論文の概要: An Efficient Planar Bundle Adjustment Algorithm

• arxiv url: http://arxiv.org/abs/2006.00187v2
• Date: Sun, 16 Aug 2020 07:52:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 18:08:01.254424
• Title: An Efficient Planar Bundle Adjustment Algorithm
• Title（参考訳）: 効率的な平面バンドル調整アルゴリズム
• Authors: Lipu Zhou, Daniel Koppel, Hui Ju, Frank Steinbruecker, Michael Kaess
• Abstract要約: 本稿では,平面間コストを用いた最小二乗問題に対する効率的なアルゴリズムを提案する。 深度センサーのポーズと平面パラメータを3D再構成のために共同で最適化することを目的としている。
• 参考スコア（独自算出の注目度）: 23.419382737725623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an efficient algorithm for the least-squares problem using the point-to-plane cost, which aims to jointly optimize depth sensor poses and plane parameters for 3D reconstruction. We call this least-squares problem \textbf{Planar Bundle Adjustment} (PBA), due to the similarity between this problem and the original Bundle Adjustment (BA) in visual reconstruction. As planes ubiquitously exist in the man-made environment, they are generally used as landmarks in SLAM algorithms for various depth sensors. PBA is important to reduce drift and improve the quality of the map. However, directly adopting the well-established BA framework in visual reconstruction will result in a very inefficient solution for PBA. This is because a 3D point only has one observation at a camera pose. In contrast, a depth sensor can record hundreds of points in a plane at a time, which results in a very large nonlinear least-squares problem even for a small-scale space. Fortunately, we find that there exist a special structure of the PBA problem. We introduce a reduced Jacobian matrix and a reduced residual vector, and prove that they can replace the original Jacobian matrix and residual vector in the generally adopted Levenberg-Marquardt (LM) algorithm. This significantly reduces the computational cost. Besides, when planes are combined with other features for 3D reconstruction, the reduced Jacobian matrix and residual vector can also replace the corresponding parts derived from planes. Our experimental results verify that our algorithm can significantly reduce the computational time compared to the solution using the traditional BA framework. Besides, our algorithm is faster, more accuracy, and more robust to initialization errors compared to the start-of-the-art solution using the plane-to-plane cost
• Abstract（参考訳）: 本稿では,3次元再構成のための深度センサポーズと平面パラメータを共同で最適化することを目的とした,平面間コストを用いた最小二乗問題の効率的なアルゴリズムを提案する。 我々はこの最小二乗問題 \textbf{Planar Bundle Adjustment} (PBA) を、視覚的再構成におけるこの問題と元の Bundle Adjustment (BA) の類似性から呼んでいる。 平面は人工環境に普遍的に存在し、様々な深度センサーのためのslamアルゴリズムのランドマークとして一般的に用いられる。 PBAはドリフトの低減と地図の品質向上に重要である。 しかしながら、視覚的再構成において確立されたBAフレームワークを直接適用すると、PBAにとって非常に非効率なソリューションとなる。 これは、3Dポイントがカメラのポーズで1つの観察しかできないためです。 対照的に、深度センサは一度に数百点の平面を記録できるため、小さな空間でも非常に大きな非線形の最小二乗問題が発生する。 幸いにも、pba問題には特別な構造があることが分かっています。 我々は、還元ジャコビアン行列と還元残差ベクトルを導入し、一般に採用されているレベンバーグ・マーカルト(lm)アルゴリズムで元のヤコビアン行列と残差ベクトルを置き換えることができることを証明した。 これにより計算コストが大幅に削減される。 さらに、平面が3次元再構成のための他の特徴と組み合わされるとき、縮小ジャコビアン行列と残留ベクトルは平面に由来する対応する部分を置き換えることができる。 実験の結果,従来のbaフレームワークに比べて計算時間を大幅に削減できることを確認した。 さらに,我々のアルゴリズムは,平面間コストを用いた初期化ソリューションと比較して,高速で精度が高く,初期化エラーに頑健である。

関連論文リスト

• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Linearized Wasserstein dimensionality reduction with approximation guarantees [65.16758672591365]
  LOT Wassmap は、ワーッサーシュタイン空間の低次元構造を明らかにするための計算可能なアルゴリズムである。 我々は,LOT Wassmapが正しい埋め込みを実現し,サンプルサイズの増加とともに品質が向上することを示す。 また、LOT Wassmapがペア距離計算に依存するアルゴリズムと比較して計算コストを大幅に削減することを示す。
  論文  参考訳（メタデータ） (2023-02-14T22:12:16Z)
• Towards Accurate Ground Plane Normal Estimation from Ego-Motion [10.22470503842832]
  本稿では,車輪付き車両の地上面正規推定のための新しい手法を提案する。 実際には、地平面はブレーキと不安定な路面によって動的に変化する。 提案手法は, 実時間で正確な地平面正規ベクトルを入力し, 推定するためにオドメトリーのみを用いる。
  論文  参考訳（メタデータ） (2022-12-08T12:06:36Z)
• Efficient Second-Order Plane Adjustment [6.510507449705342]
  本稿では,平面間距離を最小化するために最適平面とセンサのポーズを推定する問題に焦点をあてる。 我々は、PA問題を効率的に解くためにニュートン法を採用する。 実験により,我々のアルゴリズムは広く使われているLMアルゴリズムよりもはるかに高速に収束していることが示された。
  論文  参考訳（メタデータ） (2022-11-21T15:06:11Z)
• 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)
• VIP-SLAM: An Efficient Tightly-Coupled RGB-D Visual Inertial Planar SLAM [25.681256050571058]
  本稿では,RGB,Depth,IMU,構造化平面情報とを融合した密結合SLAMシステムを提案する。 我々は、最適化において多数の平面点のパラメータを除去するために、ホモグラフィ制約を用いる。 グローバルバンドル調整はスパースポイントベースのSLAMアルゴリズムの約2倍高速である。
  論文  参考訳（メタデータ） (2022-07-04T01:45:24Z)
• Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
  アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。 本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。 実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
  論文  参考訳（メタデータ） (2021-09-10T07:01:15Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• GPO: Global Plane Optimization for Fast and Accurate Monocular SLAM Initialization [22.847353792031488]
  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。
  論文  参考訳（メタデータ） (2020-04-25T03:57:50Z)
• 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。