論文の概要: PiLoT v2: Pixel-to-Orthogonal Map Alignment for Free-view UAV Geo-localization
- arxiv url: http://arxiv.org/abs/2606.31098v1
- Date: Tue, 30 Jun 2026 03:45:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.068172
- Title: PiLoT v2: Pixel-to-Orthogonal Map Alignment for Free-view UAV Geo-localization
- Title（参考訳）: PiLoT v2: 自由視UAV測地のためのPixel-to-Orthogonal Mapアライメント
- Abstract要約: 自由視点UAVのジオローカライゼーションのための画素対直交マップ登録にパラダイムをシフトさせる軽量で頑健な進化であるPiLoT v2を提案する。
True Digital Orthophoto Maps (TDOMs) と Digital Surface Models (DSMs) を基準として、PiLoT v2はGPU集約型3Dレンダリングを高効率でCPUフレンドリなマップトリミング操作に置き換える。
- 参考スコア（独自算出の注目度）: 23.657357182211722
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-time, drift-free UAV geo-localization is essential for autonomous missions in GNSS-denied environments. The pioneering system, PiLoT, achieves high precision via Neural Pixel-to-3D Registration, aligning UAV video streams with a single rendered reference view from 3D meshes. However, its reliance on heavy 3D meshes incurs massive storage overheads, complex map acquisition, and significant computational rendering costs, severely hindering deployment on embedded platforms. To address these bottlenecks, we propose PiLoT v2, a lightweight yet robust evolution that shifts the paradigm to direct pixel-to-orthogonal map registration for free-view UAV geo-localization. By leveraging True Digital Orthophoto Maps (TDOMs) and Digital Surface Models (DSMs) as the reference substrate, PiLoT v2 replaces GPU-intensive 3D rendering with a highly efficient, CPU-friendly map cropping operation. To bridge the severe geometric discrepancy between these 2.5D orthogonal crops and free-view oblique UAV imagery, we train a cross-view feature registration network using a novel, large-scale geometrically annotated dataset. Furthermore, we integrate onboard sensor prior--specifically gravity direction and single-point laser rang--directly into the pose optimization manifold to enhance robustness against cross-view visual degradation. Experimental results demonstrate that PiLoT v2 achieves performance comparable to, or even exceeding, its Pixel-to-3D predecessor, while offering drastically lower storage and computational costs.
- Abstract（参考訳）: リアルタイムでドリフトフリーなUAVのジオローカライゼーションは、GNSSによる環境下での自律的なミッションに不可欠である。
先駆的なシステムであるPiLoTは、Neural Pixel-to-3D Registrationを通じて高精度を実現し、UAVビデオストリームと3Dメッシュからの単一のレファレンスビューを整列する。
しかし、重い3Dメッシュへの依存は、大量のストレージオーバーヘッド、複雑なマップ取得、計算レンダリングコストを発生させ、組み込みプラットフォームへのデプロイを著しく妨げている。
これらのボトルネックに対処するため、我々は、自由視UAVのジオローカライゼーションのために、パラダイムをピクセル対直交マップの直接登録に移行する軽量で頑健な進化であるPiLoT v2を提案する。
True Digital Orthophoto Maps (TDOMs) と Digital Surface Models (DSMs) を基準として、PiLoT v2はGPU集約型3Dレンダリングを高効率でCPUフレンドリなマップトリミング操作に置き換える。
これらの2.5D直交作物と自由視斜めUAV画像との厳密な幾何学的相違を補うために、我々は、新しい大規模幾何学的注釈付きデータセットを用いて、クロスビュー特徴登録ネットワークを訓練する。
さらに,車載センサの偏重方向と単点レーザを姿勢最適化多様体に直接組み込むことにより,視界横断劣化に対する堅牢性を向上する。
実験の結果、PiLoT v2はPixel-to-3Dに匹敵するパフォーマンスを達成し、ストレージと計算コストを大幅に削減した。
関連論文リスト
- Visual Relocalization from Sparse Views in Aliased and Low-Texture Environments via Novel View Synthesis [17.82023714307905]
本稿では,古典的対応に基づくパイプラインから離れる視覚的再ローカライズ手法を提案する。
私たちの重要な貢献は、測光と幾何学的損失を組み合わせた幾何学的学習戦略です。
この共同最適化により3DGSモデルが生成され,その基礎となるシーン形状に適合することを示す。
論文 参考訳（メタデータ） (2026-07-24T09:46:07Z) - Calibration-Free 3D Multi-Camera People Tracking for Indoor Environment [0.764671395172401]
本研究では,視覚データから直接幾何学的構造を推定するキャリブレーションフリーの3D MCPTフレームワークを提案する。
このシステムは、アンカーフリー検出(YOLOX)、ロバストトラッキング(BoT-SORT)、オムニスケールの外観埋め込み(OsNet)、ポーズ推定(HRNet via MMPose)、およびトランスフォーマーベースの幾何再構成を統合する。
論文 参考訳（メタデータ） (2026-07-22T09:16:10Z) - 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) - PiLoT: Neural Pixel-to-3D Registration for UAV-based Ego and Target Geo-localization [26.426290913965456]
我々は、UAVベースのエゴに取り組み、地理的ローカライゼーションをターゲットとする統合フレームワークPiLoTを提案する。
1)コアローカライゼーションスレッドからマップレンダリングを分離し、低レイテンシとドリフトフリーの精度を保証するデュアルスレッドエンジン。
このデータセットは、シミュレーションから実データへのゼロショット方式で一般化する軽量ネットワークのトレーニングを可能にする。
論文 参考訳（メタデータ） (2026-03-21T12:08:46Z) - RegFormer++: An Efficient Large-Scale 3D LiDAR Point Registration Network with Projection-Aware 2D Transformer [71.59462491691819]
本稿では,大規模クラウドアライメントを実現するために,RegFormer++と呼ばれる新しいエンド・ツー・エンド差動トランスフォーマネットワークを提案する。
元の3D座標を2次元投影位置に充填するため、設計したトランスフォーマーは2次元処理における高効率と3次元幾何情報からの精度の両面から恩恵を受けることができる。
KITTI、NuScenes、Argoverseのデータセットを用いた実験により、我々のモデルは精度と効率の両面で最先端のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2026-03-15T09:03:10Z) - Towards Scalable Spatial Intelligence via 2D-to-3D Data Lifting [64.64738535860351]
単一ビュー画像を包括的・スケール的・外観リアルな3D表現に変換するスケーラブルなパイプラインを提案する。
本手法は,画像の膨大な保存と空間的シーン理解への需要の増大とのギャップを埋めるものである。
画像から精度の高い3Dデータを自動的に生成することにより,データ収集コストを大幅に削減し,空間知性を向上するための新たな道を開く。
論文 参考訳（メタデータ） (2025-07-24T14:53:26Z) - GaussRender: Learning 3D Occupancy with Gaussian Rendering [86.89653628311565]
GaussRenderは、投影的一貫性を強制することによって3D占有学習を改善するモジュールである。
提案手法は,不整合な2次元プロジェクションを生成する3次元構成をペナライズすることにより,より一貫性のある3次元構造を実現する。
論文 参考訳（メタデータ） (2025-02-07T16:07:51Z) - VPOcc: Exploiting Vanishing Point for 3D Semantic Occupancy Prediction [24.947072696837118]
3Dシーンを意味的かつ空間的に理解することは、ロボットや自動運転車の安全なナビゲーションに不可欠である。
カメラベースの3Dセマンティック占有予測は、2D画像から完全なボクセルグリッドを推定する。
このタスクは本質的に2D-3Dの相違に悩まされ、カメラからの距離に応じて3D空間で同じ大きさの物体が異なる大きさの2D画像に現れる。
本稿では,2D-3Dの相違を画素レベルと特徴レベルの両方で緩和するために,消失点(VP)を利用するVPOccという新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-08-07T05:23:52Z) - DSVT: Dynamic Sparse Voxel Transformer with Rotated Sets [95.84755169585492]
本研究では,屋外3次元知覚のためのシングルストライドウィンドウベースのボクセルトランスであるDynamic Sparse Voxel Transformer (DSVT)を提案する。
本モデルでは,3次元認識タスクを多岐にわたって行うことにより,最先端の性能を実現する。
論文 参考訳（メタデータ） (2023-01-15T09:31:58Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - ZoomNet: Part-Aware Adaptive Zooming Neural Network for 3D Object
Detection [69.68263074432224]
ステレオ画像に基づく3D検出のためのZoomNetという新しいフレームワークを提案する。
ZoomNetのパイプラインは、通常の2Dオブジェクト検出モデルから始まり、左右のバウンディングボックスのペアを取得するために使用される。
さらに,RGB画像のテクスチャキューを多用し,より正確な異質度推定を行うため,適応ズームという概念的に真直ぐなモジュールを導入する。
論文 参考訳（メタデータ） (2020-03-01T17:18:08Z)
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。