論文の概要: Error Propagation in Satellite Multi-image Geometry
- arxiv url: http://arxiv.org/abs/2104.04843v1
- Date: Sat, 10 Apr 2021 19:16:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-15 08:10:29.708226
- Title: Error Propagation in Satellite Multi-image Geometry
- Title（参考訳）: 衛星マルチイメージ幾何における誤差伝播
- Authors: Joseph L Mundy and Hank Theiss
- Abstract要約: 表面幾何の不確かさは、表面の絶対位置に影響する大域的誤差と、表面点から表面点へ変化する局所的誤差の2つの空間的成分に分けられる。
グローバルエラー成分は、主に画像収集中の衛星の位置と向き(目的)の不確かさによって、衛星画像プロセスの不正確さによって引き起こされる。
また,DSM表面における局所誤差の予測手法についても述べる。
- 参考スコア（独自算出の注目度）: 0.533024001730262
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper describes an investigation of the source of geospatial error in
digital surface models (DSMs) constructed from multiple satellite images. In
this study the uncertainty in surface geometry is separated into two spatial
components; global error that affects the absolute position of the surface, and
local error that varies from surface point to surface point. The global error
component is caused by inaccuracy in the satellite imaging process, mainly due
to uncertainty in the satellite position and orientation (pose) during image
collection. A key result of the investigation is a new algorithm for
determining the absolute geoposition of the DSM that takes into account the
pose covariance of each satellite during image collection. This covariance
information is used to weigh the evidence from each image in the computation of
the global position of the DSM. The use of covariance information significantly
decreases the overall uncertainty in global position. The paper also describes
an approach to the prediction of local error in the DSM surface. The observed
variance in surface position within a single stereo surface reconstruction
defines the local horizontal error. The variance in the fused set of elevations
from multiple stereo pairs at a single DSM location defines the local vertical
error. These accuracy predictions are compared to ground truth provided by
LiDAR scans of the same geographic region of interest.
- Abstract（参考訳）: 本稿では,複数の衛星画像から構築したデジタル表面モデル(DSM)における地理空間誤差の源泉について述べる。
本研究では、表面形状の不確かさを、表面の絶対位置に影響する大域的誤差と、表面点から表面点へ変化する局所的誤差の2つの空間的成分に分離する。
グローバルエラー成分は、主に画像収集中の衛星の位置と向き(目的)の不確かさによって、衛星画像プロセスの不正確さによって引き起こされる。
この研究の鍵となる結果は、画像収集中の各衛星のポーズ共分散を考慮したdsmの絶対位置を決定する新しいアルゴリズムである。
この共分散情報は、dsmのグローバル位置の計算における各画像からの証拠を測定するために使用される。
共分散情報の利用は、グローバル位置における全体的な不確実性を大幅に減少させる。
また,DSM表面における局所誤差の予測手法についても述べる。
単一ステレオ表面再構成における表面位置の観測値のばらつきは、局所水平誤差を定義する。
単一のdsm位置における複数のステレオペアからの上昇の融合セットの分散は、局所的な垂直誤差を定義する。
これらの精度予測は、同じ地理的領域のLiDARスキャンによって提供される真実と比較される。
関連論文リスト
- Enhancing Worldwide Image Geolocation by Ensembling Satellite-Based Ground-Level Attribute Predictors [4.415977307120618]
本稿では,GPSなどの位置情報が存在しない場合の地上画像の位置を推定することの課題について検討する。
本稿では,推定位置分布の精度を計測する新しい指標であるリコール対エリア(Recall vs Area)を紹介する。
次に,複数の情報源からの情報を組み込んだグローバルな画像位置決め手法について検討する。
論文 参考訳（メタデータ） (2024-07-18T19:15:52Z) - Fine-Grained Cross-View Geo-Localization Using a Correlation-Aware
Homography Estimator [12.415973198004169]
そこで我々は, 微粒なクロスビューなジオローカライゼーションの新たなアプローチを提案する。
提案手法は,同じ領域をカバーするGPSタグ付き衛星画像と,歪んだ地上画像とを一致させる。
提案手法は30FPSの速度で動作し,最先端技術より優れる。
論文 参考訳（メタデータ） (2023-08-31T17:59:24Z) - Visual Cross-View Metric Localization with Dense Uncertainty Estimates [11.76638109321532]
本研究は、屋外ロボティクスにおける視覚的クロスビューメトリックローカライゼーションに対処する。
地上レベルのカラー画像と局地的な環境を含む衛星パッチが与えられた場合、衛星パッチ内の地上カメラの位置を特定することが課題である。
我々は、より高密度な衛星記述子、ボトルネックにおける類似性マッチング、およびマルチモーダルなローカライゼーションの曖昧さを捉えるための出力としての密度空間分布を備えた新しいネットワークアーキテクチャを考案した。
論文 参考訳（メタデータ） (2022-08-17T20:12:23Z) - Activation Regression for Continuous Domain Generalization with
Applications to Crop Classification [48.795866501365694]
衛星画像の地理的変異は、機械学習モデルが新しい領域に一般化する能力に影響を与える。
中分解能ランドサット8衛星画像の地理的一般化を連続領域適応問題としてモデル化する。
我々は,アメリカ大陸全域に空間分布するデータセットを開発した。
論文 参考訳（メタデータ） (2022-04-14T15:41:39Z) - 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) - Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image
Matching [102.39635336450262]
地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。
我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
論文 参考訳（メタデータ） (2022-03-26T20:10:38Z) - Do Not Escape From the Manifold: Discovering the Local Coordinates on
the Latent Space of GANs [7.443321740418409]
本稿では,GAN(Generative Adversarial Networks)の中間潜伏空間上での局所幾何学的軌道方向を求める手法を提案する。
潜在空間の内在的な間隔によって動機づけられた基礎は、部分ネットワークの微分の低ランク近似問題を解くことによって発見される。
論文 参考訳（メタデータ） (2021-06-13T10:29:42Z) - Low-Rank Subspaces in GANs [101.48350547067628]
この研究は、GAN生成をより正確に制御できる低ランクな部分空間を導入している。
LowRankGAN は属性多様体の低次元表現を見つけることができる。
さまざまなデータセットでトレーニングされた最先端のGANモデル(StyleGAN2やBigGANなど)の実験は、私たちのLowRankGANの有効性を示しています。
論文 参考訳（メタデータ） (2021-06-08T16:16:32Z) - LocalTrans: A Multiscale Local Transformer Network for Cross-Resolution
Homography Estimation [52.63874513999119]
クロスレゾリューション画像アライメントは、マルチスケールギガ撮影において重要な問題である。
既存のディープ・ホモグラフィー手法は、それらの間の対応の明示的な定式化を無視し、クロスレゾリューションの課題において精度が低下する。
本稿では,マルチモーダル入力間の対応性を明確に学習するために,マルチスケール構造内に埋め込まれたローカルトランスフォーマーネットワークを提案する。
論文 参考訳（メタデータ） (2021-06-08T02:51:45Z) - Surface Normal Estimation of Tilted Images via Spatial Rectifier [23.112310775824714]
既存のアプローチでは、重力整列画像を用いてトレーニングされたため、表面の正常を予測できる境界性能を示す。
この2つの仮説は,(1) 視覚的シーンレイアウトは重力方向の指標であり,(2) トレーニングデータの構造的分布から,すべての面が等しく学習された推定器で表されるわけではない,というものである。
傾斜画像の表面正規分布を重力分布に一致するものに変換する空間推定器を設計する。
論文 参考訳（メタデータ） (2020-07-17T22:22:34Z) - Where am I looking at? Joint Location and Orientation Estimation by
Cross-View Matching [95.64702426906466]
ジオタグ付き空中画像の大規模データベースを考えると、クロスビューなジオローカライゼーションは問題となる。
地上画像と空中画像の向きを知ることは、これらの2つのビュー間のあいまいさを著しく軽減することができる。
局所化時の横方向のアライメントを推定する動的類似マッチングネットワークを設計する。
論文 参考訳（メタデータ） (2020-05-08T05:21:16Z)
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。