論文の概要: Mosaic Zonotope Shadow Matching for Risk-Aware Autonomous Localization in Harsh Urban Environments

• arxiv url: http://arxiv.org/abs/2205.10223v1
• Date: Sat, 30 Apr 2022 21:01:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-06 09:07:37.904488
• Title: Mosaic Zonotope Shadow Matching for Risk-Aware Autonomous Localization in Harsh Urban Environments
• Title（参考訳）: モザイク型ゾノトープシャドウマッチングによる都市環境のリスクを考慮した自律的位置推定
• Authors: Daniel Neamati, Sriramya Bhamidipati and Grace Gao
• Abstract要約: グローバルナビゲーション衛星システム(GNSS)によるリスク対応都市ローカライゼーションは未解決の問題である。 分類器に依存しないポリトープモザイクアーキテクチャを用いたモザイクゾノトープシャドウマッチング(MZSM)を提案する。 サンフランシスコの3Dビルディングマップを用いて高忠実度シミュレーションを行い、アルゴリズムのリスク認識の改善を検証する。
• 参考スコア（独自算出の注目度）: 0.966840768820136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Risk-aware urban localization with the Global Navigation Satellite System (GNSS) remains an unsolved problem with frequent misdetection of the user's street or side of the street. Significant advances in 3D map-aided GNSS use grid-based GNSS shadow matching alongside AI-driven line-of-sight (LOS) classifiers and server-based processing to improve localization accuracy, especially in the cross-street direction. Our prior work introduces a new paradigm for shadow matching that proposes set-valued localization with computationally efficient zonotope set representations. While existing literature improved accuracy and efficiency, the current state of shadow matching theory does not address the needs of risk-aware autonomous systems. We extend our prior work to propose Mosaic Zonotope Shadow Matching (MZSM) that employs a classifier-agnostic polytope mosaic architecture to provide risk-awareness and certifiable guarantees on urban positioning. We formulate a recursively expanding binary tree that refines an initial location estimate with set operations into smaller polytopes. Together, the smaller polytopes form a mosaic. We weight the tree branches with the probability that the user is in line of sight of the satellite and expand the tree with each new satellite observation. Our method yields an exact shadow matching distribution from which we guarantee uncertainty bounds on the user localization. We perform high-fidelity simulations using a 3D building map of San Francisco to validate our algorithm's risk-aware improvements. We demonstrate that MZSM provides certifiable guarantees across varied data-driven LOS classifier accuracies and yields a more precise understanding of the uncertainty over existing methods. We validate that our tree-based construction is efficient and tractable, computing a mosaic from 14 satellites in 0.63 seconds and growing quadratically in the satellite number.
• Abstract（参考訳）: グローバルナビゲーション衛星システム (GNSS) によるリスク対応型都市ローカライゼーションは, 利用者の道路や道路脇の誤検知が頻繁に発生し, 未解決の問題となっている。 グリッドベースのGNSSシャドーマッチングとAI駆動のLOS(Line-of-sight)分類器とサーバベースの処理を使用して、特に交差点方向のローカライズ精度を向上させる。 我々の先行研究は、計算効率の良いzonotope集合表現を用いた集合値の局所化を提案するシャドーマッチングの新しいパラダイムを導入している。 既存の文献では精度と効率が向上しているが、現在のシャドウマッチング理論はリスク対応自律システムの必要性に対処していない。 我々は,リスク認識と都市位置認証の保証を提供するために分類器に依存しないポリトープモザイクアーキテクチャを用いたモザイク・ゾノトープシャドウマッチング(MZSM)を提案する。 再帰的に拡大する二分木を定式化し、初期位置推定を改良し、演算をより小さなポリトープに設定する。 より小さなポリトープはモザイクを形成する。 我々は、ユーザが衛星を視認する方向にある確率で木の枝を重み付け、新しい衛星観測ごとに木を広げる。 提案手法は,ユーザのローカライゼーションに対する不確実性境界を保証した,正確なシャドーマッチング分布を生成する。 サンフランシスコの3Dビルディングマップを用いて高忠実度シミュレーションを行い、アルゴリズムのリスク認識の改善を検証する。 MZSMは、様々なデータ駆動型LOS分類器の精度の保証を提供し、既存の手法に対する不確実性をより正確に理解する。 我々は、木ベースの構築が効率的で扱いやすいことを検証し、14個の衛星からのモザイクを0.03秒で計算し、衛星番号を2倍に増やす。

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)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• FRAME: A Modular Framework for Autonomous Map Merging: Advancements in the Field [12.247977717070773]
  本稿では,エゴセントリックなマルチロボット探査における3次元点雲マップの融合について述べる。 提案手法は、最先端の場所認識と学習記述子を利用して、地図間の重複を効率的に検出する。 提案手法の有効性は,ロボット探査の複数のフィールドミッションを通じて実証された。
  論文  参考訳（メタデータ） (2024-04-27T20:54:15Z)
• Landmark-based Localization using Stereo Vision and Deep Learning in GPS-Denied Battlefield Environment [1.19658449368018]
  本稿では、受動カメラセンサのみを用いた非GPS戦場環境におけるローカライズのための新しいフレームワークを提案する。 提案手法では,距離推定にカスタムキャリブレーションされたステレオカメラと,実世界のランドマーク認識のためのデータセットを用いて訓練および微調整を行うYOLOv8sモデルを用いる。 実験の結果,提案手法は既存のアンカーベースDV-Hopアルゴリズムよりも優れた性能を示し,ローカライゼーション誤差(RMSE)の点で最も効率的な視覚ベースアルゴリズムと競合することがわかった。
  論文  参考訳（メタデータ） (2024-02-19T21:20:56Z)
• HI-SLAM: Monocular Real-time Dense Mapping with Hybrid Implicit Fields [11.627951040865568]
  最近のニューラルマッピングフレームワークは有望な結果を示しているが、RGB-Dやポーズ入力に依存している。 我々のアプローチは、高密度SLAMとニューラル暗黙の場を統合する。 ニューラルネットワークの効率的な構築には,マルチレゾリューショングリッド符号化と符号付き距離関数を用いる。
  論文  参考訳（メタデータ） (2023-10-07T12:26:56Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• 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)
• Semi-signed neural fitting for surface reconstruction from unoriented point clouds [53.379712818791894]
  より優れた符号付き距離場を再構成するためのSN-Fittingを提案する。 SSNフィッティングは半署名の監督と損失に基づく領域サンプリング戦略で構成されている。 我々は,SSN-Fittingが,異なる設定下で最先端の性能を達成することを示す実験を行う。
  論文  参考訳（メタデータ） (2022-06-14T09:40:17Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)
• Reconfigurable Voxels: A New Representation for LiDAR-Based Point Clouds [76.52448276587707]
  本稿では,3次元点群から表現を構成する新しい手法であるReconfigurable Voxelsを提案する。 具体的には,各地区を一定数のボクセルで適応的にカバーするランダムウォーク方式を考案する。 この手法は,特に疎水領域において,ボクセル特性の安定性を効果的に向上することがわかった。
  論文  参考訳（メタデータ） (2020-04-06T15:07:16Z)

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。