論文の概要: RadGeoLoc: Radar Geolocalization via Particle Filtering
- arxiv url: http://arxiv.org/abs/2610.27310v1
- Date: Mon, 19 Oct 2026 21:30:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.518815
- Title: RadGeoLoc: Radar Geolocalization via Particle Filtering
- Title（参考訳）: RadGeoLoc: 粒子フィルタリングによるレーダー測地
- Abstract要約: 頭上RGB画像に対する回転レーダ計測を学習観測モデルを用いて局所化する。
本手法は, 地上レーダと粗い局地前部のみを用いて, 都市・オフロード両条件にまたがる8つのデータセットを31以上の異なる経路で評価した。
- 参考スコア（独自算出の注目度）: 8.391684306735174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In real-time autonomous field applications, GNSS is often unreliable and inaccurate. A possible solution is localizing against a prebuilt map like a satellite image, as it is georeferenced and already surveyed. In this work, we localize a spinning radar measurement against overhead RGB imagery with a learned observation model. We use a radar representation pretrained by masked reconstruction and align it to features from a satellite image. A particle filter propagated by radar odometry proposes candidate poses, and our observation model provides a likelihood over these poses. We evaluate our method over 31 distinct routes, over 8 datasets spanning both urban and offroad conditions using only ground radar and a coarse local prior. We also examine the robustness over changing weather using repeated traversals over the same route over 13 months, in both urban and offroad conditions.
- Abstract（参考訳）: リアルタイムの自律的応用では、GNSSは信頼性が低く不正確であることが多い。
可能な解決策は、衛星画像のように構築済みの地図に対して、ジオレファレンスされ、既に調査済みであるように、ローカライズすることである。
本研究では, 頭上RGB画像に対する回転レーダ計測を学習観測モデルを用いて局所化する。
我々は、マスクされた再構成によって事前訓練されたレーダー表現を使用し、それを衛星画像の特徴に合わせる。
レーダオドメトリーによって伝搬される粒子フィルタは候補ポーズを提案する。
本手法は, 地上レーダと粗い局地前部のみを用いて, 都市・オフロード両条件にまたがる8つのデータセットを31以上の異なる経路で評価した。
また,都市・オフロード両条件において,同じ経路を13ヶ月にわたって繰り返し回って天気変化の頑健さについて検討した。
関連論文リスト
- DRT&R: Direct Radar Teach & Repeat [49.657666997508706]
本稿では,直接回転型レーダーによるナビゲーションスタックであるDirect Radar Teach & Repeat (DRT&R)を紹介する。
DRT&Rは、オンロード環境とオフロード環境の両方において、最先端(SOTA)ローカライゼーション性能を得る。
これは、Clearpath Warthogオフロード車両を用いて、10km以上のMPCコントローラで、クローズドループで自律的に評価される。
論文 参考訳（メタデータ） (2026-09-15T19:13:53Z) - Road Maps as Free Geometric Priors: Weather-Invariant Drone Geo-Localization with GeoFuse [20.496826407313854]
ドローンビューのジオローカライゼーションは、しばしば悪天候下で撮影されたクエリードローン画像と、ジオタグ付き衛星画像のギャラリーとをマッチングすることを目的としている。
気象によって引き起こされるドローンの視界の劣化は、本質的なクロスビュー領域のギャップを著しく悪化させる。
衛星画像と正確に整列した道路地図タイルを統合したクロスモーダル融合フレームワークであるGeoFuseを紹介する。
論文 参考訳（メタデータ） (2026-05-14T15:01:22Z) - Dr-BA: Separable Optimization for Direct Radar Bundle Adjustment & Localization [12.318856176227383]
Dr-BAは、2D回転レーダーの強度画像を直接操作する、第一種レーダーバンドル調整フレームワークである。
Dr-BAは200km以上のオンロードデータで実証された最先端のレーダーベースBAとクロスセッションローカライゼーション性能を達成する。
論文 参考訳（メタデータ） (2026-05-07T23:41:16Z) - Pushing Radar Odometry Beyond the Pavement: Current Capabilities and Challenges [7.820881002491645]
オフロードオドメトリー推定におけるレーダの可能性について検討する。
本稿では,3次元レーダー点雲の生成に動き補償を適用したRadar-KISSICPと,IMU事前積分を利用してスキャンマッチングを安定化するRadar-IMUの2つの簡単なベースラインを紹介する。
Great Outdoorsデータセットの実験は、これらのベースラインが挑戦ルートにおける軌道推定を改善することを示した。
論文 参考訳（メタデータ） (2026-04-27T16:34:18Z) - RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection [68.99784784185019]
暗い照明や悪天候はカメラの性能を低下させる。
レーダーは騒音と位置のあいまいさに悩まされる。
本稿では,BEVの頑健な物体検出モデルであるRobuRCDetを提案する。
論文 参考訳（メタデータ） (2025-02-18T17:17:38Z) - Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-05-07T20:44:48Z) - Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。
本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
論文 参考訳（メタデータ） (2022-07-27T13:16:39Z) - RadarLoc: Learning to Relocalize in FMCW Radar [36.68888832365474]
6-DoFのグローバルポーズを直接推定できる,自己アテンションを備えた新しいエンドツーエンドニューラルネットワークであるRadarLocを提案する。
我々は最近リリースされた屋外データセットOxford Radar RobotCarに対するアプローチを検証する。
論文 参考訳（メタデータ） (2021-03-22T03:22:37Z) - Radar-Camera Sensor Fusion for Joint Object Detection and Distance
Estimation in Autonomous Vehicles [8.797434238081372]
本稿では,自律走行シナリオにおける物体検出と距離推定のための新しいレーダーカメラセンサ融合フレームワークを提案する。
提案アーキテクチャでは,レーダーポイント雲とRGB画像の融合に中間融合方式を用いる。
難易度の高いnuScenesデータセットの実験では、我々の手法は2次元物体検出タスクにおいて既存のレーダー・カメラ融合法よりも優れていた。
論文 参考訳（メタデータ） (2020-09-17T17:23:40Z)
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。