論文の概要: Probabilistic Visual Place Recognition for Hierarchical Localization
- arxiv url: http://arxiv.org/abs/2105.03091v1
- Date: Fri, 7 May 2021 07:39:14 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-10 18:49:59.628817
- Title: Probabilistic Visual Place Recognition for Hierarchical Localization
- Title（参考訳）: 階層的局所化のための確率的視覚位置認識
- Authors: Ming Xu, Niko S\"underhauf, Michael Milford
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 22.703331060822862
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual localization techniques often comprise a hierarchical localization
pipeline, with a visual place recognition module used as a coarse localizer to
initialize a pose refinement stage. While improving the pose refinement step
has been the focus of much recent research, most work on the coarse
localization stage has focused on improvements like increased invariance to
appearance change, without improving what can be loose error tolerances. In
this letter, we propose two methods which adapt image retrieval techniques used
for visual place recognition to the Bayesian state estimation formulation for
localization. We demonstrate significant improvements to the localization
accuracy of the coarse localization stage using our methods, whilst retaining
state-of-the-art performance under severe appearance change. Using extensive
experimentation on the Oxford RobotCar dataset, results show that our approach
outperforms comparable state-of-the-art methods in terms of precision-recall
performance for localizing image sequences. In addition, our proposed methods
provides the flexibility to contextually scale localization latency in order to
achieve these improvements. The improved initial localization estimate opens up
the possibility of both improved overall localization performance and modified
pose refinement techniques that leverage this improved spatial prior.
- Abstract（参考訳）: 視覚的ローカライゼーション技術は、しばしば階層的なローカライゼーションパイプラインを構成し、粗いローカライザとして視覚的位置認識モジュールを使用してポーズリファインメントステージを初期化する。
ポーズ改善ステップの改善は、最近の研究の焦点となっているが、粗いローカライズ段階におけるほとんどの作業は、外観変化へのばらつきの増加など、ゆるいエラー許容性を改善することなく改善に焦点を当てている。
本稿では,視覚位置認識に使用する画像検索手法を,局所化のためのベイズ状態推定定式化に適用する2つの手法を提案する。
本手法は, 外観変化が激しい場合, 品質を保ちつつ, 粗定位ステージの定位精度が著しく向上することを示す。
また,oxford robotcarデータセットを用いた広範囲な実験により,画像シーケンスのローカライズにおける精度・リコール性能の点で,同等の最先端手法よりも優れることを示した。
さらに,提案手法は,これらの改善を実現するために,局所化遅延を文脈的に拡張する柔軟性を提供する。
初期位置推定の改善は、全体的な位置決め性能の向上と、この改良された空間的プリエントを利用した修正されたポーズ修正技術の両方の可能性を開く。
関連論文リスト
- SplatLoc: 3D Gaussian Splatting-based Visual Localization for Augmented Reality [50.179377002092416]
より少ないパラメータで高品質なレンダリングが可能な効率的なビジュアルローカライズ手法を提案する。
提案手法は,最先端の暗黙的視覚的ローカライゼーションアプローチに対して,より優れた,あるいは同等なレンダリングとローカライゼーション性能を実現する。
論文 参考訳（メタデータ） (2024-09-21T08:46:16Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - ImPosIng: Implicit Pose Encoding for Efficient Camera Pose Estimation [2.6808541153140077]
暗黙の詩。
(ImPosing)はイメージとカメラのポーズを2つの別々のニューラルネットワークで共通の潜在表現に埋め込む。
階層的な方法で潜在空間を通して候補を評価することにより、カメラの位置と向きを直接回帰するのではなく、洗練する。
論文 参考訳（メタデータ） (2022-05-05T13:33:25Z) - Probabilistic Appearance-Invariant Topometric Localization with New
Place Awareness [23.615781318030454]
運動モデルにフル3dof odometryを組み込んで,状態推定フレームワーク内に"オフマップ"状態を追加する,新しいトポロジカルローカライゼーションシステムを提案する。
提案手法は,既存システムと改良型システムの両方に対して,大幅な性能向上を実現している。
論文 参考訳（メタデータ） (2021-07-16T05:01:40Z) - 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) - Domain-invariant Similarity Activation Map Contrastive Learning for
Retrieval-based Long-term Visual Localization [30.203072945001136]
本研究では,多領域画像変換による領域不変特徴抽出のために,確率論的に一般アーキテクチャを定式化する。
そして、より精密な局所化のために、新しい勾配重み付き類似性活性化写像損失(Grad-SAM)を組み込んだ。
CMUSeasonsデータセットにおける提案手法の有効性を検証するために大規模な実験が行われた。
我々の性能は、最先端のイメージベースのローカライゼーションベースラインを中あるいは高精度で上回るか、あるいは上回る。
論文 参考訳（メタデータ） (2020-09-16T14:43:22Z) - Domain Adaptation of Learned Features for Visual Localization [60.6817896667435]
日時,天気,季節などの変化条件下での視覚的局所化の問題に対処する。
近年の深層ニューラルネットワークに基づく学習された局所的特徴は、古典的な手作りの局所的特徴よりも優れた性能を示している。
ドメインギャップを減らすために、いくつかの例しか必要としない、斬新で実践的なアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-21T05:17:32Z) - Multi-View Optimization of Local Feature Geometry [70.18863787469805]
本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。
提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。
本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
論文 参考訳（メタデータ） (2020-03-18T17:22:11Z) - Features for Ground Texture Based Localization -- A Survey [12.160708336715489]
特徴量に基づく地盤テクスチャに基づく車両位置決めは,インフラストラクチャフリーな高精度な位置決めを実現する上で有望な手法である。
本研究は,画像ペアと合成変換を別々に行い,利用可能な特徴抽出手法を初めて広範囲に評価するものである。
我々は、AkaZE、SURF、CenSurEを最高のキーポイント検出器として同定し、CenSurEとORB、BRIEF、LATCHの特徴記述子をペアリングして、インクリメンタルなローカライゼーションで最大の成功率を達成する。
論文 参考訳（メタデータ） (2020-02-27T07:25:41Z) - Ground Texture Based Localization Using Compact Binary Descriptors [12.160708336715489]
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。
論文 参考訳（メタデータ） (2020-02-25T17:31:41Z)
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。