利用卫星影像的准确基于视觉的车辆定位
本文提出了一种车载摄像机定位的解决方案,通过神经网络和几何投影模型实现从地面图像匹配到高空卫星地图上,并把匹配问题转化为姿态估计问题来提高定位精度。
Apr, 2022
本文提出了一种基于视觉的方法,利用公开的卫星图像作为对环境的唯一先验知识,对地面车辆进行定位,并通过神经多视点模型消除图像之间的视角和外观差异。实验证明,该方法能够在训练集之外的环境中定位地面图像。
Apr, 2017
本文提出了一种面向实时性能的可扩展视觉定位方法,该方法使用自我监督方法学习紧凑的路图像表示,结合车辆本体运动得出高精度位置估计,在挑战性的城市环境中有效地减少了定位误差一个数量级。
May, 2019
本文提出了一种基于几何感知的地球到卫星图像地理定位方法,该方法可以实现对查询图像的精准定位,其精度可达卫星图像的像素级,同时提出了一种新的基于几何感知的图像检索流程,以提高定位准确性。
Mar, 2022
本文针对在地面视图图像查询给定地理参考卫星地图的定位问题提出了一种基于 CVM-Net 的 Markov 定位框架,通过更广泛的实验结果和分析,它扩展了我们早期关于 CVM-Net 的工作,并提出了一种 Markov 定位框架,该框架可以在可用的地面图像流视频的情况下增强地理定位结果。实验结果表明,我们提出的 Markov 定位框架可以在新加坡数据集上持续实现小误差内的车辆定位。
Mar, 2019
本文使用新型网络结构和更密集的卫星图像描述符进行多模式区域定位,可将度量定位误差中位数相对于同一区域、跨区域和跨时间的现有技术分别降低 51%、37%和 28%。
Aug, 2022
提出了一种新颖的轻量级视觉语义定位算法,通过稳定的语义特征代替低级纹理特征,结合离线构建的语义地图和在线的数据关联实现实时的自动驾驶定位。实验结果表明,该方法在各种自动驾驶定位任务中是可靠且实用的定位解决方案。
Jun, 2024
本研究提出了一种新方法,通过整合深度学习、图像处理和几何计算来解决观测车辆定位问题,通过移动传感器或 MV 上搭载的单目摄像头,可以成功地动态地估计车辆的经纬度信息。
Mar, 2022
为解决无人机视觉定位问题,本文提出了一个大规模数据集 UAV-VisLoc,其中包含了来自中国 11 个地点的多种类型无人机图像和卫星地图,以支持模型的训练和测试。
May, 2024
本文提出了一种利用普通地面图像和低精度手机 GPS 训练地理空间深度神经网络以准确预测车辆地理位置 (纬度和经度) 的方法。我们在一个公开数据集和我们自己采集的在雾都旧金山市中心的图像上验证了该方法,结果表明模型可以在实际业务应用中足够预测质量位置,同时避免了使用地图或 SFM 模型的当今经典视觉定位或姿态估计方法所遇到的问题。
Apr, 2018