論文の概要: Lights Out: A Nighttime UAV Localization Framework Using Thermal Imagery and Semantic 3D Maps

• arxiv url: http://arxiv.org/abs/2604.26201v1
• Date: Wed, 29 Apr 2026 01:08:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.210594
• Title: Lights Out: A Nighttime UAV Localization Framework Using Thermal Imagery and Semantic 3D Maps
• Title（参考訳）: Lights Out:サーマル画像とセマンティック3Dマップを用いた夜間UAVローカライゼーションフレームワーク
• Authors: Ryan Allen, Melissa Greeff,
• Abstract要約: 本研究は,地図関連夜間UAVローカライゼーションのためのセマンティック・リジェクション・フレームワークを提案する。 外見に基づく対応に頼るのではなく、ローカライゼーションは共有セマンティックドメインで定式化される。 システムは2.18mの意味バイアス補正RMSE2Dと1.52mの中央値RMSE2Dを達成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable backup localization for unmanned aerial vehicles (UAVs) operating in GNSS-denied nighttime conditions remains an open challenge due to the severe modality gap between daytime RGB maps and nighttime thermal imagery. This work presents a semantic reprojection framework for map-relative nighttime UAV localization by aligning segmented thermal observations with a globally referenced, semantically labeled 3D map constructed from daytime RGB data. Rather than relying on appearance-based correspondence, localization is formulated in a shared semantic domain and solved via a symmetric bidirectional reprojection objective with confusion-aware weighting to improve robustness under segmentation uncertainty. The approach is evaluated offline across 6.5 km of nighttime, real-world UAV flight trajectories in urban and semi-structured environments. Relative to RTK GNSS ground truth, the system achieves a bias-corrected RMSE2D of 2.18 m and a median RMSE2D of 1.52 m. Results show that localization performance is strongly correlated with the availability of semantic edge evidence and that large-error events are spatially localized to semantically ambiguous areas rather than uniformly distributed. These findings indicate that semantic reprojection offers a promising pathway toward globally referenced nighttime UAV localization using thermal imagery alone.
• Abstract（参考訳）: GNSSによる夜間条件下で運用されている無人航空機(UAV)の信頼性の高いバックアップローカライゼーションは、昼間のRGBマップと夜間のサーモグラフィー画像の間に深刻な違いがあるため、依然として未解決の課題である。 本研究は, 日中のRGBデータから構築した世界規模で参照された, 意味的にラベル付けされた3Dマップと, セグメント化熱観測を合わせることで, マップ相対的夜間UAVローカライゼーションのためのセマンティック・リジェクション・フレームワークを提案する。 出現に基づく対応に頼るのではなく、局所化は共有セマンティックドメインで定式化され、分割の不確実性の下で頑健性を改善するために、混乱認識重み付けによる対称的双方向再投影目的によって解決される。 この手法は、都市部と半構造環境における夜間6.5kmの実際のUAV飛行軌道でオフラインで評価される。 RTK GNSSの基底事実とは対照的に、このシステムはバイアス補正されたRMSE2Dが2.18m、中央のRMSE2Dが1.52mに達する。 その結果, 局所化性能は意味的エッジエビデンスの存在と強く相関し, 大規模エラー事象は一様分布ではなく, 意味的曖昧な領域に空間的に局所化されていることがわかった。 これらの結果から,セマンティック・リプロジェクションは,熱画像のみを用いたグローバルな夜間UAVローカライゼーションへの道のりとして有望であることが示唆された。

関連論文リスト

• ZeD-MAP: Bundle Adjustment Guided Zero-Shot Depth Maps for Real-Time Aerial Imaging [1.9247157750972368]
  ZeD-MAPは、テスト時間拡散深さモデルをメトリック一貫性のあるSLAMのようなマッピングパイプラインに変換する、クラスタレベルのフレームワークである。 本手法は,水平(XY)平面で約0.87m,垂直(Z)方向で約0.12mの誤差で,サブメーター精度を実現する。 結果は手動のポイントクラウドアノテーションから小さなノイズを受けます。
  論文  参考訳（メタデータ） (2026-04-06T13:21:17Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• Object Detection as an Optional Basis: A Graph Matching Network for Cross-View UAV Localization [17.908597896653045]
  本稿では,対象物検出によるマップマッチングを行うUAVローカライゼーションフレームワークを提案する。 典型的なパイプラインでは、UAVの視覚的ローカライゼーションは画像検索の問題として定式化されている。 本手法は, グラフベースノード類似度測定法を用いて, 高精度な検索とローカライズ性能を実現する。
  論文  参考訳（メタデータ） (2025-11-04T11:25:31Z)
• Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
  本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。 地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。 実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
  論文  参考訳（メタデータ） (2025-09-11T18:52:16Z)
• Jointly Optimized Global-Local Visual Localization of UAVs [17.83193033936859]
  UAVのナビゲーションとローカライゼーションは、グローバルナビゲーション衛星システム(GNSS)が破壊され、信頼性が低い場合に課題となる。 既存の視覚的ローカライゼーション手法は, 衛星画像とのマッチングにより, 誤差蓄積を伴わない自律的な視覚的ローカライゼーションを実現する。 我々は,UAVの飛行シーンと類似する領域を見つける大規模検索モジュールと,正確なUAV座標をローカライズする細粒度マッチングモジュールを組み合わせた,GLVL(Global-Local Visual Localization)ネットワークを提案する。 本手法は, 粗いテクスチャ特徴を有する村のシーンにおいて, わずか2.39m×0.48秒の局所誤差を実現する。
  論文  参考訳（メタデータ） (2023-10-12T07:12:20Z)
• Local-Global Temporal Difference Learning for Satellite Video Super-Resolution [53.03380679343968]
  本稿では,時間的差分を効果的かつ効果的な時間的補償に利用することを提案する。 フレーム内における局所的・大域的時間的情報を完全に活用するために,短期・長期的時間的相違を体系的にモデル化した。 5つの主流ビデオ衛星に対して行われた厳密な客観的および主観的評価は、我々の手法が最先端のアプローチに対して好適に機能することを実証している。
  論文  参考訳（メタデータ） (2023-04-10T07:04:40Z)
• Visual Cross-View Metric Localization with Dense Uncertainty Estimates [11.76638109321532]
  本研究は、屋外ロボティクスにおける視覚的クロスビューメトリックローカライゼーションに対処する。 地上レベルのカラー画像と局地的な環境を含む衛星パッチが与えられた場合、衛星パッチ内の地上カメラの位置を特定することが課題である。 我々は、より高密度な衛星記述子、ボトルネックにおける類似性マッチング、およびマルチモーダルなローカライゼーションの曖昧さを捉えるための出力としての密度空間分布を備えた新しいネットワークアーキテクチャを考案した。
  論文  参考訳（メタデータ） (2022-08-17T20:12:23Z)
• Vision-Based UAV Self-Positioning in Low-Altitude Urban Environments [20.69412701553767]
  無人航空機(UAV)は安定した位置決めのために衛星システムに依存している。 このような状況下では、視覚に基づく技術が代替手段として機能し、UAVの自己配置能力を確実にする。 本稿では,UAV自己配置タスク用に設計された最初の公開データセットであるDenseUAVを提案する。
  論文  参考訳（メタデータ） (2022-01-23T07:18:55Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)

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。