論文の概要: Tightly-Coupled, Speed-aided Monocular Visual-Inertial Localization in Topological Map

• arxiv url: http://arxiv.org/abs/2411.05497v1
• Date: Fri, 08 Nov 2024 11:55:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:53:53.774428
• Title: Tightly-Coupled, Speed-aided Monocular Visual-Inertial Localization in Topological Map
• Title（参考訳）: トポロジカルマップにおける高速支援単眼単眼視像定位
• Authors: Chanuk Yang, Hayeon O, Kunsoo Huh,
• Abstract要約: 本稿では,トポロジカルマップを用いた車両速度支援単眼視覚慣性位置推定のための新しいアルゴリズムを提案する。 提案システムは、GPSやLiDARのような高価なセンサーに大きく依存する既存の手法の限界に対処することを目的としている。
• 参考スコア（独自算出の注目度）: 0.7373617024876725
• License:
• Abstract: This paper proposes a novel algorithm for vehicle speed-aided monocular visual-inertial localization using a topological map. The proposed system aims to address the limitations of existing methods that rely heavily on expensive sensors like GPS and LiDAR by leveraging relatively inexpensive camera-based pose estimation. The topological map is generated offline from LiDAR point clouds and includes depth images, intensity images, and corresponding camera poses. This map is then used for real-time localization through correspondence matching between current camera images and the stored topological images. The system employs an Iterated Error State Kalman Filter (IESKF) for optimized pose estimation, incorporating correspondence among images and vehicle speed measurements to enhance accuracy. Experimental results using both open dataset and our collected data in challenging scenario, such as tunnel, demonstrate the proposed algorithm's superior performance in topological map generation and localization tasks.
• Abstract（参考訳）: 本稿では,トポロジカルマップを用いた車両速度支援単眼視覚慣性位置推定のための新しいアルゴリズムを提案する。 提案システムは、比較的安価なカメラベースのポーズ推定を活用することで、GPSやLiDARのような高価なセンサーに大きく依存する既存の手法の限界に対処することを目的としている。 トポロジカルマップは、LiDARポイントクラウドからオフラインで生成され、深度画像、強度画像、対応するカメラポーズを含む。 このマップは、現在のカメラ画像と保存されたトポロジ画像の対応付けにより、リアルタイムのローカライゼーションに使用される。 このシステムは、画像間の対応と車両速度の測定を取り入れて精度を高めるため、最適化されたポーズ推定に反復誤差状態カルマンフィルタ(IESKF)を使用している。 トンネルなどの挑戦的なシナリオにおけるオープンデータセットと収集したデータの両方を用いた実験結果から,提案アルゴリズムのトポロジカルマップ生成およびローカライゼーションタスクにおける優れた性能を示す。

関連論文リスト

• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• 3DGS-ReLoc: 3D Gaussian Splatting for Map Representation and Visual ReLocalization [13.868258945395326]
  本稿では,3次元ガウススプラッティングを用いた3次元マッピングと視覚的再局在のための新しいシステムを提案する。 提案手法は、LiDARとカメラデータを用いて、環境の正確な視覚的表現を生成する。
  論文  参考訳（メタデータ） (2024-03-17T23:06:12Z)
• Colmap-PCD: An Open-source Tool for Fine Image-to-point cloud Registration [7.860297360803415]
  本稿では, 既設のLiDARマップを固定制約として利用する, コスト効率の高い新しい再構築パイプラインを提案する。 本手法は,カメラとLiDARデータの同期キャプチャを必要とせずに,最初にポイントクラウドマップに画像を登録する手法である。
  論文  参考訳（メタデータ） (2023-10-09T08:09:15Z)
• Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
  本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。 我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
  論文  参考訳（メタデータ） (2022-11-15T13:52:41Z)
• Cross-View Image Sequence Geo-localization [6.555961698070275]
  クロスビュージオローカライゼーションは,クエリ基底画像のGPS位置を推定することを目的としている。 最近のアプローチでは、パノラマ画像を用いて視界範囲を拡大している。 本研究では、フィールド-オフ-ビューの限られた画像のシーケンスで動作する、最初のクロスビューなジオローカライズ手法を提案する。
  論文  参考訳（メタデータ） (2022-10-25T19:46:18Z)
• ParticleSfM: Exploiting Dense Point Trajectories for Localizing Moving Cameras in the Wild [57.37891682117178]
  本稿では,一対の光流からの高密度対応に基づく動画の高密度間接構造抽出手法を提案する。 不規則点軌道データを処理するために,新しいニューラルネットワークアーキテクチャを提案する。 MPIシンテルデータセットを用いた実験により,我々のシステムはより正確なカメラ軌道を生成することがわかった。
  論文  参考訳（メタデータ） (2022-07-19T09:19:45Z)
• 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)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)
• 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)
• Coarse-to-fine Semantic Localization with HD Map for Autonomous Driving in Structural Scenes [1.1024591739346292]
  カメラを主センサとする自動運転のためのHDマップを用いたコスト効率の高い車両位置決めシステムを提案する。 視覚的セマンティクスをHDマップのランドマークにマップするデータアソシエーション問題として視覚に基づくローカライゼーションを定式化する。 本手法を2つのデータセット上で評価し,提案手法が異なる運転シナリオにおいて有望なローカライゼーション結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-07-06T11:58:55Z)
• 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。