論文の概要: Robust Subpixel Localization of Diagonal Markers in Large-Scale Navigation via Multi-Layer Screening and Adaptive Matching

• arxiv url: http://arxiv.org/abs/2601.08161v1
• Date: Tue, 13 Jan 2026 02:51:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.029981
• Title: Robust Subpixel Localization of Diagonal Markers in Large-Scale Navigation via Multi-Layer Screening and Adaptive Matching
• Title（参考訳）: 多層スクリーニングと適応マッチングによる大規模ナビゲーションにおける対角マーカーのロバストサブピクセル位置推定
• Authors: Jing Tao, Banglei Guan, Yang Shang, Shunkun Liang, Qifeng Yu,
• Abstract要約: 本稿では,大規模飛行航法における局所化故障に対処する,頑健で高精度な位置決め手法を提案する。 提案手法は,多層コーナースクリーニングと適応テンプレートマッチングを組み合わせた3層フレームワークを用いる。 実験により,複雑な大規模環境下での対角線マーカーの抽出と局所化における手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 18.710429100680006
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper proposes a robust, high-precision positioning methodology to address localization failures arising from complex background interference in large-scale flight navigation and the computational inefficiency inherent in conventional sliding window matching techniques. The proposed methodology employs a three-tiered framework incorporating multi-layer corner screening and adaptive template matching. Firstly, dimensionality is reduced through illumination equalization and structural information extraction. A coarse-to-fine candidate selection strategy minimizes sliding window computational costs, enabling rapid estimation of the marker's position. Finally, adaptive templates are generated for candidate points, achieving subpixel precision through improved template matching with correlation coefficient extremum fitting. Experimental results demonstrate the method's effectiveness in extracting and localizing diagonal markers in complex, large-scale environments, making it ideal for field-of-view measurement in navigation tasks.
• Abstract（参考訳）: 本稿では,大規模なフライトナビゲーションにおける複雑な背景干渉と従来のスライディングウィンドウマッチング手法に固有の計算不効率から生じる局所的障害に対処する,堅牢で高精度な位置決め手法を提案する。 提案手法は,多層コーナースクリーニングと適応テンプレートマッチングを組み合わせた3層フレームワークを用いる。 まず、照明等化と構造情報抽出により次元性を低下させる。 粗い候補選択戦略は、スライディングウィンドウの計算コストを最小限に抑え、マーカーの位置を迅速に推定できる。 最後に、適応テンプレートを候補点に対して生成し、相関係数極端嵌合によるテンプレートマッチングの改善により、サブピクセル精度を達成する。 実験により,複雑な大規模環境下での対角マーカーの抽出と局所化の有効性を実証し,ナビゲーション作業における視野計測に最適であることを示した。

関連論文リスト

• CogniEdit: Dense Gradient Flow Optimization for Fine-Grained Image Editing [88.9067184995168]
  マルチモーダル推論と高密度報酬最適化を組み合わせた統合フレームワークCogniEditを提案する。 本手法は,視覚的品質と編集可能性の保存に追従する微粒な命令のバランスをとることによって,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-12-15T12:36:50Z)
• Adaptive Guidance Semantically Enhanced via Multimodal LLM for Edge-Cloud Object Detection [9.198326035948613]
  本稿では,適応誘導に基づくエッジクラウド協調オブジェクト検出手法を提案する。 レイテンシを79%以上削減し、低照度で非常に隠蔽されたシーンでは計算コストを70%削減できる。
  論文  参考訳（メタデータ） (2025-09-24T08:25:37Z)
• Geometry-Aware Feature Matching for Large-Scale Structure from Motion [10.645087195983201]
  大規模シナリオでは重なりが小さい場合にギャップを埋めるために,カラーキューに加えて幾何学的手がかりを導入する。 提案手法は, 検出器フリー法からの高密度対応が幾何的に整合性を持ち, 精度が高いことを保証する。 ベンチマークデータセットにおける最先端の機能マッチングメソッドよりも優れています。
  論文  参考訳（メタデータ） (2024-09-03T21:41:35Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
  セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。 本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。 アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
  論文  参考訳（メタデータ） (2022-02-21T15:30:14Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)

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。