論文の概要: Deep Dense Local Feature Matching and Vehicle Removal for Indoor Visual Localization

• arxiv url: http://arxiv.org/abs/2205.12544v1
• Date: Wed, 25 May 2022 07:32:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-26 13:48:25.592184
• Title: Deep Dense Local Feature Matching and Vehicle Removal for Indoor Visual Localization
• Title（参考訳）: 室内視定位のための深部局所的特徴マッチングと車両除去
• Authors: Kyung Ho Park
• Abstract要約: 本研究では,屋内駐車場から収集した画像の中から,問合せの一致を頑健に把握する視覚的位置決めフレームワークを提案する。 我々は、人間の知覚に類似した深い局所的特徴マッチングを用いて、対応を見つける。 提案手法は86.9%の精度を達成し, 代替品よりも優れていた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual localization is an essential component of intelligent transportation systems, enabling broad applications that require understanding one's self location when other sensors are not available. It is mostly tackled by image retrieval such that the location of a query image is determined by its closest match in the previously collected images. Existing approaches focus on large scale localization where landmarks are helpful in finding the location. However, visual localization becomes challenging in small scale environments where objects are hardly recognizable. In this paper, we propose a visual localization framework that robustly finds the match for a query among the images collected from indoor parking lots. It is a challenging problem when the vehicles in the images share similar appearances and are frequently replaced such as parking lots. We propose to employ a deep dense local feature matching that resembles human perception to find correspondences and eliminating matches from vehicles automatically with a vehicle detector. The proposed solution is robust to the scenes with low textures and invariant to false matches caused by vehicles. We compare our framework with alternatives to validate our superiority on a benchmark dataset containing 267 pre-collected images and 99 query images taken from 34 sections of a parking lot. Our method achieves 86.9 percent accuracy, outperforming the alternatives.
• Abstract（参考訳）: 視覚的ローカライゼーションはインテリジェントトランスポートシステムにおいて不可欠なコンポーネントであり、他のセンサーが利用できないときに自己位置を理解する必要がある幅広いアプリケーションを可能にする。 クエリ画像の位置が、以前収集した画像の最も近いマッチングによって決定されるように、画像検索によって主に取り組まれる。 既存のアプローチでは、ランドマークが場所を見つけるのに役立つ大規模なローカライズに焦点を当てている。 しかしながら、オブジェクトが認識できない小規模環境では、視覚的なローカライゼーションが困難になる。 本稿では,屋内駐車場から収集した画像の中から,問合せのマッチングを頑健に見つける視覚的局所化フレームワークを提案する。 画像内の車両が類似した外観を共有し、駐車場などの交換が頻繁に行われる場合、これは難しい問題である。 本研究では,人間の知覚に類似した深い局所的特徴マッチングを用いて,車両検出装置による車両の一致を自動排除する。 提案手法は,低テクスチャ,車両による擬似一致に不変なシーンに対して堅牢である。 267の事前コンパイル画像と、駐車場の34のセクションから抽出した99のクエリ画像を含むベンチマークデータセットにおいて、我々のフレームワークを優位性を検証する代替手段と比較する。 提案手法は86.9%の精度を達成し, 代替品よりも優れている。

関連論文リスト

• Breaking the Frame: Visual Place Recognition by Overlap Prediction [53.17564423756082]
  本稿では,重なり合う予測に基づく新しい視覚的位置認識手法 VOP を提案する。 VOPは、Vision Transformerのバックボーンを使用してパッチレベルの埋め込みを取得することで、コビジュアブルなイメージセクションを進める。 提案手法では,データベース画像の重複点の評価に投票機構を用いる。
  論文  参考訳（メタデータ） (2024-06-23T20:00:20Z)
• 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)
• View-Invariant Localization using Semantic Objects in Changing Environments [42.552452681642364]
  本稿では,参照マップにおける車両のリアルタイムな位置決めと移動追跡のための新しいフレームワークを提案する。 中心となる考え方は、車両が観測した意味オブジェクトをマッピングし、対応するオブジェクトに参照マップに登録することである。
  論文  参考訳（メタデータ） (2022-09-28T21:26:38Z)
• Image-to-Image Translation for Autonomous Driving from Coarsely-Aligned Image Pairs [57.33431586417377]
  自動運転車は悪天候に対処して安全に運転できなければならない。 本稿では,センサ入力を悪条件で捕捉した入力を良質な入力に変換するという考え方について検討する。 我々は、粗い整列学習方式により、画像翻訳の質が向上し、下流タスクが改善されていることを示す。
  論文  参考訳（メタデータ） (2022-09-23T16:03:18Z)
• 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)
• 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)
• Localization of Autonomous Vehicles: Proof of Concept for A Computer Vision Approach [0.0]
  本稿では,複雑なハードウェアシステムやカメラがなくても動作する自律走行車(AV)の視覚的ローカライズ手法を提案する。 提案システムは,KITTIデータセットを用いてテストし,車両の最終的な位置を求める際に平均2mの精度を示した。
  論文  参考訳（メタデータ） (2021-04-06T21:09:47Z)
• What is the Best Grid-Map for Self-Driving Cars Localization? An Evaluation under Diverse Types of Illumination, Traffic, and Environment [10.64191129882262]
  自動運転車のローカライゼーションは、地図の更新、オブジェクトの追跡、計画など、いくつかのタスクに必要である。 複数のマップの維持・使用は計算コストがかかるため、各アプリケーションにどのマップが適切かを分析することが重要である。 本研究では, 占有率, 反射率, 色, セマンティックグリッドマップを用いて, 粒子フィルタの局所化の精度を比較することによって, その解析のためのデータを提供する。
  論文  参考訳（メタデータ） (2020-09-19T22:02:44Z)
• Geometrically Mappable Image Features [85.81073893916414]
  地図内のエージェントの視覚に基づくローカライゼーションは、ロボット工学とコンピュータビジョンにおいて重要な問題である。 本稿では,画像検索を対象とした画像特徴学習手法を提案する。
  論文  参考訳（メタデータ） (2020-03-21T15:36:38Z)

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。