論文の概要: Edge-Enabled VIO with Long-Tracked Features for High-Accuracy Low-Altitude IoT Navigation

• arxiv url: http://arxiv.org/abs/2505.06517v1
• Date: Sat, 10 May 2025 05:12:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:48.881991
• Title: Edge-Enabled VIO with Long-Tracked Features for High-Accuracy Low-Altitude IoT Navigation
• Title（参考訳）: 高精度低高度IoTナビゲーションのための長トラック機能付きエッジ対応VIO
• Authors: Xiaohong Huang, Cui Yang, Miaowen Wen,
• Abstract要約: 長く追跡された機能は、より視覚的なフレームを制限し、ローカライゼーションのドリフトを減らすことができる。 また、一致したエラーの蓄積や機能トラッキングのドリフトにつながる可能性がある。 現在のVIO法は再投射誤差に基づいて観測重量を調整するが,本手法には欠点がある。 本稿では,長期的特徴量利用における累積誤差に対するアクティブデカップリング機構を提案する。
• 参考スコア（独自算出の注目度）: 18.568779246219815
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a visual-inertial odometry (VIO) method using long-tracked features. Long-tracked features can constrain more visual frames, reducing localization drift. However, they may also lead to accumulated matching errors and drift in feature tracking. Current VIO methods adjust observation weights based on re-projection errors, yet this approach has flaws. Re-projection errors depend on estimated camera poses and map points, so increased errors might come from estimation inaccuracies, not actual feature tracking errors. This can mislead the optimization process and make long-tracked features ineffective for suppressing localization drift. Furthermore, long-tracked features constrain a larger number of frames, which poses a significant challenge to real-time performance of the system. To tackle these issues, we propose an active decoupling mechanism for accumulated errors in long-tracked feature utilization. We introduce a visual reference frame reset strategy to eliminate accumulated tracking errors and a depth prediction strategy to leverage the long-term constraint. To ensure real time preformane, we implement three strategies for efficient system state estimation: a parallel elimination strategy based on predefined elimination order, an inverse-depth elimination simplification strategy, and an elimination skipping strategy. Experiments on various datasets show that our method offers higher positioning accuracy with relatively short consumption time, making it more suitable for edge-enabled low-altitude IoT navigation, where high-accuracy positioning and real-time operation on edge device are required. The code will be published at github.
• Abstract（参考訳）: 本稿では,長時間追跡した特徴量を用いた視覚慣性オドメトリー(VIO)法を提案する。 長く追跡された機能は、より視覚的なフレームを制限し、ローカライゼーションのドリフトを減らすことができる。 しかし、それらはまた、マッチングエラーの蓄積と機能トラッキングのドリフトにつながる可能性がある。 現在のVIO法は再投射誤差に基づいて観測重量を調整するが,本手法には欠点がある。 再射影誤差は推定カメラのポーズやマップポイントに依存するため、実際の特徴追跡誤差ではなく、推定の不正確さから発生する可能性がある。 これにより、最適化プロセスの誤解を招き、ローカライゼーションドリフトを抑制するために長期追跡された特徴を無効にすることができる。 さらに、長期追跡機能によりフレーム数が増加し、リアルタイム性能に重大な課題が生じる。 これらの問題に対処するために,長期的特徴量利用における累積誤差に対するアクティブデカップリング機構を提案する。 本稿では,蓄積したトラッキングエラーを除去するビジュアル参照フレームリセット戦略と,長期的制約を活用する深さ予測戦略を導入する。 リアルタイムプリフォーマル性を確保するために, 事前定義された除去順序に基づく並列除去戦略, 逆深さ除去簡易化戦略, 消去スキップ戦略という, 効率的なシステム状態推定のための3つの戦略を実装した。 各種データセットを用いた実験により,提案手法は比較的短時間で位置決め精度が向上し,エッジデバイス上での高精度位置決めとリアルタイム操作が要求されるエッジ対応低高度IoTナビゲーションに適していることが示された。 コードはgithubで公開される。

関連論文リスト

• FLARES: Fast and Accurate LiDAR Multi-Range Semantic Segmentation [52.89847760590189]
  3Dシーンの理解は、自動運転における重要な課題である。 近年の手法では、レンジビュー表現を利用して処理効率を向上している。 範囲ビューに基づくLiDARセマンティックセマンティックセグメンテーションのためのワークフローを再設計する。
  論文  参考訳（メタデータ） (2025-02-13T12:39:26Z)
• Exploring Temporally-Aware Features for Point Tracking [58.63091479730935]
  Chronoは、時間的認識を組み込んだポイントトラッキング用に特別に設計された機能バックボーンである。 Chronoは、TAP-Vid-DAVISとTAP-Vid-Kineticsデータセットの洗練されたフリー設定で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-01-21T15:39:40Z)
• ProTracker: Probabilistic Integration for Robust and Accurate Point Tracking [41.889032460337226]
  ProTrackerは、ビデオ内の任意の点を正確かつ堅牢に追跡する新しいフレームワークである。 この設計は、グローバルな意味情報と時間的に認識される低レベル特徴を効果的に組み合わせている。 実験により、ProTrackerは最適化ベースのアプローチで最先端のパフォーマンスを得ることができた。
  論文  参考訳（メタデータ） (2025-01-06T18:55:52Z)
• Dynamically Modulating Visual Place Recognition Sequence Length For Minimum Acceptable Performance Scenarios [17.183024395686505]
  単一画像の視覚的位置認識(VPR)は、ローカライゼーションの代替となるが、ロバスト性を改善するためにシーケンスマッチングのような技術を必要とすることが多い。 本稿では,データキャリブレーションを用いて,VPRの配列長を目標のローカライゼーション性能を超えるようなモデルに適合させる手法を提案する。
  論文  参考訳（メタデータ） (2024-07-01T00:16:35Z)
• Robust Visual Tracking via Iterative Gradient Descent and Threshold Selection [4.978166837959101]
  本稿では, 誤差ベクトルがガウス-ラプラシアン分布に従えば, 良好な性能が得られる新しい線形回帰推定器を提案する。 さらに、IGDTSを生成トラッカーに拡張し、IGDTS距離を適用してサンプルとモデル間のずれを測定する。 いくつかの難解な画像列の実験結果から,提案したトラッカーは既存のトラッカーより優れていた。
  論文  参考訳（メタデータ） (2024-06-02T01:51:09Z)
• LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [52.131996528655094]
  本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。 これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
  論文  参考訳（メタデータ） (2024-01-03T18:57:27Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)

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。