論文の概要: CyberLoc: Towards Accurate Long-term Visual Localization
- arxiv url: http://arxiv.org/abs/2301.02403v1
- Date: Fri, 6 Jan 2023 06:49:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-09 23:40:48.244907
- Title: CyberLoc: Towards Accurate Long-term Visual Localization
- Title（参考訳）: cyberloc: 正確な長期視定位を目指して
- Authors: Liu Liu, Yukai Lin, Xiao Liang, Qichao Xu, Miao Jia, Yangdong Liu,
Yuxiang Wen, Wei Luo, Jiangwei Li
- Abstract要約: CyberLocは画像ベースの視覚的ローカライゼーションパイプラインで、困難な条件下での堅牢で正確な長期推定を行う。
マッピングモジュールを適用して、異なる条件下で複数のシーケンスが存在する場合、各参照シーケンスの1つのマップであるシーンの正確な3Dマップを構築する。
単一画像ベースのローカライゼーションパイプラインを実行し、クエリ画像毎に6-DoFカメラのポーズを推定する。
- 参考スコア（独自算出の注目度）: 14.883028430847714
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This technical report introduces CyberLoc, an image-based visual localization
pipeline for robust and accurate long-term pose estimation under challenging
conditions. The proposed method comprises four modules connected in a sequence.
First, a mapping module is applied to build accurate 3D maps of the scene, one
map for each reference sequence if there exist multiple reference sequences
under different conditions. Second, a single-image-based localization pipeline
(retrieval--matching--PnP) is performed to estimate 6-DoF camera poses for each
query image, one for each 3D map. Third, a consensus set maximization module is
proposed to filter out outlier 6-DoF camera poses, and outputs one 6-DoF camera
pose for a query. Finally, a robust pose refinement module is proposed to
optimize 6-DoF query poses, taking candidate global 6-DoF camera poses and
their corresponding global 2D-3D matches, sparse 2D-2D feature matches between
consecutive query images and SLAM poses of the query sequence as input.
Experiments on the 4seasons dataset show that our method achieves high accuracy
and robustness. In particular, our approach wins the localization challenge of
ECCV 2022 workshop on Map-based Localization for Autonomous Driving
(MLAD-ECCV2022).
- Abstract（参考訳）: 本報告では,課題条件下でロバストかつ高精度なポーズ推定を行うための画像ベースビジュアルローカライズパイプラインであるcyberlocを紹介する。
提案手法は4つのモジュールを連結して構成する。
まず、異なる条件下で複数の参照シーケンスが存在する場合、各参照シーケンスに対する1つのマップであるシーンの正確な3Dマップを構築するためにマッピングモジュールを適用する。
次に、単一の画像ベースのローカライゼーションパイプライン(retrieval--matching--PnP)を行い、クエリ画像毎に6-DoFカメラのポーズを3Dマップ毎に推定する。
第3に、6-DoFカメラのポーズをフィルタし、1つの6-DoFカメラのポーズをクエリに出力するコンセンサスセット最大化モジュールを提案する。
最後に、6-DoFのクエリポーズを最適化し、候補となるグローバルな6-DoFカメラポーズとその対応するグローバルな2D-3Dマッチング、連続的なクエリイメージとクエリシーケンスのSLAMポーズのスパース2D-2D特徴マッチングを入力として、ロバストなポーズ修正モジュールを提案する。
4シーズンデータセットを用いた実験により,本手法は高精度かつロバスト性が得られた。
特に,本手法は,地図を用いた自律運転用ローカライゼーション(MLAD-ECCV2022)に関するECCV 2022ワークショップのローカライゼーション課題に勝っている。
関連論文リスト
- Learning to Estimate 6DoF Pose from Limited Data: A Few-Shot,
Generalizable Approach using RGB Images [60.0898989456276]
本稿では,数ショットの6DoFポーズ推定のためのCas6Dという新しいフレームワークを提案する。
極めて少数の設定で対象物検出の偽陽性に対処するために,本フレームワークでは,自己教師付き事前学習型ViTを用いて,ロバストな特徴表現を学習する。
LINEMODとGenMOPデータセットの実験結果は、Cas6Dが32ショット設定で最先端の手法を9.2%、精度3.8%(Proj-5)で上回ることを示した。
論文 参考訳（メタデータ） (2023-06-13T07:45:42Z) - DPODv2: Dense Correspondence-Based 6 DoF Pose Estimation [24.770767430749288]
DPODv2(Dense Pose Object Detector)と呼ばれる3ステージ6DoFオブジェクト検出手法を提案する。
本研究では,2次元物体検出器と高密度対応推定ネットワークを組み合わせることで,フル6DFのポーズを推定する多視点ポーズ補正手法を提案する。
DPODv2は、使用済みのデータモダリティとトレーニングデータの種類によらず、高速でスケーラブルなまま、すべてのデータに対して優れた結果を得る。
論文 参考訳（メタデータ） (2022-07-06T16:48:56Z) - BiCo-Net: Regress Globally, Match Locally for Robust 6D Pose Estimation [32.49091033895255]
双方向対応マッピングネットワーク(BiCo-Net)は、典型的なポーズ回帰によって導かれる点雲を生成する。
局所的マッチングと直接ポーズ回帰による冗長なポーズ予測のアンサンブルは、ノイズ観測に対する最終的なポーズ出力をさらに洗練する。
論文 参考訳（メタデータ） (2022-05-07T03:37:33Z) - Coupled Iterative Refinement for 6D Multi-Object Pose Estimation [64.7198752089041]
既知の3DオブジェクトのセットとRGBまたはRGB-Dの入力画像から、各オブジェクトの6Dポーズを検出して推定する。
我々のアプローチは、ポーズと対応を緊密に結合した方法で反復的に洗練し、アウトレーヤを動的に除去して精度を向上させる。
論文 参考訳（メタデータ） (2022-04-26T18:00:08Z) - SO-Pose: Exploiting Self-Occlusion for Direct 6D Pose Estimation [98.83762558394345]
SO-Poseは、オブジェクトの6自由度(6DoF)をすべて、単一のRGBイメージから散らばった環境でポーズさせるフレームワークである。
本稿では,3次元オブジェクトの2層表現を確立するために,自己閉塞に関する新たな推論を導入する。
対応性,自己閉塞性,6次元ポーズを整列する層間合成により,精度とロバスト性をさらに向上させることができる。
論文 参考訳（メタデータ） (2021-08-18T19:49:29Z) - CAPTRA: CAtegory-level Pose Tracking for Rigid and Articulated Objects
from Point Clouds [97.63549045541296]
新規なリジッドオブジェクトインスタンスに対する9DoFポーズトラッキングと,関節付きオブジェクトに対するパート毎ポーズトラッキングを処理可能な統一フレームワークを提案する。
本手法は、高速なFPS 12で、カテゴリレベルのリジッドオブジェクトポーズ(NOCS-REAL275)と関節オブジェクトポーズベンチマーク(SAPIEN、BMVC)の最新のパフォーマンスを実現します。
論文 参考訳（メタデータ） (2021-04-08T00:14:58Z) - Multi-View Multi-Person 3D Pose Estimation with Plane Sweep Stereo [71.59494156155309]
既存のマルチビュー3Dポーズ推定手法は、複数のカメラビューからグループ2Dポーズ検出に対するクロスビュー対応を明確に確立する。
平面スイープステレオに基づくマルチビュー3Dポーズ推定手法を提案し、クロスビュー融合と3Dポーズ再構築を1ショットで共同で解決します。
論文 参考訳（メタデータ） (2021-04-06T03:49:35Z) - Learning 2D-3D Correspondences To Solve The Blind Perspective-n-Point
Problem [98.92148855291363]
本稿では、6-DoFの絶対カメラポーズ2D--3D対応を同時に解決するディープCNNモデルを提案する。
実データとシミュレーションデータの両方でテストした結果,本手法は既存手法よりも大幅に優れていた。
論文 参考訳（メタデータ） (2020-03-15T04:17:30Z) - Deep-Geometric 6 DoF Localization from a Single Image in Topo-metric
Maps [39.05304338751328]
本稿では,1枚の画像から全6自由度(DoF)グローバルポーズを推定できるDeep-Geometric Localizerについて述べる。
本手法は, マッピングアルゴリズムと局所化アルゴリズム(ステレオとモノ)を分離し, 予めマッピングした環境下での正確な6自由度ポーズ推定を可能にする。
携帯電話やドローンなどの単一カメラデバイスでのVR/ARとローカライズアプリケーションにより、私たちのハイブリッドアルゴリズムは、完全なDeep-LearningベースのPose-Netと比較できる。
論文 参考訳（メタデータ） (2020-02-04T10:11:46Z) - L6DNet: Light 6 DoF Network for Robust and Precise Object Pose
Estimation with Small Datasets [0.0]
1枚のRGB-D画像から6つのDoFオブジェクトのポーズ推定を行う新しい手法を提案する。
データ駆動と幾何学という2段階のハイブリッドパイプラインを採用しています。
私たちのアプローチは最先端の手法よりも堅牢で正確です。
論文 参考訳（メタデータ） (2020-02-03T17:41:29Z)
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。