Analyzing the impact of semantic LoD3 building models on image-based vehicle localization

要約

多くのナビゲーション アプリケーションは、都市部では精度が低下するにもかかわらず、全地球航法衛星システム (GNSS) からのデータに依存しており、特に自動運転車の正確な位置特定には大きな課題が生じています。
この問題に対処するために、さまざまなタイプのセンサーを統合することで位置特定の精度を向上させることに、広範な研究が焦点を当ててきました。
この論文では、非常に詳細なセマンティック 3D 建築モデルに対応する画像特徴を活用した、自動車の位置特定のための新しいアプローチを紹介します。
中心となる概念には、事前の幾何学的知識と意味論的な知識を計算に組み込むことによって位置決め精度を向上することが含まれます。
この研究では、詳細レベル 2 (LoD2) および詳細レベル 3 (LoD3) モデルを使用して結果を評価し、ファサードを強化したモデルが優れた精度を生み出すかどうかを分析します。
この包括的な分析には、既製の特徴マッチングやディープラーニングなどのさまざまな手法が含まれており、徹底的な議論が容易になります。
私たちの実験では、LoD3 では LoD2 モデルを使用した場合よりも最大 69\% 多くの特徴を検出できることが確認されました。
本研究は、GNSS が受信できない都市部の峡谷における測位精度を向上させる研究に貢献できると考えています。
また、地図ベースの自動車位置測位における、まだ研究されていない LoD3 建築モデルの実用的な応用例も示しています。

要約(オリジナル)

Numerous navigation applications rely on data from global navigation satellite systems (GNSS), even though their accuracy is compromised in urban areas, posing a significant challenge, particularly for precise autonomous car localization. Extensive research has focused on enhancing localization accuracy by integrating various sensor types to address this issue. This paper introduces a novel approach for car localization, leveraging image features that correspond with highly detailed semantic 3D building models. The core concept involves augmenting positioning accuracy by incorporating prior geometric and semantic knowledge into calculations. The work assesses outcomes using Level of Detail 2 (LoD2) and Level of Detail 3 (LoD3) models, analyzing whether facade-enriched models yield superior accuracy. This comprehensive analysis encompasses diverse methods, including off-the-shelf feature matching and deep learning, facilitating thorough discussion. Our experiments corroborate that LoD3 enables detecting up to 69\% more features than using LoD2 models. We believe that this study will contribute to the research of enhancing positioning accuracy in GNSS-denied urban canyons. It also shows a practical application of under-explored LoD3 building models on map-based car positioning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google