Newest papers

PlanarCityLoc: Breaking Silhouette Ambiguity in LoD Aerial Localization via 3D Planes

Oussema Dhaouadi, Shao Jie Hu-Chen, Jakob Gollreiter, Samir Jusufi, Nikolas Rieger, Caroline Wendlandt, Christian Wender, Jingfeng Mao, Guangming Wang, Zuria Bauer, Marc Pollefeys, Daniel Cremers, Olaf Wysocki · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.26729 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Vị trí hình ảnh không khí là rất quan trọng đối với điều hướng máy bay không người lái tự trị trong môi trường đô thị, nơi các tín hiệu GNSS thường bị suy giảm. Các mô hình thành phố không có cấu trúc cấp độ chi tiết (LoD) cung cấp một bản đồ hình học thay thế cho tài sản có cấu trúc. Các phương pháp dựa trên hình ảnh dựa trên hình ảnh dựa trên sự sắp xếp không gian, có thể để lại các vị trí máy ảnh khác nhau không thể phân biệt được và ủng hộ các vị trí không chính xác khi các lỗi phân đoạn làm biến dạng các đường viền xây dựng. Chúng tôi trình bày PlanarCityLoc, di chuyển vượt ra ngoài đường viền bằng cách khai thác hình học phẳng của mặt tiền và mái nhà xây dựng. Sau khi định vị hình học, chúng tôi phù hợp với các bản vá mặt hình hình ảnh với máy bay mô hìnhD và sử dụng các

Machine translation (Meta M2M100); the English original follows.

Abstract

Aerial visual localization is crucial for autonomous drone navigation in urban environments where GNSS signals are often degraded. Lightweight textureless Level-of-Detail (LoD) city models provide a geometric map alternative to textured assets. Existing silhouette-based methods rely on image-space alignment, which can leave different camera poses indistinguishable and favor incorrect poses when segmentation errors distort the building outlines. We present PlanarCityLoc, which moves beyond silhouette overlap by leveraging the planar geometry of building facades and roofs. Following geometry-aware initialization, we match image-side planar patches to LoD model planes and use the resulting 3D-to-2D correspondences to refine pose with Perspective-n-Point (PnP). The framework uses off-the-shelf geometry and segmentation models without dataset-specific training or fine-tuning. Experiments on UAVD4L-LoDv2 and Swiss-EPFLv2 achieve state-of-the-art localization recall among the evaluated off-the-shelf LoD-based methods. By grounding image-space alignment in 3D planes, PlanarCityLoc enables more accurate aerial localization with lightweight, textureless city maps.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Silhouette, Computer vision, Artificial intelligence, Segmentation, Computer science, Drone

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange