要約
都市規模の環境でリアルタイムで動作できる車両の視覚的位置特定のための新しい学習ベースの定式化を提案します。
ビジュアル ローカリゼーション アルゴリズムは、地理参照された一連の画像または 3D シーン表現を使用して、画像がキャプチャされた位置と方向を決定します。
Implicit Pose Encoding (ImPosing) という名前の新しいローカリゼーション パラダイムは、画像とカメラのポーズを 2 つの別個のニューラル ネットワークを使用して共通の潜在表現に埋め込み、各画像とポーズのペアの類似性スコアを計算できるようにします。
階層的な方法で潜在空間を介して候補を評価することにより、カメラの位置と向きは直接回帰するのではなく、段階的に洗練されます。
非常に大規模な環境では、競合他社は数ギガバイトのマップ データを保存する必要がありますが、私たちの方法は参照データベースのサイズに関係なく非常にコンパクトです。
このホワイトペーパーでは、学習したモジュールを効果的に最適化する方法、それらを組み合わせてリアルタイムのローカリゼーションを実現する方法について説明し、精度と計算効率において以前の作業を大幅に上回るさまざまな大規模シナリオでの結果を示します。
要約(オリジナル)
We propose a novel learning-based formulation for visual localization of vehicles that can operate in real-time in city-scale environments. Visual localization algorithms determine the position and orientation from which an image has been captured, using a set of geo-referenced images or a 3D scene representation. Our new localization paradigm, named Implicit Pose Encoding (ImPosing), embeds images and camera poses into a common latent representation with 2 separate neural networks, such that we can compute a similarity score for each image-pose pair. By evaluating candidates through the latent space in a hierarchical manner, the camera position and orientation are not directly regressed but incrementally refined. Very large environments force competitors to store gigabytes of map data, whereas our method is very compact independently of the reference database size. In this paper, we describe how to effectively optimize our learned modules, how to combine them to achieve real-time localization, and demonstrate results on diverse large scale scenarios that significantly outperform prior work in accuracy and computational efficiency.
arxiv情報
著者 | Arthur Moreau,Thomas Gilles,Nathan Piasco,Dzmitry Tsishkou,Bogdan Stanciulescu,Arnaud de La Fortelle |
発行日 | 2022-10-28 12:17:30+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google