論文の概要: UAV Localization Using Autoencoded Satellite Images

• arxiv url: http://arxiv.org/abs/2102.05692v1
• Date: Wed, 10 Feb 2021 19:08:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-12 14:06:33.098118
• Title: UAV Localization Using Autoencoded Satellite Images
• Title（参考訳）: 自動符号化衛星画像を用いたUAVローカライゼーション
• Authors: Mollie Bianchi and Timothy D. Barfoot
• Abstract要約: 無人航空機(UAV)のローカライズに衛星画像を用いる高速でロバストな手法の提案と実演を行う。 本研究では,所望の飛行経路をオフラインにするためにGoogle Earth(GE)画像を収集し,これらの画像を低次元ベクトル表現に圧縮するオートエンコーダを訓練する。 我々は、1日の照明条件にまたがる6回のランのUAV画像と、衛星画像の同じ地図とをしっかり一致させた。
• 参考スコア（独自算出の注目度）: 14.39926267531322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose and demonstrate a fast, robust method for using satellite images to localize an Unmanned Aerial Vehicle (UAV). Previous work using satellite images has large storage and computation costs and is unable to run in real time. In this work, we collect Google Earth (GE) images for a desired flight path offline and an autoencoder is trained to compress these images to a low-dimensional vector representation while retaining the key features. This trained autoencoder is used to compress a real UAV image, which is then compared to the precollected, nearby, autoencoded GE images using an inner-product kernel. This results in a distribution of weights over the corresponding GE image poses and is used to generate a single localization and associated covariance to represent uncertainty. Our localization is computed in 1% of the time of the current standard and is able to achieve a comparable RMSE of less than 3m in our experiments, where we robustly matched UAV images from six runs spanning the lighting conditions of a single day to the same map of satellite images.
• Abstract（参考訳）: 本研究では,無人航空機(UAV)のローカライズに衛星画像を用いる高速でロバストな手法を提案し,実証する。 衛星画像を用いたこれまでの作業は、ストレージと計算コストが大きく、リアルタイムに実行できない。 本研究では,所望の飛行経路に対してgoogle earth (ge) イメージをオフラインで収集し,これらの画像を低次元ベクトル表現に圧縮するようにオートエンコーダを訓練した。 このトレーニングされたオートエンコーダは、実際のUAVイメージを圧縮するために使用され、その後、内積カーネルを使用して、事前にコンパイルされた、近くの自動エンコーダGEイメージと比較される。 これは、対応するGE画像上の重みの分布をもたらし、不確実性を表す単一の局在化および関連する共分散を生成するために使用されます。 当社のローカライゼーションは現在の標準時の1%で計算され、実験で比較可能なrmseは3m未満で、1日当たりの照明条件から同じ衛星画像の地図まで、6回の走行でロバストに一致した。

関連論文リスト

• COSMIC: Compress Satellite Images Efficiently via Diffusion Compensation [18.963383434754515]
  衛星画像の送信を行うための簡易かつ効果的な圧縮ソリューションであるCOSMICを提案する。 まず,衛星間リンクを保存するために,高圧縮率を実現するために,衛星上に軽量エンコーダを設計する。 そこで,地上での再構成のために,デコード時に画像の詳細を補償する拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-10-02T16:05:15Z)
• Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
  クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。 実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
  論文  参考訳（メタデータ） (2024-09-25T13:33:28Z)
• UAV-VisLoc: A Large-scale Dataset for UAV Visual Localization [20.37586403749362]
  大規模なUAV-VisLocデータセットを提示し、UAV視覚的ローカライゼーション作業を容易にする。 われわれのデータセットには6,742枚のドローン画像と11個の衛星マップが含まれており、緯度、経度、高度、捕獲日などのメタデータがある。
  論文  参考訳（メタデータ） (2024-05-20T10:24:10Z)
• DiffusionSat: A Generative Foundation Model for Satellite Imagery [63.2807119794691]
  現在、DiffusionSatは、現在利用可能な大規模な高解像度リモートセンシングデータセットのコレクションに基づいてトレーニングされている、最大の生成基盤モデルである。 提案手法は, リアルタイムなサンプルを作成し, 時間生成, マルチスペクトル入力の超解像, インペイントなどの複数の生成課題を解くのに利用できる。
  論文  参考訳（メタデータ） (2023-12-06T16:53:17Z)
• Energy-Based Models for Cross-Modal Localization using Convolutional Transformers [52.27061799824835]
  GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。 本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。 我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
  論文  参考訳（メタデータ） (2023-06-06T21:27:08Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
  本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両の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。 本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
  論文  参考訳（メタデータ） (2022-07-27T13:16:39Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Real-time Geo-localization Using Satellite Imagery and Topography for Unmanned Aerial Vehicles [18.71806336611299]
  本稿では,UAV上の軽量組込みシステムにおいて,シーン変更と実用性に信頼性のあるフレームワークを提案する。 このフレームワークは、オフラインデータベースの準備とオンライン推論の2つのステージで構成されている。 2つの異なるUAVプラットフォーム上でのイメージベースローカライゼーションのフィールド実験を行い、その結果を検証した。
  論文  参考訳（メタデータ） (2021-08-07T01:47:19Z)
• OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles [62.997667081978825]
  OpenREALMは無人航空機(UAV)のリアルタイムマッピングフレームワークである 異なる操作モードにより、OpenREALMは近似平面場を仮定して単純な縫合を行うことができる。 すべてのモードにおいて、結果のマップの漸進的な進捗は、地上のオペレータによってライブで見ることができる。
  論文  参考訳（メタデータ） (2020-09-22T12:28:14Z)

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。