論文の概要: A Visual-inertial Localization Algorithm using Opportunistic Visual Beacons and Dead-Reckoning for GNSS-Denied Large-scale Applications
- arxiv url: http://arxiv.org/abs/2411.19845v2
- Date: Sat, 14 Dec 2024 07:36:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-17 13:51:41.082005
- Title: A Visual-inertial Localization Algorithm using Opportunistic Visual Beacons and Dead-Reckoning for GNSS-Denied Large-scale Applications
- Title（参考訳）: GNSS-Denied Large-scale Applications のためのオポチュニスティックな視覚ビーコンとデッドレコンダクションを用いた視覚慣性位置推定アルゴリズム
- Authors: Liqiang Zhang, Ye Tian, Dongyan Wei,
- Abstract要約: 拡張現実(AR)により、歩行者はリアルタイムで視覚情報を取得することができる。
低コストな視覚慣性位置決めソリューションを提案する。
- 参考スコア（独自算出の注目度）: 1.6599082439305994
- License:
- Abstract: With the development of smart cities, the demand for continuous pedestrian navigation in large-scale urban environments has significantly increased. While global navigation satellite systems (GNSS) provide low-cost and reliable positioning services, they are often hindered in complex urban canyon environments. Thus, exploring opportunistic signals for positioning in urban areas has become a key solution. Augmented reality (AR) allows pedestrians to acquire real-time visual information. Accordingly, we propose a low-cost visual-inertial positioning solution. This method comprises a lightweight multi-scale group convolution (MSGC)-based visual place recognition (VPR) neural network, a pedestrian dead reckoning (PDR) algorithm, and a visual/inertial fusion approach based on a Kalman filter with gross error suppression. The VPR serves as a conditional observation to the Kalman filter, effectively correcting the errors accumulated through the PDR method. This enables the entire algorithm to ensure the reliability of long-term positioning in GNSS-denied areas. Extensive experimental results demonstrate that our method maintains stable positioning during large-scale movements. Compared to the lightweight MobileNetV3-based VPR method, our proposed VPR solution improves Recall@1 by at least 3\% on two public datasets while reducing the number of parameters by 63.37\%. It also achieves performance that is comparable to the VGG16-based method. The VPR-PDR algorithm improves localization accuracy by more than 40\% compared to the original PDR.
- Abstract（参考訳）: スマートシティの発展に伴い、大規模都市環境における継続的な歩行者ナビゲーションの需要が大幅に増加した。
グローバル航法衛星システム(GNSS)は低コストで信頼性の高い測位サービスを提供しているが、複雑な都市キャニオン環境ではしばしば妨げられている。
このように、都市部における位置決めのための機会的信号の探索が重要な解決法となっている。
拡張現実(AR)により、歩行者はリアルタイムで視覚情報を取得することができる。
そこで我々は,低コストな視覚慣性位置決めソリューションを提案する。
軽量なマルチスケールグループ畳み込み(MSGC)に基づく視覚的位置認識(VPR)ニューラルネットワーク、歩行者死推定(PDR)アルゴリズム、および過度なエラー抑制を有するカルマンフィルタに基づく視覚・慣性融合アプローチを含む。
VPRはカルマンフィルタの条件付き観測として機能し、PDR法で蓄積された誤差を効果的に補正する。
これにより、アルゴリズム全体が、GNSSデニッド領域における長期的な位置決めの信頼性を確保することができる。
本手法は大規模移動時の安定位置を安定的に維持することを示す。
軽量なMobileNetV3ベースのVPR手法と比較して、提案したVPRソリューションは、Recall@1を2つの公開データセット上で少なくとも3倍改善し、パラメータの数を63.37倍削減する。
また、VGG16ベースの手法に匹敵する性能も達成している。
VPR-PDRアルゴリズムは、元のPDRに比べて40%以上、ローカライズ精度を向上する。
関連論文リスト
- POPoS: Improving Efficient and Robust Facial Landmark Detection with Parallel Optimal Position Search [34.50794776762681]
本稿では,高精度符号化・復号化フレームワークであるParallel Optimal Position Search (POPoS)を紹介する。
Pseudo-range multilateration は、ヒートマップエラーを補正し、ランドマークのローカライゼーションの精度を高めるために使用される。
1ステップ並列アルゴリズムを導入し、計算効率を大幅に向上し、処理時間を短縮する。
論文 参考訳（メタデータ） (2024-10-12T16:28:40Z) - GSPR: Multimodal Place Recognition Using 3D Gaussian Splatting for Autonomous Driving [9.023864430027333]
マルチモーダル位置認識は ユニセンサーシステムの弱点を克服する能力によって 注目を集めています
本稿では,GSPRと呼ばれる3次元ガウス型マルチモーダル位置認識ニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2024-10-01T00:43:45Z) - Local positional graphs and attentive local features for a data and runtime-efficient hierarchical place recognition pipeline [11.099588962062937]
本稿では,既存のアプローチを拡張し,新しいアイデアを提示する,ランタイムとデータ効率のよい階層型VPRパイプラインを提案する。
まず,ローカル画像の特徴の空間的コンテキスト情報を符号化する学習不要かつ実行効率のよいアプローチであるローカル位置グラフ(LPG)を提案する。
第2に,アテンタティブ・ローカルSPED(Attentive Local SPED)について述べる。
第3に,超次元計算を利用した階層型パイプラインを提案し,高速な候補選択と候補再評価のために,全体的HDC記述子と同じ局所的特徴を利用する。
論文 参考訳（メタデータ） (2024-03-15T13:26:39Z) - Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。
バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。
ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
論文 参考訳（メタデータ） (2024-02-25T13:22:17Z) - ReLoc-PDR: Visual Relocalization Enhanced Pedestrian Dead Reckoning via
Graph Optimization [4.188058836787458]
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。
論文 参考訳（メタデータ） (2023-09-04T14:54:47Z) - Escaping Saddle Points with Bias-Variance Reduced Local Perturbed SGD
for Communication Efficient Nonconvex Distributed Learning [58.79085525115987]
ローカル手法は通信時間を短縮する有望なアプローチの1つである。
局所的データセットが局所的損失の滑らかさよりも小さい場合,通信の複雑さは非局所的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） (2022-02-12T15:12:17Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳（メタデータ） (2021-06-23T17:27:04Z) - STA-VPR: Spatio-temporal Alignment for Visual Place Recognition [17.212503755962757]
画像間の距離を計測しながら空間領域から局所的な特徴を整列する適応動的時間ウォーピングアルゴリズムを提案する。
時間的アライメントに基づく画像シーケンスマッチングを行うために、局所マッチングDTWアルゴリズムを適用した。
その結果,提案手法はcnnに基づく手法を大幅に改善した。
論文 参考訳（メタデータ） (2021-03-25T03:27:42Z) - Inception Convolution with Efficient Dilation Search [121.41030859447487]
拡散畳み込みは、効果的な受容場を制御し、オブジェクトの大規模な分散を処理するための標準的な畳み込みニューラルネットワークの重要な変異体である。
そこで我々は,異なる軸,チャネル,層間の独立な拡散を有する拡張畳み込みの新たな変異体,すなわち開始(拡張)畳み込みを提案する。
本稿では,データに複雑なインセプション・コンボリューションを適合させる実用的な手法を探索し,統計的最適化に基づく簡易かつ効果的な拡張探索アルゴリズム(EDO)を開発した。
論文 参考訳（メタデータ） (2020-12-25T14:58:35Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳（メタデータ） (2020-12-06T01:30:12Z) - Spatial-Spectral Residual Network for Hyperspectral Image
Super-Resolution [82.1739023587565]
ハイパースペクトル画像超解像のための新しいスペクトル空間残差ネットワーク(SSRNet)を提案する。
提案手法は,2次元畳み込みではなく3次元畳み込みを用いて空間スペクトル情報の探索を効果的に行うことができる。
各ユニットでは空間的・時間的分離可能な3次元畳み込みを用いて空間的・スペクトル的な情報を抽出する。
論文 参考訳（メタデータ） (2020-01-14T03:34:55Z)
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。