論文の概要: Accurate Pedestrian Tracking in Urban Canyons: A Multi-Modal Fusion Approach
- arxiv url: http://arxiv.org/abs/2601.22406v1
- Date: Thu, 29 Jan 2026 23:23:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.027415
- Title: Accurate Pedestrian Tracking in Urban Canyons: A Multi-Modal Fusion Approach
- Title（参考訳）: 都市キャニオンにおける正確な歩行者追跡:マルチモーダル融合アプローチ
- Authors: Shahar Dubiner, Peng Ren, Roberto Manduchi,
- Abstract要約: このコントリビューションは、性能が劣化した都市環境における位置決め精度を向上させるために設計された歩行者ナビゲーション手法について述べる。
カメラによる視覚的位置決めの限界と非現実性に対処するため,慣性データの粒子フィルタによる融合を提案する。
このシステムは、歩道の正しさと位置推定誤差に関する3つの指標を用いて、サンフランシスコ中心街の6つの困難な歩行経路で評価された。
- 参考スコア（独自算出の注目度）: 10.102277409472444
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The contribution describes a pedestrian navigation approach designed to improve localization accuracy in urban environments where GNSS performance is degraded, a problem that is especially critical for blind or low-vision users who depend on precise guidance such as identifying the correct side of a street. To address GNSS limitations and the impracticality of camera-based visual positioning, the work proposes a particle filter based fusion of GNSS and inertial data that incorporates spatial priors from maps, such as impassable buildings and unlikely walking areas, functioning as a probabilistic form of map matching. Inertial localization is provided by the RoNIN machine learning method, and fusion with GNSS is achieved by weighting particles based on their consistency with GNSS estimates and uncertainty. The system was evaluated on six challenging walking routes in downtown San Francisco using three metrics related to sidewalk correctness and localization error. Results show that the fused approach (GNSS+RoNIN+PF) significantly outperforms GNSS only localization on most metrics, while inertial-only localization with particle filtering also surpasses GNSS alone for critical measures such as sidewalk assignment and across street error.
- Abstract（参考訳）: このコントリビューションでは、GNSS性能が低下した都市環境における位置決め精度を向上させるために設計された歩行者ナビゲーションのアプローチについて述べる。
GNSSの限界とカメラによる視覚的位置決めの非現実性に対処するため、GNSSの粒子フィルタに基づく融合と、地図マッチングの確率的な形式として機能する不必要な建物や不可能な歩行エリアなどの地図からの空間的先行を組み込んだ慣性データを提案する。
慣性ローカライゼーションはRoNIN機械学習法によって提供され、GNSSの推定値と不確実性との整合性に基づいて粒子の重み付けによりGNSSとの融合を実現する。
このシステムは、歩道の正しさと位置推定誤差に関する3つの指標を用いて、サンフランシスコ中心街の6つの困難な歩行経路で評価された。
その結果,融解法(GNSS+RoNIN+PF)は GNSS のローカライゼーションに勝るものの,パーティクルフィルタを用いた慣性のみのローカライゼーションは GNSS をはるかに上回ることがわかった。
関連論文リスト
- Real-time tightly coupled GNSS and IMU integration via Factor Graph Optimization [3.306326078788103]
固定ラグ残差化を用いたインクリメンタル最適化により因果状態推定が可能なリアルタイム密結合型IMU法を提案する。
UrbanNavデータセットを用いて、高度に都市化劣化した環境での性能を評価する。
論文 参考訳（メタデータ） (2026-03-03T22:15:30Z) - RSGround-R1: Rethinking Remote Sensing Visual Grounding through Spatial Reasoning [61.84363374647606]
リモートセンシングビジュアルグラウンドディング(RSVG)は、自然言語記述に基づく大規模空中画像における対象物体のローカライズを目的としている。
これらの記述はしばしば位置的手がかりに大きく依存しており、空間的推論においてMLLM(Multimodal Large Language Models)に固有の課題を提起している。
空間理解の高度化を図るために,textbfRSGround-R1 と呼ばれる推論誘導型位置認識後学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-29T12:35:57Z) - 3DGS_LSR:Large_Scale Relocation for Autonomous Driving Based on 3D Gaussian Splatting [3.2768514034762863]
3DGS-LSR: 3DGSを活用した大規模な再ローカライズフレームワークで、クライアント側で単一の単眼RGB画像のみを使用してセンチメートルレベルの位置決めを可能にする。
ロボット側のローカライゼーションは標準的なカメラ入力のみを必要とするのに対し、マルチセンサデータを組み合わせて大規模な屋外シーンで高精度な3DGSマップを構築する。
私たちの中心となるイノベーションは、ステップバイステップレンダリングによってローカライゼーション結果を洗練する反復的な最適化戦略であり、リアルタイムの自律ナビゲーションに適しています。
論文 参考訳（メタデータ） (2025-07-08T04:43:46Z) - U-ViLAR: Uncertainty-Aware Visual Localization for Autonomous Driving via Differentiable Association and Registration [25.74646789843283]
U-ViLARは、新しい不確実性を認識した視覚的ローカライゼーションフレームワークである。
ハイデフィニション(HD)マップやナビゲーションマップを使った適応的なローカライゼーションを可能にする。
当社のモデルでは、大規模自動運転車両の厳格なテストが実施されている。
論文 参考訳（メタデータ） (2025-07-06T18:40:42Z) - Sky-GVIO: an enhanced GNSS/INS/Vision navigation with FCN-based sky-segmentation in urban canyon [3.870599032599567]
都市キャニオン環境では、高層建築物によるスタンドアロンセンサと非視線(NLOS)の脆弱性が位置決め結果に深刻な影響を及ぼす。
これらの課題に対処するために、NLOS検出のためにFCN(Fully Convolutional Network)に基づくスカイビュー画像分割アルゴリズムを提案する。
新たなNLOS検出・緩和アルゴリズム(S-NDM)は、密結合したグローバルナビゲーション衛星システム(GNSS)、慣性計測ユニット(IMU)、Sky-GVIOと呼ばれる視覚機能システムに拡張されている。
論文 参考訳（メタデータ） (2024-04-17T04:59:36Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳（メタデータ） (2023-03-10T14:46:42Z) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文 参考訳（メタデータ） (2022-11-28T00:31:02Z) - 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) - Reconfigurable Voxels: A New Representation for LiDAR-Based Point Clouds [76.52448276587707]
本稿では,3次元点群から表現を構成する新しい手法であるReconfigurable Voxelsを提案する。
具体的には,各地区を一定数のボクセルで適応的にカバーするランダムウォーク方式を考案する。
この手法は,特に疎水領域において,ボクセル特性の安定性を効果的に向上することがわかった。
論文 参考訳（メタデータ） (2020-04-06T15:07:16Z)
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。