論文の概要: Spotter: Efficient Urban Visual Localization via Geo-Referenced Facade Landmarks in GPS-Degraded Environments

• arxiv url: http://arxiv.org/abs/2608.23290v1
• Date: Mon, 24 Aug 2026 14:15:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.131742
• Title: Spotter: Efficient Urban Visual Localization via Geo-Referenced Facade Landmarks in GPS-Degraded Environments
• Title（参考訳）: スポッター:GPS劣化環境におけるジオレファレンスファサードランドマークによる効率的な都市視覚像定位
• Authors: Antoni Valls, Jordi Sanchez-Riera,
• Abstract要約: Spotterは、ロボットおよびウェアラブルプラットフォームのためのリアルタイムビジュアルローカライズフレームワークである。 Googleストリートビューパノラマを、意味的にファサードを分割し、地図データと多視点ステレオ深度をペアリングすることによって処理する。 実行時に、クエリ画像はカスケード検索と幾何検証パイプラインを介してマッチングされ、微細なグローバルカメラローカライゼーションを回復する。
• 参考スコア（独自算出の注目度）: 0.5371337604556311
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate visual localization on robotic and wearable platforms remains challenging in dense urban environments. Existing methodologies typically rely on GPS for absolute positioning, yet GPS signals frequently degrade in urban canyons due to multipath propagation. Consequently, standard solutions like visual odometry suffer from unmitigated drift over time, while map-matching techniques struggle to acquire the reliable GPS priors they need, on top of being too computationally heavy for real-time edge execution. To address these limitations, we propose Spotter, a robuts and real-time visual localization framework that uses building facades as a reliable source of global geo-reference, while retaining the capability to integrate GPS signals when available. In an offline stage, Spotter processes Google Street View panoramas by semantically segmenting facades and pairing multi-view stereo depth with cartographic data to build a compact metric database. At runtime, query images are matched via a cascaded retrieval and geometric verification pipeline to recover fine-grained global camera localization. We benchmark Spotter on a newly collected dataset of pedestrian sequences acquired with wearable smart glasses across several districts of Barcelona. Experimental results show that Spotter outperforms odometry-based baselines and achieves localization accuracy comparable to state-of-the-art map-based methods while operating at significantly higher frame rates.
• Abstract（参考訳）: ロボットおよびウェアラブルプラットフォームにおける正確な視覚的ローカライゼーションは、密集した都市環境において依然として困難である。 既存の手法は通常GPSを絶対位置決めに頼っているが、GPS信号は多経路伝搬により都市キャニオンで頻繁に劣化する。 その結果、ビジュアル・オドメトリーのような標準的なソリューションは時間の経過とともに未解決のドリフトに悩まされる一方、マップマッチング技術は、リアルタイムエッジ実行には計算的に重すぎるだけでなく、彼らが必要とする信頼性の高いGPS先行情報を取得するのに苦労する。 これらの制約に対処するため,我々は,ビルのファサードをグローバルジオリフレクションの信頼性の高い情報源として使用し,GPS信号の統合能力を維持しつつ,ロバストかつリアルタイムな視覚的ローカライゼーションフレームワークであるSputterを提案する。 オフラインの段階でSputterは、Googleストリートビューパノラマを、意味的にファサードを分割し、マルチビューステレオ深度を地図データと組み合わせて、コンパクトなメトリックデータベースを構築することで処理する。 実行時に、クエリ画像はカスケード検索と幾何検証パイプラインを介してマッチングされ、微細なグローバルカメラローカライゼーションを回復する。 Spotterはバルセロナのいくつかの地区で、ウェアラブルスマートグラスで得られた歩行者シーケンスのデータセットをベンチマークした。 実験結果から,スポッターはオドメトリベースのベースラインより優れ,最先端のマップベース手法に匹敵するローカライゼーション精度を実現し,フレームレートも大幅に向上した。

関連論文リスト

• Think over Trajectories: Leveraging Video Generation to Reconstruct GPS Trajectories from Cellular Signaling [24.925378866242426]
  本稿では,Sig2GPS問題について考察する。 このパラダイムをサポートするために、オープンソースのビデオモデルを微調整するために、ペア化されたシグナリング・ツー・トラジェクトリ・ビデオデータセットを構築した。 大規模な実世界のデータセットの実験は、強力なエンジニアリングと学習ベースのベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-03-27T17:07:13Z)
• PRISM-Loc: a Lightweight Long-range LiDAR Localization in Urban Environments with Topological Maps [0.8009940044669193]
  大規模環境における局所化のためのトポロジカルマップに基づくアプローチであるPRISM-Locを提案する。 提案手法では、グローバルな位置認識と、検出された位置内の局所的なポーズの推定からなる2倍の局所化パイプラインを利用する。 提案手法をITLP-Campusデータセット上で3kmの経路で評価し,最先端のメートル法と位置認識方式の競合とを比較した。
  論文  参考訳（メタデータ） (2025-06-18T19:59:50Z)
• Weakly-supervised Camera Localization by Ground-to-satellite Image Registration [52.54992898069471]
  本稿では,地対衛星画像登録のための弱教師付き学習戦略を提案する。 地上画像ごとに正の衛星画像と負の衛星画像を導き出す。 また,クロスビュー画像の相対回転推定のための自己超越戦略を提案する。
  論文  参考訳（メタデータ） (2024-09-10T12:57:16Z)
• Landmark-based Localization using Stereo Vision and Deep Learning in GPS-Denied Battlefield Environment [1.19658449368018]
  本稿では、受動カメラセンサのみを用いた非GPS戦場環境におけるローカライズのための新しいフレームワークを提案する。 提案手法では,距離推定にカスタムキャリブレーションされたステレオカメラと,実世界のランドマーク認識のためのデータセットを用いて訓練および微調整を行うYOLOv8sモデルを用いる。 実験の結果,提案手法は既存のアンカーベースDV-Hopアルゴリズムよりも優れた性能を示し,ローカライゼーション誤差(RMSE)の点で最も効率的な視覚ベースアルゴリズムと競合することがわかった。
  論文  参考訳（メタデータ） (2024-02-19T21:20:56Z)
• GeoCLIP: Clip-Inspired Alignment between Locations and Images for Effective Worldwide Geo-localization [61.10806364001535]
  世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。 既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。 画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
  論文  参考訳（メタデータ） (2023-09-27T20:54:56Z)
• 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)
• Accurate 3-DoF Camera Geo-Localization via Ground-to-Satellite Image Matching [102.39635336450262]
  地上で取得したクエリ画像とジオタグ付き衛星画像の大規模データベースとをマッチングすることにより、地上から衛星画像のジオローカライズの問題に対処する。 我々の新しい手法は、衛星画像のピクセルサイズの精度まで、クエリー画像のきめ細かい位置を達成できる。
  論文  参考訳（メタデータ） (2022-03-26T20:10:38Z)
• 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)
• Real-time Localization Using Radio Maps [59.17191114000146]
  パスロスに基づく簡易かつ効果的なローカライゼーション法を提案する。 提案手法では, 受信した信号強度を, 既知の位置を持つ基地局の集合から報告する。
  論文  参考訳（メタデータ） (2020-06-09T16:51:17Z)

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。