論文の概要: AeroMap3D: Anchoring Monocular UAV 6-DoF Localization to Visual-Geometric-Semantic Map Priors
- arxiv url: http://arxiv.org/abs/2607.14009v1
- Date: Wed, 15 Jul 2026 16:38:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.834506
- Title: AeroMap3D: Anchoring Monocular UAV 6-DoF Localization to Visual-Geometric-Semantic Map Priors
- Title（参考訳）: AeroMap3D: 単眼UAV 6-DoFローカライゼーションと視覚幾何学的意味マップ
- Authors: Zhiyun Deng, Luis Sentis,
- Abstract要約: AeroMap3Dは、OpenStreetMapで定義されたナビゲーションのために、画像から視覚的、幾何学的、セマンティックマップにアンカーする。
軽量アダプタは、インターネットスケールのジェネリックデータで事前訓練された密集型マーカを、信頼性の高いUAV-to-map登録を行うことができる。
UAV-Terra3Dの再訓練やチューニングがなければ、AeroMap3Dは50m以内のオースチンの8箇所で全ての軌道をローカライズし、5.88mの平均3D誤差を55km以上で達成する。
- 参考スコア（独自算出の注目度）: 4.292773013561405
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present AeroMap3D, a monocular 6-DoF UAV localization system that anchors onboard imagery to visual, geometric, and semantic map priors for GNSS-denied navigation. AeroMap3D addresses two fundamental challenges in map-referenced aerial localization: the cross-view discrepancy between UAV imagery and satellite maps, and the structural inconsistency between bare-earth digital elevation models (DEMs) and urban scenes. First, we introduce a lightweight adapter that enables a dense matcher pretrained on internet-scale generic data to perform reliable UAV-to-map registration without finetuning. By estimating the scale ratio and yaw offset between the UAV image and map tile, the adapter removes the dominant geometric misalignment induced by altitude, camera field of view, and heading before dense correspondence estimation. Second, AeroMap3D lifts 2D UAV-map correspondences onto DEM terrain while using OpenStreetMap annotations to reject semantically unreliable matches before RANSAC-PnP pose estimation, thereby reducing errors caused by unmodeled building heights and off-nadir structures. Delayed map-based pose measurements are further fused with relative-motion priors using a delayed-state EKF for continuous trajectory estimation. Without UAV-Terra3D retraining or tuning, AeroMap3D localizes all trajectories across eight Austin sites within 50 m and achieves 5.88 m mean 3D error over 55 km of flight.
- Abstract（参考訳）: 本稿では,モノクロ6-DoF UAVローカライズシステムであるAeroMap3Dについて述べる。
AeroMap3Dは、UAV画像と衛星地図の横断的な不一致と、裸地デジタル標高モデル(DEM)と都市景観の間の構造的不整合という、地図参照の空中ローカライゼーションにおける2つの基本的な課題に対処する。
まず,インターネット規模の汎用データに事前訓練された密マッチングを,微調整なしで信頼性の高いUAV-to-map登録を行う軽量アダプタを提案する。
UAV画像と地図タイルのスケール比とヨーオフセットを推定することにより、このアダプタは、高度、カメラ視野、および密度の高い対応推定の前に向かうことにより、支配的な幾何学的不整合を除去する。
第2に、AeroMap3Dは、OpenStreetMapアノテーションを使用して、RANSAC-PnPのポーズ推定の前に意味的に信頼性の低いマッチを拒否しながら、DEM地形に2DUAVマップ対応を持ち上げる。
遅延マップに基づくポーズ測定は、連続軌道推定のための遅延状態EKFを用いて、相対運動前とさらに融合する。
UAV-Terra3Dの再訓練やチューニングがなければ、AeroMap3Dは50m以内のオースチンの8箇所で全ての軌道をローカライズし、5.88mの平均3D誤差を55km以上で達成する。
関連論文リスト
- PiLoT v2: Pixel-to-Orthogonal Map Alignment for Free-view UAV Geo-localization [23.657357182211722]
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。
論文 参考訳（メタデータ） (2026-06-30T03:45:16Z) - SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models [51.121529170856064]
本研究では,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。
粗い輪郭や密集したテクスチャをマッチングする代わりに、本手法は、セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルと整合させる。
実験は、既存のマップベースのアプローチよりも大幅に改善されている。
論文 参考訳（メタデータ） (2026-06-25T18:13:39Z) - OrthoTrack: Continuous 6-DoF UAV Trajectory Estimation Anchored in Public Orthophotos [76.81099730054356]
トレーニング不要なOrthoTrackを提案する。このシステムは6-DoFトラジェクトリの連続を,事前の地図として利用可能なオプティカルフォトとサーフェスモデルのみを用いて推定する。
movingDroneと現実世界のベンチマークでは、OrthoTrackは1つのGPUでリアルタイムに実行される。オラクルのスケールとアライメントを受ける場合でも、すべてのベースラインを大きなマージンで上回る。
論文 参考訳（メタデータ） (2026-06-24T00:05:01Z) - UAVFF3D: A Geometry-Aware Benchmark for Feed-Forward UAV 3D Reconstruction [8.117428563545017]
フィードフォワードUAV3D再構成のための幾何対応ベンチマークであるUAVFF3Dを紹介する。
UAVFF3Dには、170万以上の実際のUAV画像と、高品質なテクスチャ化された3Dモデルからレンダリングされた370万以上の合成画像が含まれている。
また、プロジェクション幾何学の曖昧さを診断するための制御されたHFOV高さテストサブセットも含まれている。
論文 参考訳（メタデータ） (2026-05-18T06:59:28Z) - Leveraging Previous-Traversal Point Cloud Map Priors for Camera-Based 3D Object Detection and Tracking [15.914966195454403]
我々はDualViewMapDetを提案する。DualViewMapDetはカメラのみの推論フレームワークで、オンラインでマップの先行情報を検索する。
鍵となるアイデアは、片側ビュー変換を避けるデュアルスペースカメラマップ融合戦略である。
コードと事前トレーニングされたモデルはhttps://dualviewmapdet.cs.uni-freiburg.deで公開しています。
論文 参考訳（メタデータ） (2026-04-28T09:16:44Z) - 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) - Beyond Matching to Tiles: Bridging Unaligned Aerial and Satellite Views for Vision-Only UAV Navigation [51.286599397552756]
本稿では,UAVの絶対位置と近距離からの進路を共同で予測する視覚駆動型クロスビューナビゲーション手法であるBering-UAVを提案する。
我々はまた、クロスビューのローカライゼーションとナビゲーションを評価するベンチマークである Bearing-UAV-90k も提示する。
論文 参考訳（メタデータ） (2026-03-23T16:17:39Z) - Evaluation of Flight Parameters in UAV-based 3D Reconstruction for Rooftop Infrastructure Assessment [0.08192907805418585]
UAVを用いた3次元ホログラフィーによる屋根上3次元再構築は,インフラ評価に有望な解決策を提供する。
既存の手法では、自律飛行経路を使用する際のモデル精度を確保するために、画像の重複率が高く、飛行時間を延長する必要があることが多い。
本研究は,複合屋上インフラの3次元再構築を最適化するために,キーフライトパラメーター地上サンプリング距離(GSD)と画像重なり合いを体系的に評価する。
論文 参考訳（メタデータ） (2025-04-02T19:43:20Z) - UAV-VisLoc: A Large-scale Dataset for UAV Visual Localization [20.37586403749362]
大規模なUAV-VisLocデータセットを提示し、UAV視覚的ローカライゼーション作業を容易にする。
われわれのデータセットには6,742枚のドローン画像と11個の衛星マップが含まれており、緯度、経度、高度、捕獲日などのメタデータがある。
論文 参考訳（メタデータ） (2024-05-20T10:24:10Z) - OpenREALM: Real-time Mapping for Unmanned Aerial Vehicles [62.997667081978825]
OpenREALMは無人航空機(UAV)のリアルタイムマッピングフレームワークである
異なる操作モードにより、OpenREALMは近似平面場を仮定して単純な縫合を行うことができる。
すべてのモードにおいて、結果のマップの漸進的な進捗は、地上のオペレータによってライブで見ることができる。
論文 参考訳（メタデータ） (2020-09-22T12:28:14Z)
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。