論文の概要: Visual Semantic SLAM with Landmarks for Large-Scale Outdoor Environment

• arxiv url: http://arxiv.org/abs/2001.01028v1
• Date: Sat, 4 Jan 2020 03:34:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 12:59:00.234466
• Title: Visual Semantic SLAM with Landmarks for Large-Scale Outdoor Environment
• Title（参考訳）: 大規模屋外環境のためのランドマーク付きビジュアルセマンティクススラム
• Authors: Zirui Zhao, Yijun Mao, Yan Ding, Pengju Ren, Nanning Zheng
• Abstract要約: 我々は,ORB SLAMの3DポイントクラウドとPSPNet-101のセマンティックセマンティックセグメンテーション情報を組み合わせて,大規模環境のセマンティック3Dマップを作成するシステムを構築した。 実世界のランドマークとポイントクラウドマップを関連付ける方法を見つけ、セマンティックマップに基づいたトポロジマップを構築した。
• 参考スコア（独自算出の注目度）: 47.96314050446863
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic SLAM is an important field in autonomous driving and intelligent agents, which can enable robots to achieve high-level navigation tasks, obtain simple cognition or reasoning ability and achieve language-based human-robot-interaction. In this paper, we built a system to creat a semantic 3D map by combining 3D point cloud from ORB SLAM with semantic segmentation information from Convolutional Neural Network model PSPNet-101 for large-scale environments. Besides, a new dataset for KITTI sequences has been built, which contains the GPS information and labels of landmarks from Google Map in related streets of the sequences. Moreover, we find a way to associate the real-world landmark with point cloud map and built a topological map based on semantic map.
• Abstract（参考訳）: セマンティックSLAMは、自律運転とインテリジェントエージェントの重要な分野であり、ロボットが高度なナビゲーションタスクを達成し、単純な認識や推論能力を獲得し、言語に基づく人間ロボットのインタラクションを実現できる。 本稿では,orbスラムからの3dポイントクラウドと畳み込みニューラルネットワークモデルpspnet-101からの意味セグメンテーション情報を組み合わせることで,意味的3dマップを解明するシステムを構築した。 さらに、KITTIシークエンスのための新しいデータセットが構築され、シーケンスの関連通りのGoogleマップからランドマークのGPS情報とラベルが含まれている。 さらに,実世界のランドマークとポイントクラウドマップを関連付ける方法を見つけ,セマンティックマップに基づいたトポロジマップを構築した。

関連論文リスト

• Object-Oriented Material Classification and 3D Clustering for Improved Semantic Perception and Mapping in Mobile Robots [6.395242048226456]
  本稿では,オブジェクト指向パイプライン上に構築されたRGB-D教材分類のための補足型ディープラーニング手法を提案する。 本研究では,3次元セマンティックシーンマッピングの最先端手法と比較して,材料分類と3次元クラスタリングの精度が大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2024-07-08T16:25:01Z)
• LISNeRF Mapping: LiDAR-based Implicit Mapping via Semantic Neural Fields for Large-Scale 3D Scenes [2.822816116516042]
  大規模セマンティックマッピングは、屋外の自律エージェントが計画やナビゲーションといった高度なタスクを遂行するために不可欠である。 本稿では,提案するLiDAR測度のみでの暗黙的表現による大規模3次元意味再構築手法を提案する。
  論文  参考訳（メタデータ） (2023-11-04T03:55:38Z)
• SeMLaPS: Real-time Semantic Mapping with Latent Prior Networks and Quasi-Planar Segmentation [53.83313235792596]
  本稿では,RGB-Dシーケンスからのリアルタイム意味マッピングのための新しい手法を提案する。 2DニューラルネットワークとSLAMシステムに基づく3Dネットワークと3D占有マッピングを組み合わせる。 本システムは,2D-3Dネットワークベースシステムにおいて,最先端のセマンティックマッピング品質を実現する。
  論文  参考訳（メタデータ） (2023-06-28T22:36:44Z)
• Neural Implicit Dense Semantic SLAM [83.04331351572277]
  本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。 私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。 提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
  論文  参考訳（メタデータ） (2023-04-27T23:03:52Z)
• Object-level 3D Semantic Mapping using a Network of Smart Edge Sensors [25.393382192511716]
  我々は,分散エッジセンサのネットワークとオブジェクトレベルの情報からなる多視点3次元意味マッピングシステムを拡張した。 提案手法は,数cm以内でのポーズ推定と,実験室環境におけるセンサネットワークを用いた実環境実験により,Behaveデータセットを用いて評価した。
  論文  参考訳（メタデータ） (2022-11-21T11:13:08Z)
• Vision-based Large-scale 3D Semantic Mapping for Autonomous Driving Applications [53.553924052102126]
  ステレオカメラシステムのみに基づく3次元セマンティックマッピングのための完全なパイプラインを提案する。 パイプラインは、直接視覚的オドメトリーのフロントエンドと、グローバルな時間統合のためのバックエンドで構成されている。 本稿では,3次元点ラベルの品質と一貫性を向上する,単純だが効果的な投票方式を提案する。
  論文  参考訳（メタデータ） (2022-03-02T13:18:38Z)
• Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
  スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。 データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
  論文  参考訳（メタデータ） (2020-12-23T21:48:47Z)
• Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset, Benchmarks and Challenges [52.624157840253204]
  我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。 私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。 我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
  論文  参考訳（メタデータ） (2020-09-07T14:47:07Z)
• Crowdsourced 3D Mapping: A Combined Multi-View Geometry and Self-Supervised Learning Approach [10.610403488989428]
  本稿では,意味的意味のあるランドマークの3次元位置を,カメラ固有の知識を仮定せずに推定するフレームワークを提案する。 交通標識の位置推定には,多視点幾何と深層学習に基づく自己校正,深度,エゴモーション推定を利用する。 我々はそれぞれ39cmと1.26mの平均単方向相対位置と絶対位置の精度を達成した。
  論文  参考訳（メタデータ） (2020-07-25T12:10:16Z)

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。