論文の概要: Cross-View Yaw Estimation in Location Uncertainty with Line-Aligning Yaw Scoring
- arxiv url: http://arxiv.org/abs/2606.22094v1
- Date: Sat, 20 Jun 2026 15:23:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 22:49:51.229547
- Title: Cross-View Yaw Estimation in Location Uncertainty with Line-Aligning Yaw Scoring
- Title（参考訳）: ラインアラインYaw Scoringによる位置不確かさのクロスビューYaw推定
- Authors: Taeho Kang, Nairan Zhang, Yelin Kim, Yujiao Shi, Youngki Lee,
- Abstract要約: LAYS (Radially invariant line-consensus voting method) を導入する。
我々は、すべての候補者のポーズに対して3D投票により、サブ学位のヨー精度を達成した。
Mapillary、Ford、KITTI、VIGORの実験では、未知のヨーの下で顕著な上昇を示した。
- 参考スコア（独自算出の注目度）: 20.02842189571763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate yaw estimation is a bottleneck in cross-view localization between ground view and Bird's Eye View (BEV). Existing methods couple yaw with translation and rely on height or projection assumptions that degrade under large yaw ambiguity. We disentangle yaw from location accuracy and introduce LAYS, a radially invariant line-consensus voting method. By exploiting the radial invariance of our formulation, we achieve sub-degree yaw precision via 3D voting over all candidate poses, while eliminating the need for accurate location. Our key observation is that a ground-image column matched to BEV pixels induces the same yaw across all camera positions along the radial direction of the pixels. LAYS matches BEV pixels to ground columns using feature similarity and accumulates the induced yaw votes into discrete 3D bins, where correct correspondences along the radial line concentrate into a sharp peak for the correct yaw. Experiments on Mapillary, Ford, KITTI, and VIGOR show significant gains under unknown yaw, particularly for normal FoV with unknown yaw (+28$\sim$45\%p), and using LAYS as a yaw prior improves downstream 3-DoF localization.
- Abstract（参考訳）: 正確なヨー推定は、地上ビューとBird's Eye View (BEV)の間のクロスビューローカライゼーションにおいてボトルネックとなる。
既存の方法では、翻訳とヨーを結合し、大きなヨーの曖昧さの下で分解される高さや投射の仮定に依存する。
位置精度からヤギを遠ざけ,ラジアル不変ラインセンサス投票法であるLAYSを導入する。
定式化のラジアル不変性を利用して, 正確な位置を求める必要をなくし, 候補者の姿勢を3D投票することで, 準次ヨー精度を実現する。
我々のキーとなる観察は、BEVピクセルと一致した地像列が、ピクセルの半径方向に沿った全てのカメラ位置で同じヨーを誘導することである。
LAYSは特徴的類似性を用いてBEVピクセルとグラウンドカラムをマッチングし、誘導されたヨー票を離散的な3Dビンに蓄積する。
Mapillary、Ford、KITTI、VIGORの実験では、特に未知のヨー(+28$\sim$45\%p)を持つ通常のFoVでは、ヤウとしてLAYSを使用することで、下流3DoFの局在が向上する。
関連論文リスト
- Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。
本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。
提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文 参考訳（メタデータ） (2026-04-02T08:08:41Z) - Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。
地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。
実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
論文 参考訳（メタデータ） (2025-09-11T18:52:16Z) - FG$^2$: Fine-Grained Cross-View Localization by Fine-Grained Feature Matching [69.81167130510333]
本研究では, 地上画像の3次元自由度ポーズを, 周囲の空中画像から推定する, 微粒なクロスビューローカライゼーション手法を提案する。
地中画像から生成された点面と地中画像からサンプリングされた点面とを合わせ、ポーズを推定する。
従来の最先端技術と比較して,VIGORクロスエリアテストセットでは,平均局所化誤差を28%削減する。
論文 参考訳（メタデータ） (2025-03-24T14:34:20Z) - RaCFormer: Towards High-Quality 3D Object Detection via Query-based Radar-Camera Fusion [58.77329237533034]
本稿では3次元物体検出の精度を高めるために,Raar-Camera fusion transformer (RaCFormer)を提案する。
RaCFormerは、nuScenesデータセット上で64.9% mAPと70.2%の優れた結果を得る。
論文 参考訳（メタデータ） (2024-12-17T09:47:48Z) - BEVSpread: Spread Voxel Pooling for Bird's-Eye-View Representation in Vision-based Roadside 3D Object Detection [47.74067616658986]
視覚に基づく道路沿いの3D物体検出は、自律運転領域で注目を集めている。
この知見に触発されて,BEVSpreadと呼ばれる新しいボクセルプール方式を提案する。
BeVSpreadは既存のフラストタルベースのBEV法の性能を大幅に向上させることができる。
論文 参考訳（メタデータ） (2024-06-13T03:33:36Z) - Convolutional Cross-View Pose Estimation [9.599356978682108]
クロスビューポーズ推定のための新しいエンドツーエンド手法を提案する。
提案手法は,VIGORおよびKITTIデータセット上で検証される。
オックスフォード・ロボットカーのデータセットでは,エゴ車両の姿勢を時間とともに確実に推定することができる。
論文 参考訳（メタデータ） (2023-03-09T13:52:28Z)
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。