論文の概要: Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image
Matching
- arxiv url: http://arxiv.org/abs/2203.14148v1
- Date: Sat, 26 Mar 2022 20:10:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-29 15:01:37.715656
- Title: Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image
Matching
- Title(参考訳): 地上-衛星画像マッチングによる高精度3DFカメラのジオローカライゼーション
- Authors: Yujiao Shi, Xin Yu, Liu Liu, Dylan Campbell, Piotr Koniusz, and
Hongdong Li
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 102.39635336450262
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address the problem of ground-to-satellite image geo-localization, that
is, estimating the camera latitude, longitude and orientation (azimuth angle)
by matching a query image captured at the ground level against a large-scale
database with geotagged satellite images. Our prior arts treat the above task
as pure image retrieval by selecting the most similar satellite reference image
matching the ground-level query image. However, such an approach often produces
coarse location estimates because the geotag of the retrieved satellite image
only corresponds to the image center while the ground camera can be located at
any point within the image. To further consolidate our prior research findings,
we present a novel geometry-aware geo-localization method. Our new method is
able to achieve the fine-grained location of a query image, up to pixel size
precision of the satellite image, once its coarse location and orientation have
been determined. Moreover, we propose a new geometry-aware image retrieval
pipeline to improve the coarse localization accuracy. Apart from a polar
transform in our conference work, this new pipeline also maps satellite image
pixels to the ground-level plane in the ground-view via a geometry-constrained
projective transform to emphasize informative regions, such as road structures,
for cross-view geo-localization. Extensive quantitative and qualitative
experiments demonstrate the effectiveness of our newly proposed framework. We
also significantly improve the performance of coarse localization results
compared to the state-of-the-art in terms of location recalls.
- Abstract(参考訳): 地上から衛星への画像のジオローカライゼーション、すなわちカメラの緯度、経度、方位(方位角)を地上で捉えた問合せ画像とジオタグ付き衛星画像の大規模データベースとのマッチングにより推定する問題に対処する。
我々の先行技術は、地上レベルのクエリ画像と一致する最も類似した衛星参照画像を選択することによって、上記のタスクを純粋な画像検索として扱う。
しかし、取得した衛星画像のジオタグが画像中心にのみ対応し、地上カメラは画像内の任意の地点に配置できるため、このようなアプローチはしばしば粗い位置推定を生成する。
従来の研究結果をさらに強化するために,新しいジオメトリー対応のジオローカライゼーション手法を提案する。
提案手法は,粗い位置と向きが決定されれば,衛星画像の画素サイズ精度まで,クエリ画像の細粒度位置を実現することができる。
さらに,粗視化精度を向上させるための新しい幾何認識画像検索パイプラインを提案する。
我々の会議における極変換とは別に、この新しいパイプラインは、地形に制約のある射影変換を用いて、地上の地上面に衛星画像の画素をマッピングし、道路構造などの情報領域を強調する。
大規模定量的および定性的実験により,本フレームワークの有効性が示された。
また,位置リコールに関して,最先端技術と比較して粗い局所化結果の性能を著しく向上させる。
関連論文リスト
- Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。
地上画像ごとに正の衛星画像と負の衛星画像を導き出す。
また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
論文 参考訳(メタデータ) (2024-09-10T12:57:16Z) - Geospecific View Generation -- Geometry-Context Aware High-resolution Ground View Inference from Satellite Views [5.146618378243241]
多視点衛星画像から弱い幾何学やテクスチャを最大限に尊重するジオ特殊ビューを生成するための新しいパイプラインを提案する。
本手法は,衛星画像からの包括的情報を用いて,位置の地上画像を直接予測する。
我々のパイプラインは、衛星画像のみに基づいて、実物に近い地上ビューを初めて生成したものであることを実証する。
論文 参考訳(メタデータ) (2024-07-10T21:51:50Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳(メタデータ) (2023-09-27T20:54:56Z) - 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) - Boosting 3-DoF Ground-to-Satellite Camera Localization Accuracy via
Geometry-Guided Cross-View Transformer [66.82008165644892]
地上レベルの画像と一致/検索衛星画像との相対的な回転と変換を推定することにより、地上カメラの位置と方向の精度を向上させる手法を提案する。
実験の結果,本手法は最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2023-07-16T11:52:27Z) - Cross-View Visual Geo-Localization for Outdoor Augmented Reality [11.214903134756888]
地上画像のクロスビューマッチングによる測地位置推定の課題をジオレファレンス衛星画像データベースに解決する。
本稿では,新しいトランスフォーマーニューラルネットワークモデルを提案する。
いくつかのベンチマーク・クロスビュー・ジオローカライズ・データセットの実験により、我々のモデルが最先端の性能を達成することを示す。
論文 参考訳(メタデータ) (2023-03-28T01:58:03Z) - 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) - 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) - 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。