論文の概要: Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings

• arxiv url: http://arxiv.org/abs/2207.14042v1
• Date: Thu, 28 Jul 2022 12:29:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-29 12:50:41.887891
• Title: Robust Self-Tuning Data Association for Geo-Referencing Using Lane Markings
• Title（参考訳）: レーンマーキングを用いた地理参照のためのロバストなセルフチューニングデータアソシエーション
• Authors: Miguel \'Angel Mu\~noz-Ba\~n\'on, Jan-Hendrik Pauls, Haohao Hu, Christoph Stiller, Francisco A. Candelas, and Fernando Torres
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 54.298482823211806
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Localization in aerial imagery-based maps offers many advantages, such as global consistency, geo-referenced maps, and the availability of publicly accessible data. However, the landmarks that can be observed from both aerial imagery and on-board sensors is limited. This leads to ambiguities or aliasing during the data association. Building upon a highly informative representation (that allows efficient data association), this paper presents a complete pipeline for resolving these ambiguities. Its core is a robust self-tuning data association that adapts the search area depending on the entropy of the measurements. Additionally, to smooth the final result, we adjust the information matrix for the associated data as a function of the relative transform produced by the data association process. We evaluate our method on real data from urban and rural scenarios around the city of Karlsruhe in Germany. We compare state-of-the-art outlier mitigation methods with our self-tuning approach, demonstrating a considerable improvement, especially for outer-urban scenarios.
• Abstract（参考訳）: 航空画像に基づく地図のローカライゼーションは、グローバルな一貫性、ジオリファレンスマップ、パブリックアクセス可能なデータなど、多くの利点がある。 しかし、空中画像と搭載センサーの両方から観測できるランドマークは限られている。 これはデータアソシエーションにおける曖昧さやエイリアスにつながる。 本稿では,高情報化表現(効率的なデータアソシエーションを可能にする)に基づいて,これらの曖昧性を解決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。 さらに、最終結果を円滑にするために、関連データの情報行列を、データ関連付けプロセスによって生成された相対変換の関数として調整する。 本研究は,ドイツのカールスルーエ市周辺の都市と農村のシナリオから,実データに対する評価を行う。 我々は,最先端の異常軽減手法と自己調整手法を比較し,特に都市外シナリオにおいて大幅に改善したことを示す。

関連論文リスト

• Reconsidering utility: unveiling the limitations of synthetic mobility data generation algorithms in real-life scenarios [49.1574468325115]
  実世界の応用性の観点から,5つの最先端合成手法の有用性を評価した。 我々は、GPS追跡タクシーのような細粒度都市の動きを符号化するいわゆる旅行データに焦点を当てる。 あるモデルは妥当な時間内にデータを生成することができず、別のモデルはマップマッチングの要件を満たすためにあまりに多くのジャンプを生成する。
  論文  参考訳（メタデータ） (2024-07-03T16:08:05Z)
• Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
  画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。 本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。 この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
  論文  参考訳（メタデータ） (2023-09-19T10:57:53Z)
• Trust your Good Friends: Source-free Domain Adaptation by Reciprocal Neighborhood Clustering [50.46892302138662]
  我々は、ソースデータがない場合に、ソース事前学習されたモデルをターゲット領域に適応させる、ソースフリー領域適応問題に対処する。 提案手法は,ソースドメイン分類器と一致しない可能性のあるターゲットデータが,依然として明確なクラスタを形成しているという観測に基づいている。 本研究では, この地域構造を, 地域住民, 相互隣人, 及び拡張近所を考慮し, 効率的に把握できることを実証する。
  論文  参考訳（メタデータ） (2023-09-01T15:31:18Z)
• Reconstructing Spatiotemporal Data with C-VAEs [49.1574468325115]
  移動領域の条件付き連続表現は一般的に用いられる。 本研究では,条件変数自動エンコーダ(C-VAE)モデルを用いて,領域の進化を現実的に表現する機能について検討する。
  論文  参考訳（メタデータ） (2023-07-12T15:34:10Z)
• Deep residential representations: Using unsupervised learning to unlock elevation data for geo-demographic prediction [0.0]
  LiDAR技術は、都市景観と農村景観の詳細な3次元標高マップを提供するために利用することができる。 現在まで、空中LiDAR画像は、主に環境と考古学の領域に限られている。 我々は、このデータの適合性は、独自のだけでなく、人口統計学的特徴と組み合わせたデータの源でもあると考え、埋め込みの現実的なユースケースを提供する。
  論文  参考訳（メタデータ） (2021-12-02T17:10:52Z)
• GANmapper: geographical content filling [0.0]
  本稿では,GAN(Generative Adversarial Network)を用いた空間データ生成手法を提案する。 当社のコントリビューションでは、粗大で広く利用可能な地理空間データを使用して、構築された環境のより細かいスケールで、あまり利用できない機能のマップを作成しています。 我々は、土地利用データと道路ネットワークを入力として、建物のフットプリントを生成し、世界中の9都市で実験を行う。
  論文  参考訳（メタデータ） (2021-08-07T05:50:54Z)
• Attention-based Vehicle Self-Localization with HD Feature Maps [13.368212933272238]
  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。
  論文  参考訳（メタデータ） (2021-07-16T09:25:25Z)
• Interpretable Locally Adaptive Nearest Neighbors [8.052709336750821]
  そこで我々は,局所的に適応的なメトリクスを学習する手法を開発した。 これらのローカルメトリクスはパフォーマンスを向上するだけでなく、自然に解釈できる。 合成データセットについて多数の実験を行い、実世界のベンチマークデータセットにその有用性を示す。
  論文  参考訳（メタデータ） (2020-11-08T05:27:50Z)
• Unsupervised Metric Relocalization Using Transform Consistency Loss [66.19479868638925]
  メートル法再ローカライズを行うためのトレーニングネットワークは、従来、正確な画像対応が必要である。 地図内のクエリ画像のローカライズは、登録に使用される参照画像に関係なく、同じ絶対的なポーズを与えるべきである。 提案手法は, 限られた地下構造情報が得られる場合に, 他の教師あり手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-01T19:24:27Z)
• Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
  以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。 非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。 本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T04:41:40Z)

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。