関していることを示す。
論文参考訳（メタデータ） (2022-05-31T12:59:01Z)
Learning Cross-Scale Visual Representations for Real-Time Image Geo-Localization [21.375640354558044]
局所センサに基づく状態推定手法は、誤差が蓄積されるにつれて長距離ミッションがドリフトする傾向にある。クロススケールなデータセットと、クロスモダリティソースから追加データを生成する手法を紹介する。本稿では,監督なしに大規模視覚表現を学習するフレームワークを提案する。
論文参考訳（メタデータ） (2021-09-09T08:08:54Z)
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)
Benchmarking Image Retrieval for Visual Localization [41.38065116577011]
視覚的ローカライゼーションは、自律運転や拡張現実といったテクノロジーの中核的なコンポーネントである。これらのタスクには最先端の画像検索アルゴリズムを用いるのが一般的である。本稿では,複数の視覚的ローカライゼーションタスクにおける画像検索の役割を理解することに焦点を当てる。
論文参考訳（メタデータ） (2020-11-24T07:59:52Z)
Geometrically Mappable Image Features [85.81073893916414]
地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。本稿では,画像検索を対象とした画像特徴学習手法を提案する。
論文参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。