論文の概要: GPO: Global Plane Optimization for Fast and Accurate Monocular SLAM Initialization

• arxiv url: http://arxiv.org/abs/2004.12051v2
• Date: Sun, 24 May 2020 01:59:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 22:10:39.233244
• Title: GPO: Global Plane Optimization for Fast and Accurate Monocular SLAM Initialization
• Title（参考訳）: GPO: 高速かつ高精度な単分子SLAM初期化のためのグローバル平面最適化
• Authors: Sicong Du, Hengkai Guo, Yao Chen, Yilun Lin, Xiangbing Meng, Linfu Wen, Fei-Yue Wang
• Abstract要約: アルゴリズムは、スライドウィンドウでのホモグラフィー推定から始まる。 提案手法は,複数フレームからの平面情報を完全に活用し,ホモグラフィ分解における曖昧さを回避する。 実験の結果,提案手法は精度とリアルタイムの両面において微調整ベースラインよりも優れていた。
• 参考スコア（独自算出の注目度）: 22.847353792031488
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Initialization is essential to monocular Simultaneous Localization and Mapping (SLAM) problems. This paper focuses on a novel initialization method for monocular SLAM based on planar features. The algorithm starts by homography estimation in a sliding window. It then proceeds to a global plane optimization (GPO) to obtain camera poses and the plane normal. 3D points can be recovered using planar constraints without triangulation. The proposed method fully exploits the plane information from multiple frames and avoids the ambiguities in homography decomposition. We validate our algorithm on the collected chessboard dataset against baseline implementations and present extensive analysis. Experimental results show that our method outperforms the fine-tuned baselines in both accuracy and real-time.
• Abstract（参考訳）: 初期化はslam (monocular concurrent localization and mapping) 問題に必須である。 本稿では,平面的特徴に基づく単分子SLAMの新たな初期化手法について述べる。 アルゴリズムはスライディングウィンドウにおけるホモグラフィ推定から始める。 その後、グローバルな平面最適化(GPO)に進み、カメラのポーズと通常の平面を得る。 3dポイントは三角測量なしで平面制約を使って復元できる。 提案手法は,複数フレームからの平面情報を完全に活用し,ホモグラフィ分解における曖昧さを回避する。 本アルゴリズムは,ベースライン実装に対して収集したチェスボードデータセット上で検証し,広範な解析を行う。 実験の結果,提案手法は精度とリアルタイムの両面において微調整ベースラインよりも優れていた。

関連論文リスト

• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Plane2Depth: Hierarchical Adaptive Plane Guidance for Monocular Depth Estimation [38.81275292687583]
  平面情報を適応的に利用し,階層的なフレームワーク内での深度予測を改善するPlane2Depthを提案する。 提案する平面案内深度発生器 (PGDG) では, 現場の平面をソフトにモデル化し, 画素ごとの平面係数を予測するためのプロトタイプとして, 一連の平面クエリを設計する。 提案するアダプティブプレーンクエリアグリゲーション(APGA)モジュールでは,マルチスケール平面特徴のアグリゲーションを改善するために,新たな機能インタラクションアプローチを導入する。
  論文  参考訳（メタデータ） (2024-09-04T07:45:06Z)
• AirPlanes: Accurate Plane Estimation via 3D-Consistent Embeddings [26.845588648999417]
  本研究では,3次元画像から平面面を推定する問題に対処する。 本稿では,平面へのクラスタリングにおける幾何を補完する多視点一貫した平面埋め込みを予測する手法を提案する。 我々は、ScanNetV2データセットの広範な評価を通じて、我々の新しい手法が既存のアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-13T09:49:31Z)
• Q-SLAM: Quadric Representations for Monocular SLAM [85.82697759049388]
  四角形のレンズを通して体積表現を再現する。 我々は、RGB入力からノイズの深い深さ推定を正すために二次仮定を用いる。 本研究では,新たな二次分割変換器を導入し,二次情報を集約する。
  論文  参考訳（メタデータ） (2024-03-12T23:27:30Z)
• Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
  ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。 我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。 合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-14T18:18:32Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D Object Detection [92.75961303269548]
  先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである 本稿では,両問題を一度に解決するGPENetを提案する。 我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
  論文  参考訳（メタデータ） (2022-11-03T02:21:35Z)
• Accurate and Robust Scale Recovery for Monocular Visual Odometry Based on Plane Geometry [7.169216737580712]
  地上面の高精度かつロバストな推定を生かした軽量なスケール復元フレームワークを開発した。 KITTIデータセットの実験により,提案したフレームワークが翻訳誤りの点から最先端の精度を達成できることが示されている。 軽量な設計のため、我々のフレームワークはデータセット上で20Hzの高周波数を示す。
  論文  参考訳（メタデータ） (2021-01-15T07:21:24Z)
• Efficient Initial Pose-graph Generation for Global SfM [56.38930515826556]
  本稿では,グローバルなStructure-from-Motionアルゴリズムの初期ポーズグラフ生成を高速化する方法を提案する。 アルゴリズムは1DSfMデータセットから402130の画像ペアでテストされる。
  論文  参考訳（メタデータ） (2020-11-24T09:32:03Z)
• Monocular Direct Sparse Localization in a Prior 3D Surfel Map [18.567015858362208]
  本研究では,先行サーベイルマップにおける単眼カメラのポーズ追跡手法を提案する。 追跡されたポイントは、グローバルな平面情報と無関係に、システムに対するグローバルな制約とローカルな制約の両方を含む。 提案手法は,フレームの局所窓内における直接測光誤差の形で,全ての制約を定式化する。
  論文  参考訳（メタデータ） (2020-02-23T15:29:38Z)
• Plane Pair Matching for Efficient 3D View Registration [7.920114031312631]
  室内シーンにおける重なり合う3次元ビュー間の動き行列を推定する新しい手法を提案する。 マンハッタンの世界仮定を用いて、平面の四角形の下での軽量な幾何学的制約を問題に導入する。 我々は,玩具の例にアプローチを検証し,最近の最先端手法と比較し,公開RGB-Dデータセットの定量的実験を行った。
  論文  参考訳（メタデータ） (2020-01-20T11:15:26Z)

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。