論文の概要: Attention-based Vehicle Self-Localization with HD Feature Maps
- arxiv url: http://arxiv.org/abs/2107.07787v1
- Date: Fri, 16 Jul 2021 09:25:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 14:33:04.637254
- Title: Attention-based Vehicle Self-Localization with HD Feature Maps
- Title(参考訳): HD特徴マップを用いた注意に基づく自動車の自己ローカライゼーション
- Authors: Nico Engel, Vasileios Belagiannis and Klaus Dietmayer
- Abstract要約: 本稿では,ポイントベースディープニューラルネットワークを用いた車両の自己局在化手法を提案する。
我々のアプローチは、車両の姿勢を推測するために、高解像度のデジタルマップからランドマーク(ランドマーク)の測定と点特徴を処理します。
- 参考スコア(独自算出の注目度): 13.368212933272238
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a vehicle self-localization method using point-based deep neural
networks. Our approach processes measurements and point features, i.e.
landmarks, from a high-definition digital map to infer the vehicle's pose. To
learn the best association and incorporate local information between the point
sets, we propose an attention mechanism that matches the measurements to the
corresponding landmarks. Finally, we use this representation for the
point-cloud registration and the subsequent pose regression task. Furthermore,
we introduce a training simulation framework that artificially generates
measurements and landmarks to facilitate the deployment process and reduce the
cost of creating extensive datasets from real-world data. We evaluate our
method on our dataset, as well as an adapted version of the Kitti odometry
dataset, where we achieve superior performance compared to related approaches;
and additionally show dominant generalization capabilities.
- Abstract(参考訳): 本稿では,ポイントベース深層ニューラルネットワークを用いた車両の自己局所化手法を提案する。
我々のアプローチは測定と点の特徴、すなわち
高解像度のデジタルマップから車両のポーズを推測するランドマーク。
最良関連を学習し,各点集合間の局所情報を組み込むため,測定値と対応するランドマークとを一致させるアテンション機構を提案する。
最後に、この表現をポイントクラウド登録とその後のポーズ回帰タスクに使用します。
さらに,実世界のデータから膨大なデータセットを作成するコストを削減し,デプロイメントプロセスを容易にするための計測値とランドマークを人工的に生成するトレーニングシミュレーションフレームワークを提案する。
我々は,本手法をデータセット上で評価し,Kitti odometry データセットの適応版として,関連するアプローチと比較して優れた性能を実現し,また,支配的な一般化能力を示す。
関連論文リスト
- Self-supervised Landmark Learning with Deformation Reconstruction and
Cross-subject Consistency Objectives [19.607668635077502]
ポイント分布モデル(PDM)の登録モデルからランドマーク点を抽出する自己教師型アプローチを提案する。
複雑な変形を持つデータは、限られた数の点のみを用いて影響のあるランドマークポイントを抽出する場合に、ポイントベース登録で容易にモデル化できないと我々は主張する。
論文 参考訳(メタデータ) (2023-08-09T14:40:51Z) - SEM-GAT: Explainable Semantic Pose Estimation using Learned Graph
Attention [10.883346969896621]
本稿では,信頼度の高いポイントクラウド登録候補の識別を導くために,意味論と局所幾何学を利用したグラフニューラルネットワーク(GNN)に基づく手法を提案する。
環境のセマンティックおよび形態学的特徴は、登録のための重要な基準点として機能し、正確なライダーベースのポーズ推定を可能にする。
提案手法をKITTIオドメトリデータセット上でテストし,ベンチマーク手法と比較して競合精度が向上し,より少ないネットワークパラメータに依存しながら,トラックのスムーズさが向上した。
論文 参考訳(メタデータ) (2023-08-07T16:43:46Z) - Shape Preserving Facial Landmarks with Graph Attention Networks [3.996275177789895]
本稿では,CNN と Graph Attention Network Regressors のカスケードを組み合わせたモデルを提案する。
顔のランドマークの外観と位置を共同で表現するエンコーディングと、その信頼性に応じて情報を測定するアテンション機構を導入する。
実験により,提案モデルが顔の構造のグローバルな表現を学習し,頭部ポーズとランドマーク推定のベンチマークで最高性能を達成できることが確認された。
論文 参考訳(メタデータ) (2022-10-13T17:58:02Z) - 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) - Robust Self-Tuning Data Association for Geo-Referencing Using Lane
Markings [54.298482823211806]
本稿では,データアソシエーションにおけるあいまいさを解消するための完全なパイプラインを提案する。
その中核は、測定のエントロピーに応じて探索領域に適応する堅牢な自己調整データアソシエーションである。
ドイツ・カールスルーエ市周辺の都市・農村のシナリオを実データとして評価した。
論文 参考訳(メタデータ) (2022-07-28T12:29:39Z) - HighlightMe: Detecting Highlights from Human-Centric Videos [62.265410865423]
我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。
本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。
我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4~12%向上したことを観察した。
論文 参考訳(メタデータ) (2021-10-05T01:18:15Z) - SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine
Reconstruction with Self-Projection Optimization [52.20602782690776]
実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。
本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。
本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
論文 参考訳(メタデータ) (2020-12-08T14:14:09Z) - LABNet: Local Graph Aggregation Network with Class Balanced Loss for
Vehicle Re-Identification [0.0]
車両再識別は、特定の車両を特定することを目的としている重要なコンピュータビジョンタスクである。
深層学習に基づく最近の手法は,背骨特徴抽出器のグローバル平均プール層を利用する。
バックボーン特徴マップ上で局所グラフの集約を行い,局所情報の関連性を学習する。
論文 参考訳(メタデータ) (2020-11-29T18:43:30Z) - Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。
本稿では,従来のアプローチのさらなる発展について述べる。
複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
論文 参考訳(メタデータ) (2020-08-09T09:26:30Z) - InfoFocus: 3D Object Detection for Autonomous Driving with Dynamic
Information Modeling [65.47126868838836]
動的情報モデリングを用いた新しい3次元オブジェクト検出フレームワークを提案する。
粗い予測は、ボクセルベースの領域提案ネットワークを介して第1段階で生成される。
大規模なnuScenes 3D検出ベンチマークで実験を行った。
論文 参考訳(メタデータ) (2020-07-16T18:27:08Z)
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。