論文の概要: OpenHPS: An Open Source Hybrid Positioning System
- arxiv url: http://arxiv.org/abs/2101.05198v1
- Date: Tue, 29 Dec 2020 22:03:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-18 20:29:46.834131
- Title: OpenHPS: An Open Source Hybrid Positioning System
- Title（参考訳）: OpenHPS: オープンソースのハイブリッド位置決めシステム
- Authors: Maxim Van de Wynckel and Beat Signer
- Abstract要約: TypeScriptで実装された汎用ハイブリッド位置決めシステムOpenHPSを提案する。
異なるアルゴリズムに基づいて異なるセンサデータを融合することにより,OpenHPSがトラッキング中の誤差を低減できることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Positioning systems and frameworks use various techniques to determine the
position of an object. Some of the existing solutions combine different sensory
data at the time of positioning in order to compute more accurate positions by
reducing the error introduced by the used individual positioning techniques. We
present OpenHPS, a generic hybrid positioning system implemented in TypeScript,
that can not only reduce the error during tracking by fusing different sensory
data based on different algorithms, but also also make use of combined tracking
techniques when calibrating or training the system. In addition to a detailed
discussion of the architecture, features and implementation of the extensible
open source OpenHPS framework, we illustrate the use of our solution in a
demonstrator application fusing different positioning techniques. While OpenHPS
offers a number of positioning techniques, future extensions might integrate
new positioning methods or algorithms and support additional levels of
abstraction including symbolic locations.
- Abstract（参考訳）: 位置決めシステムとフレームワークは様々な技術を使って物体の位置を決定する。
既存のソリューションのいくつかは、位置決め時に異なる感覚データを組み合わせて、使用済みの個人位置決め技術によって導入された誤差を減らし、より正確な位置を計算する。
我々は,typescriptで実装された汎用的なハイブリッド測位システムであるopenhpsを提案する。異なるアルゴリズムに基づく異なる知覚データを用いて追跡中の誤差を低減できるだけでなく,システムの校正やトレーニング時に複合追跡技術も活用できる。
拡張性のあるオープンソースOpenHPSフレームワークのアーキテクチャ、機能、実装に関する詳細な議論に加えて、異なる位置決め技術を融合したデモレータアプリケーションにおける私たちのソリューションの使用について説明する。
OpenHPSは多くの位置決め技術を提供しているが、将来の拡張は新しい位置決め手法やアルゴリズムを統合し、シンボル位置を含む抽象的な追加レベルをサポートするかもしれない。
関連論文リスト
- Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。
ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。
これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
論文 参考訳（メタデータ） (2024-02-27T10:10:12Z) - ShaRP: Shape-Regularized Multidimensional Projections [71.30697308446064]
本稿では,生成した散布板の視覚的シグネチャをユーザが明示的に制御できる新しいプロジェクション技術,ShaRPを提案する。
ShaRPは次元とデータセットサイズによく対応し、任意の定量的データセットを汎用的に処理する。
論文 参考訳（メタデータ） (2023-06-01T11:16:58Z) - Learning Implicit Feature Alignment Function for Semantic Segmentation [51.36809814890326]
Implicit Feature Alignment Function (IFA)は、暗黙の神経表現の急速に拡大するトピックにインスパイアされている。
IFAは機能マップを異なるレベルで暗黙的に整列し、任意の解像度でセグメンテーションマップを生成することができることを示す。
提案手法は,様々なアーキテクチャの改善と組み合わせて,一般的なベンチマークにおける最先端の精度のトレードオフを実現する。
論文 参考訳（メタデータ） (2022-06-17T09:40:14Z) - Federated Learning with Position-Aware Neurons [28.418960595133235]
Federated Learning (FL)は、ユーザのデータを集中化せずに、ローカルノードからのコラボレーティブモデルを融合する。
従来のニューロンは位置情報を明示的に考慮していない。
代替として位置認識ニューロン(PAN)を提案する。
論文 参考訳（メタデータ） (2022-03-28T11:43:23Z) - Seeking Similarities over Differences: Similarity-based Domain Alignment
for Adaptive Object Detection [86.98573522894961]
本研究では,Unsupervised Domain Adaptation (UDA) アルゴリズムが検出に使用するコンポーネントを一般化するフレームワークを提案する。
具体的には、最適な設計選択を生かした新しいUDAアルゴリズムViSGAを提案し、インスタンスレベルの特徴を集約する単純だが効果的な方法を提案する。
類似性に基づくグループ化と対角トレーニングの両方により、モデルでは、ゆるやかに整列されたドメインにまたがるすべてのインスタンスにマッチせざるを得ず、機能グループを粗い整列することに集中することが可能であることが示されています。
論文 参考訳（メタデータ） (2021-10-04T13:09:56Z) - Learnable Fourier Features for Multi-DimensionalSpatial Positional
Encoding [96.9752763607738]
本稿では,学習可能なフーリエ特徴に基づく位置符号化手法を提案する。
本研究では,多次元位置符号化のための学習可能な特徴表現が既存の手法より優れていることを示す。
論文 参考訳（メタデータ） (2021-06-05T04:40:18Z) - Graph-based non-linear least squares optimization for visual place
recognition in changing environments [8.121462458089143]
異なる種類の追加構造と情報を体系的に利用するためのグラフベースのフレームワークを提案する。
本稿では,各種の標準配置データセット上でシステムを評価し,多数の異なる構成の性能向上を示す。
論文 参考訳（メタデータ） (2020-12-29T14:25:34Z) - 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) - Rethinking Positional Encoding in Language Pre-training [111.2320727291926]
絶対的な位置符号化では、位置埋め込みと単語埋め込みに適用される付加操作が混合相関をもたらすことを示す。
我々はtextbfUntied textPositional textbfEncoding (T) を用いた textbfTransformer という新しい位置符号化手法を提案する。
論文 参考訳（メタデータ） (2020-06-28T13:11:02Z)
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。