論文の概要: Semantic Image Alignment for Vehicle Localization
- arxiv url: http://arxiv.org/abs/2110.04162v1
- Date: Fri, 8 Oct 2021 14:40:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-11 16:28:17.538122
- Title: Semantic Image Alignment for Vehicle Localization
- Title(参考訳): 車両位置推定のためのセマンティック画像アライメント
- Authors: Markus Herb, Matthias Lemberger, Marcel M. Schmitt, Alexander Kurz,
Tobias Weiherer, Nassir Navab, Federico Tombari
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 111.59616433224662
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate and reliable localization is a fundamental requirement for
autonomous vehicles to use map information in higher-level tasks such as
navigation or planning. In this paper, we present a novel approach to vehicle
localization in dense semantic maps, including vectorized high-definition maps
or 3D meshes, using semantic segmentation from a monocular camera. We formulate
the localization task as a direct image alignment problem on semantic images,
which allows our approach to robustly track the vehicle pose in semantically
labeled maps by aligning virtual camera views rendered from the map to
sequences of semantically segmented camera images. In contrast to existing
visual localization approaches, the system does not require additional keypoint
features, handcrafted localization landmark extractors or expensive LiDAR
sensors. We demonstrate the wide applicability of our method on a diverse set
of semantic mesh maps generated from stereo or LiDAR as well as manually
annotated HD maps and show that it achieves reliable and accurate localization
in real-time.
- Abstract(参考訳): 高精度で信頼性の高いローカライゼーションは、自動運転車がナビゲーションや計画といった高度なタスクでマップ情報を使用するための基本的な要件である。
本稿では,一眼レフカメラのセマンティックセマンティックセマンティックセマンティクスを用いて,ベクトル化高精細地図や3次元メッシュなどの密集セマンティクスマップにおける車両位置決め手法を提案する。
本手法では,地図から描画された仮想カメラビューを意味的に区分けされたカメラ画像のシーケンスに整列させることで,セマンティックなラベル付き地図における車両のポーズを頑健に追跡することができる。
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。
ステレオやLiDARから生成される多種多様なセマンティックメッシュマップと手動の注釈付きHDマップに本手法の適用性を示し,リアルタイムに信頼性と正確な位置推定を実現することを示す。
関連論文リスト
- Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳(メタデータ) (2024-10-10T10:10:03Z) - Mapping High-level Semantic Regions in Indoor Environments without
Object Recognition [50.624970503498226]
本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。
地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。
グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
論文 参考訳(メタデータ) (2024-03-11T18:09:50Z) - EmerDiff: Emerging Pixel-level Semantic Knowledge in Diffusion Models [52.3015009878545]
我々は、追加の訓練をすることなく、きめ細かなセグメンテーションマップを生成できる画像セグメンタを開発した。
低次元特徴写像の空間的位置と画像画素間の意味的対応を同定する。
大規模な実験では、生成したセグメンテーションマップがよく説明され、画像の細部を捉えることが示されている。
論文 参考訳(メタデータ) (2024-01-22T07:34:06Z) - Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。
我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文 参考訳(メタデータ) (2022-11-15T13:52:41Z) - Sparse Semantic Map-Based Monocular Localization in Traffic Scenes Using
Learned 2D-3D Point-Line Correspondences [29.419138863851526]
クエリー画像が与えられた場合、カメラのポーズが先行マップに対応すると見積もることが目的である。
既存のアプローチは、登録問題を解決するために、機能レベルでの高密度な点記述子に大きく依存している。
本稿では,よく設計されたディープニューラルネットワークを用いて2D-3D登録を行う,スパースセマンティックマップに基づく単眼位置推定法を提案する。
論文 参考訳(メタデータ) (2022-10-10T10:29:07Z) - A Survey on Visual Map Localization Using LiDARs and Cameras [0.0]
視覚マップのローカライゼーションを2段階プロセスとして定義する。
位置認識の段階では、視覚センサ出力とジオタグ付き地図領域の集合とを比較して、地図内の車両の初期位置を決定する。
地図距離定位の段階では、車両が地図を横切りながら追跡され、視界センサの出力と現在の地図の面積を連続的に調整する。
論文 参考訳(メタデータ) (2022-08-05T20:11:18Z) - 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) - Coarse-to-fine Semantic Localization with HD Map for Autonomous Driving
in Structural Scenes [1.1024591739346292]
カメラを主センサとする自動運転のためのHDマップを用いたコスト効率の高い車両位置決めシステムを提案する。
視覚的セマンティクスをHDマップのランドマークにマップするデータアソシエーション問題として視覚に基づくローカライゼーションを定式化する。
本手法を2つのデータセット上で評価し,提案手法が異なる運転シナリオにおいて有望なローカライゼーション結果をもたらすことを示す。
論文 参考訳(メタデータ) (2021-07-06T11:58:55Z)
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。