論文の概要: Aerial Map-Based Navigation Using Semantic Segmentation and Pattern Matching

• arxiv url: http://arxiv.org/abs/2107.00689v1
• Date: Thu, 1 Jul 2021 18:31:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-05 12:45:20.232172
• Title: Aerial Map-Based Navigation Using Semantic Segmentation and Pattern Matching
• Title（参考訳）: 意味セグメンテーションとパターンマッチングを用いた航空地図に基づくナビゲーション
• Authors: Youngjoo Kim
• Abstract要約: 提案システムは,画像と地図データベース間の画像と画像のマッチングではなく,ラベルとラベルのマッチングを試みる。 高レベルの特徴を抽出するツールとしてディープラーニング技術を用いることで、画像ベースのローカライゼーション問題をパターンマッチング問題に還元する。
• 参考スコア（独自算出の注目度）: 1.6244541005112747
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper proposes a novel approach to map-based navigation system for unmanned aircraft. The proposed system attempts label-to-label matching, not image-to-image matching between aerial images and a map database. By using semantic segmentation, the ground objects are labelled and the configuration of the objects is used to find the corresponding location in the map database. The use of the deep learning technique as a tool for extracting high-level features reduces the image-based localization problem to a pattern matching problem. This paper proposes a pattern matching algorithm which does not require altitude information or a camera model to estimate the absolute horizontal position. The feasibility analysis with simulated images shows the proposed map-based navigation can be realized with the proposed pattern matching algorithm and it is able to provide positions given the labelled objects.
• Abstract（参考訳）: 本稿では,無人航空機の地図ナビゲーションシステムに対する新しいアプローチを提案する。 提案システムは,画像と地図データベースとのラベル間マッチングではなく,ラベル間マッチングを試みる。 セマンティクスセグメンテーションを使用することで、グランドオブジェクトはラベル付けされ、マップデータベース内の対応する場所を見つけるためにオブジェクトの構成が使用される。 ディープラーニング手法を高レベル特徴抽出ツールとして用いることにより,画像に基づく局所化問題をパターンマッチング問題に還元する。 本稿では,絶対水平位置を推定するための高度情報やカメラモデルを必要としないパターンマッチングアルゴリズムを提案する。 シミュレーション画像を用いた実現可能性解析により,提案したパターンマッチングアルゴリズムを用いて地図ベースのナビゲーションを実現することができ,ラベル付きオブジェクトの位置を指定できることを示す。

関連論文リスト

• Image Matching Filtering and Refinement by Planes and Beyond [8.184339776177486]
  本稿では,画像マッチングにおけるスパース対応のフィルタリングと精細化のためのモジュール型非深度学習手法を提案する。 提案手法は, 標準データセットと画像マッチングパイプラインで広く評価され, 最先端のアプローチと比較される。 実験の結果,提案した非深層学習の幾何学的アプローチは,最近の最先端のディープラーニング手法に匹敵する,あるいは同等な性能を達成できることが示された。
  論文  参考訳（メタデータ） (2024-11-14T14:37:50Z)
• Tightly-Coupled, Speed-aided Monocular Visual-Inertial Localization in Topological Map [0.7373617024876725]
  本稿では,トポロジカルマップを用いた車両速度支援単眼視覚慣性位置推定のための新しいアルゴリズムを提案する。 提案システムは、GPSやLiDARのような高価なセンサーに大きく依存する既存の手法の限界に対処することを目的としている。
  論文  参考訳（メタデータ） (2024-11-08T11:55:27Z)
• DisPlacing Objects: Improving Dynamic Vehicle Detection via Visual Place Recognition under Adverse Conditions [29.828201168816243]
  本研究では,3次元マップを必要とせずに,シーン内の動的物体の検出を支援するために,先行マップを活用できるかどうかを検討する。 提案手法は,対象物検出の初期セットを洗練し,事前マップを用いて高精度な検出のサブセットを生成するアルゴリズムである。
  論文  参考訳（メタデータ） (2023-06-30T10:46:51Z)
• Few-Shot Rotation-Invariant Aerial Image Semantic Segmentation [53.47160182465171]
  空中画像のセグメンテーションは、クエリーされた空中画像のオブジェクトを正確に解析する難しい作業である。 著者らは,FRINet(FriNet)の新規な数発回転不変空中セマンティックセマンティックセグメンテーションネットワークを提案する。 実験により、FRINetは数発の空中セマンティックセグメンテーションベンチマークで最先端の性能を達成することが示された。
  論文  参考訳（メタデータ） (2023-05-29T09:28:34Z)
• Location-Aware Self-Supervised Transformers [74.76585889813207]
  画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。 参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。 実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-12-05T16:24:29Z)
• 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)
• Semantic Image Alignment for Vehicle Localization [111.59616433224662]
  単眼カメラからのセマンティックセグメンテーションを用いた高密度セマンティックマップにおける車両位置推定手法を提案する。 既存の視覚的ローカライゼーションアプローチとは対照的に、システムは追加のキーポイント機能、手作りのローカライゼーションランドマーク抽出器、高価なLiDARセンサーを必要としない。
  論文  参考訳（メタデータ） (2021-10-08T14:40:15Z)
• Compositional Sketch Search [91.84489055347585]
  フリーハンドスケッチを用いて画像コレクションを検索するアルゴリズムを提案する。 シーン構成全体を特定するための簡潔で直感的な表現として描画を利用する。
  論文  参考訳（メタデータ） (2021-06-15T09:38:09Z)
• Image Retrieval for Structure-from-Motion via Graph Convolutional Network [13.040952255039702]
  本稿では,グラフ畳み込みネットワーク(GCN)に基づく新しい検索手法を提案する。 問合せ画像を取り巻くサブグラフを入力データとして構築することにより、問合せ画像と重なり合う領域を持つか否かを学習可能なGCNを採用する。 実験により,本手法は高度にあいまいで重複したシーンの挑戦的データセットにおいて,極めて優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2020-09-17T04:03:51Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。