論文の概要: A New Statistical Approach to the Performance Analysis of Vision-based Localization
- arxiv url: http://arxiv.org/abs/2501.18758v1
- Date: Thu, 30 Jan 2025 21:22:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-03 13:57:48.603683
- Title: A New Statistical Approach to the Performance Analysis of Vision-based Localization
- Title(参考訳): 視覚に基づく局所化の性能解析への新しい統計的アプローチ
- Authors: Haozhou Hu, Harpreet S. Dhillon, R. Michael Buehrer,
- Abstract要約: 本研究は,複数の近近距離ランドマークに対するレンジ計測を用いた目標位置推定のための新しいフレームワークを提案する。
2次元平面におけるランドマークの正確な組み合わせを一意に決定するには3つのノイズフリーレンジ測定が十分であることを示す。
- 参考スコア(独自算出の注目度): 32.40158488579626
- License:
- Abstract: Many modern wireless devices with accurate positioning needs also have access to vision sensors, such as a camera, radar, and Light Detection and Ranging (LiDAR). In scenarios where wireless-based positioning is either inaccurate or unavailable, using information from vision sensors becomes highly desirable for determining the precise location of the wireless device. Specifically, vision data can be used to estimate distances between the target (where the sensors are mounted) and nearby landmarks. However, a significant challenge in positioning using these measurements is the inability to uniquely identify which specific landmark is visible in the data. For instance, when the target is located close to a lamppost, it becomes challenging to precisely identify the specific lamppost (among several in the region) that is near the target. This work proposes a new framework for target localization using range measurements to multiple proximate landmarks. The geometric constraints introduced by these measurements are utilized to narrow down candidate landmark combinations corresponding to the range measurements and, consequently, the target's location on a map. By modeling landmarks as a marked Poisson point process (PPP), we show that three noise-free range measurements are sufficient to uniquely determine the correct combination of landmarks in a two-dimensional plane. For noisy measurements, we provide a mathematical characterization of the probability of correctly identifying the observed landmark combination based on a novel joint distribution of key random variables. Our results demonstrate that the landmark combination can be identified using ranges, even when individual landmarks are visually indistinguishable.
- Abstract(参考訳): 正確な位置決めを必要とする多くの現代の無線デバイスは、カメラ、レーダー、光検出および追跡(LiDAR)などの視覚センサーへのアクセスも可能である。
無線による位置決めが不正確か不正確な場合、無線デバイスの正確な位置を決定するために、視覚センサからの情報を使用することが極めて望ましい。
具体的には、視覚データを使用して、ターゲット(センサーが装着されている場所)と近くのランドマークの間の距離を推定することができる。
しかし、これらの測定値を用いた位置決めの重大な課題は、データの中でどの特定のランドマークが見えるのかをユニークに識別できないことである。
例えば、目標がランプポストの近くにある場合、目標に近い特定のランプポスト(地域内数個)を正確に特定することは困難になる。
本研究は,複数の近近距離ランドマークに対するレンジ計測を用いた目標位置推定のための新しいフレームワークを提案する。
これらの測定によって引き起こされる幾何学的制約は、レンジ測定に対応する候補ランドマークの組み合わせを狭め、その結果、地図上のターゲットの位置を狭めるために利用される。
顕著なポアソン点過程 (PPP) としてランドマークをモデル化することにより、2次元平面におけるランドマークの正確な組み合わせを一意に決定するのに3つのノイズフリーレンジ測定が十分であることを示す。
雑音測定のために、キー変数の新たな結合分布に基づいて観測されたランドマークの組み合わせを正確に同定する確率を数学的に評価する。
本結果は,ランドマークが視覚的に識別不能である場合でも,ランドマークの組み合わせを範囲を用いて識別できることを実証する。
関連論文リスト
- Landmark-based Localization using Stereo Vision and Deep Learning in
GPS-Denied Battlefield Environment [1.19658449368018]
本稿では、受動カメラセンサのみを用いた非GPS戦場環境におけるローカライズのための新しいフレームワークを提案する。
提案手法では,距離推定にカスタムキャリブレーションされたステレオカメラと,実世界のランドマーク認識のためのデータセットを用いて訓練および微調整を行うYOLOv8sモデルを用いる。
実験の結果,提案手法は既存のアンカーベースDV-Hopアルゴリズムよりも優れた性能を示し,ローカライゼーション誤差(RMSE)の点で最も効率的な視覚ベースアルゴリズムと競合することがわかった。
論文 参考訳(メタデータ) (2024-02-19T21:20:56Z) - Fusion of Radio and Camera Sensor Data for Accurate Indoor Positioning [45.926983284834954]
広範に普及しているカメラのインフラが捉えた匿名の視覚検出を無線で読み取る新しい位置決めシステムであるRAVELを提案する。
我々の実験では、WiFi測定はそれ自体が十分正確ではないが、カメラデータと融合すると、不明瞭で断片的で匿名のビジュアル・トラックレットをまとめる触媒となる。
論文 参考訳(メタデータ) (2023-02-01T11:37:41Z) - An Indoor Localization Dataset and Data Collection Framework with High
Precision Position Annotation [7.152408514130423]
この技術は、無線信号パラメータデータサンプルのアノテートに使用される拡張現実(AR)ベースの位置決めシステムを実装している。
我々は、ARマーカーで装飾された領域において、実用的で低コストで操作可能なカメラとBluetooth Low Energy(BLE)ビーコンの位置を追跡する。
以上の結果から,AR位置決めシステムの位置誤差を0.05m以下に抑えることができることがわかった。
論文 参考訳(メタデータ) (2022-09-06T07:41:11Z) - Spectrum Surveying: Active Radio Map Estimation with Autonomous UAVs [15.452264020787593]
本稿では,無人航空機(UAV)のような移動体ロボットが,短時間で高品質な地図推定値を得るために,積極的に選択された一連の位置で測定値を収集したスペクトルサーベイを提案する。
モデルに基づくオンラインベイズ推定器とデータ駆動型深層学習アルゴリズムの2つの新しいアルゴリズムを考案し,各地点における計測の有意性を示すマップ推定と不確実性指標を更新する。
この問題の複雑さを克服するために,線形時間における大きな不確実性のある領域を通して経路点のリストを得る動的プログラミング手法を提案する。
論文 参考訳(メタデータ) (2022-01-11T18:49:42Z) - SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object
Detection [78.90102636266276]
SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。
そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。
実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
論文 参考訳(メタデータ) (2022-01-06T08:54:47Z) - Location-Sensitive Visual Recognition with Cross-IOU Loss [177.86369890708457]
本稿では,オブジェクト検出,インスタンスセグメンテーション,ポーズ推定のための位置感知ネットワーク (LSNet) という統合ソリューションを提案する。
ディープニューラルネットワークをバックボーンとして、LSNetは、ターゲットオブジェクトの形状を一緒に定義するアンカーポイントとランドマークのセットを予測します。
論文 参考訳(メタデータ) (2021-04-11T02:17:14Z) - Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。
本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文 参考訳(メタデータ) (2021-04-07T05:42:11Z) - Supervision by Registration and Triangulation for Landmark Detection [70.13440728689231]
本稿では,マルチビュー映像を用いた教師なし手法である登録・三角測量(srt)による監視を行い,ランドマーク検出器の精度と精度を向上させる。
ラベルのないデータを活用することで、検出者は大量のラベルのないデータから自由に学べる。
論文 参考訳(メタデータ) (2021-01-25T02:48:21Z) - Robust GPS-Vision Localization via Integrity-Driven Landmark Attention [2.741266294612776]
都市におけるGPSナビゲーションのための統合型ランドマーク注意(ILA)
ヒトの認知的注意に触発され、ランドマークのサブセットを選択するために凸最適化を行う。
事前定義されたアラートリミットのローカリゼーション精度と堅牢な予測可用性を実証します。
論文 参考訳(メタデータ) (2021-01-13T02:16:13Z) - Scope Head for Accurate Localization in Object Detection [135.9979405835606]
本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。
我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
論文 参考訳(メタデータ) (2020-05-11T04:00:09Z)
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。