論文の概要: ReLoc-PDR: Visual Relocalization Enhanced Pedestrian Dead Reckoning via Graph Optimization

• arxiv url: http://arxiv.org/abs/2309.01646v1
• Date: Mon, 4 Sep 2023 14:54:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-06 18:12:54.892125
• Title: ReLoc-PDR: Visual Relocalization Enhanced Pedestrian Dead Reckoning via Graph Optimization
• Title（参考訳）: ReLoc-PDR: グラフ最適化による視覚的再局在強化ペデストリアンデッドレコニング
• Authors: Zongyang Chen, Xianfei Pan, Changhao Chen
• Abstract要約: この研究は、歩行者の死亡推定と視覚的再局在を組み合わせた融合フレームワークであるReLoc-PDRを提案する。 タキーカーネルによるグラフ最適化に基づく融合機構は、累積誤差を効果的に補正し、異常な視覚的観察の影響を軽減する。 実世界の実験により、我々のReLoc-PDRは精度とロバスト性において代表的手法を超越していることが示された。
• 参考スコア（独自算出の注目度）: 4.188058836787458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately and reliably positioning pedestrians in satellite-denied conditions remains a significant challenge. Pedestrian dead reckoning (PDR) is commonly employed to estimate pedestrian location using low-cost inertial sensor. However, PDR is susceptible to drift due to sensor noise, incorrect step detection, and inaccurate stride length estimation. This work proposes ReLoc-PDR, a fusion framework combining PDR and visual relocalization using graph optimization. ReLoc-PDR leverages time-correlated visual observations and learned descriptors to achieve robust positioning in visually-degraded environments. A graph optimization-based fusion mechanism with the Tukey kernel effectively corrects cumulative errors and mitigates the impact of abnormal visual observations. Real-world experiments demonstrate that our ReLoc-PDR surpasses representative methods in accuracy and robustness, achieving accurte and robust pedestrian positioning results using only a smartphone in challenging environments such as less-textured corridors and dark nighttime scenarios.
• Abstract（参考訳）: 衛星デニド条件下で歩行者を正確に確実に位置決めすることは、依然として重要な課題である。 pedestrian dead reckoning (pdr) は、低コストの慣性センサを用いて歩行者の位置を推定するために用いられる。 しかし、PDRはセンサノイズ、誤ったステップ検出、不正確なストライド長推定によるドリフトの影響を受けやすい。 本研究ではPDRとグラフ最適化を用いた視覚的再局在化を組み合わせた融合フレームワークReLoc-PDRを提案する。 ReLoc-PDRは、時間関連の視覚観察と学習記述子を利用して、視覚的に劣化した環境で堅牢な位置決めを実現する。 グラフ最適化に基づくタキーカーネルとの融合機構は累積誤差を効果的に補正し、異常な視覚観察の影響を緩和する。 実世界の実験では、我々のReLoc-PDRは精度とロバスト性において代表的な手法を超越し、スマートフォンだけで正確な歩行者位置決めを達成している。

関連論文リスト

• GTransPDM: A Graph-embedded Transformer with Positional Decoupling for Pedestrian Crossing Intention Prediction [6.327758022051579]
  GTransPDMは多モード特徴を利用した歩行者横断意図予測のために開発された。 PIEデータセットでは92%の精度で、JAADデータセットでは87%の精度で処理速度は0.05msである。
  論文  参考訳（メタデータ） (2024-09-30T12:02:17Z)
• SpirDet: Towards Efficient, Accurate and Lightweight Infrared Small Target Detector [60.42293239557962]
  我々は、赤外線小ターゲットの効率的な検出のための新しいアプローチであるSpirDetを提案する。 新しいデュアルブランチスパースデコーダを用いて特徴写像を復元する。 大規模な実験により、提案されたSpirDetは最先端モデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-08T05:06:14Z)
• MobileARLoc: On-device Robust Absolute Localisation for Pervasive Markerless Mobile AR [2.856126556871729]
  本稿では,大規模マーカーレスモバイルARのための新しいフレームワークであるMobileARLocを紹介する。 MobileARLocは絶対ポーズ回帰器(APR)とローカルVIOトラッキングシステムを組み合わせる。 我々は,MobileARLocが基盤となるAPRと比較して誤差を半減し,デバイス上での高速(80,ms)の推論速度を実現することを示す。
  論文  参考訳（メタデータ） (2024-01-21T14:48:38Z)
• Event-Based Visual Odometry on Non-Holonomic Ground Vehicles [20.847519645153337]
  イベントベースのビジュアルオドメトリーは、挑戦的な照明シナリオにおいて信頼性と堅牢性を示す。 提案アルゴリズムは車両の回転速度を正確に推定し,通常の条件下でのフレームベースセンサによるデルタ回転に匹敵する結果を得る。
  論文  参考訳（メタデータ） (2024-01-17T16:52:20Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
  本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
  論文  参考訳（メタデータ） (2022-12-14T13:19:40Z)
• Where Am I Now? Dynamically Finding Optimal Sensor States to Minimize Localization Uncertainty for a Perception-Denied Rover [13.564676246832544]
  認識密度の高いローバーは、障害物に満たされた経路に沿って位置や不確実性の測定に頼っている。 本研究では, ロボットの位置と不確実性を測定し, 障害物に満たされた経路に沿って位置を定め, 位置と不確かさを判断するシナリオを考察する。 ローバーの局所化不確実性を最小化する最適センサ状態を見つけるために、DyFOSは最適化探索に局在化不確実性予測パイプラインを使用する。
  論文  参考訳（メタデータ） (2022-11-30T04:05:36Z)
• RVMDE: Radar Validated Monocular Depth Estimation for Robotics [5.360594929347198]
  両眼視センサの固有剛性校正は正確な深度推定に不可欠である。 あるいは、単眼カメラは、深度推定の精度を犠牲にして制限を緩和し、厳しい環境条件下では課題が悪化する。 本研究は, 環境条件下での深度推定のために, 単眼カメラの細粒度データと融合した場合のレーダーからの粗い信号の有用性について検討する。
  論文  参考訳（メタデータ） (2021-09-11T12:02:29Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• FasterPose: A Faster Simple Baseline for Human Pose Estimation [65.8413964785972]
  本稿では,高速ポーズ推定のためのLR表現を用いた費用対効果ネットワークの設計パラダイムであるFasterPoseを提案する。 我々は,FasterPoseのトレーニング挙動について検討し,収束を加速する新しい回帰クロスエントロピー(RCE)損失関数を定式化する。 従来のポーズ推定ネットワークと比較すると,FLOPの58%が減少し,精度が1.3%向上した。
  論文  参考訳（メタデータ） (2021-07-07T13:39:08Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)

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。