論文の概要: A SLAM Map Restoration Algorithm Based on Submaps and an Undirected
Connected Graph
- arxiv url: http://arxiv.org/abs/2007.14592v1
- Date: Wed, 29 Jul 2020 04:26:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 20:18:22.375832
- Title: A SLAM Map Restoration Algorithm Based on Submaps and an Undirected
Connected Graph
- Title(参考訳): サブマップと非方向連結グラフに基づくSLAMマップ復元アルゴリズム
- Authors: Zongqian Zhan (1), Wenjie Jian (1), Yihui Li (1), Xin Wang (2) and
Yang Yue (1) ((1) School of Geodesy and Geomatics, Wuhan University, China,
(2) Leibniz University Hannover Institute of Geodesy)
- Abstract要約: サブマップを逐次マージすることで,UAVデータセットの全グローバルマップを再構築する手法を提案する。
その結果, マッピングの完全性は, 現在の主流SLAM法よりも有意に優れていた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many visual simultaneous localization and mapping (SLAM) systems have been
shown to be accurate and robust, and have real-time performance capabilities on
both indoor and ground datasets. However, these methods can be problematic when
dealing with aerial frames captured by a camera mounted on an unmanned aerial
vehicle (UAV) because the flight height of the UAV can be difficult to control
and is easily affected by the environment.To cope with the case of lost
tracking, many visual SLAM systems employ a relocalization strategy. This
involves the tracking thread continuing the online working by inspecting the
connections between the subsequent new frames and the generated map before the
tracking was lost. To solve the missing map problem, which is an issue in many
applications , after the tracking is lost, based on monocular visual SLAM, we
present a method of reconstructing a complete global map of UAV datasets by
sequentially merging the submaps via the corresponding undirected connected
graph. Specifically, submaps are repeatedly generated, from the initialization
process to the place where the tracking is lost, and a corresponding undirected
connected graph is built by considering these submaps as nodes and the common
map points within two submaps as edges. The common map points are then
determined by the bag-of-words (BoW) method, and the submaps are merged if they
are found to be connected with the online map in the undirect connected graph.
To demonstrate the performance of the proposed method, we first investigated
the performance on a UAV dataset, and the experimental results showed that, in
the case of several tracking failures, the integrity of the mapping was
significantly better than that of the current mainstream SLAM method.
- Abstract(参考訳): 多くの視覚的同時ローカライゼーションとマッピング(SLAM)システムは正確で堅牢であり、屋内と地上の両方のデータセット上でリアルタイムのパフォーマンス性能を持つ。
しかし,無人航空機(UAV)に搭載されたカメラで捉えたフレームの撮影には,UAVの飛行高度の制御が困難であり,環境の影響を受けやすいため,このような手法が問題となる。
トラッキングスレッドは、追跡が失われる前に、次の新しいフレームと生成されたマップの間の接続を検査することで、オンライン作業を続けます。
単眼視のSLAMに基づいて、追跡が失われた後、多くのアプリケーションにおいて欠落したマップ問題を解決するために、対応する無方向連結グラフを介してサブマップを逐次マージすることにより、UAVデータセットの完全なグローバルマップを再構築する手法を提案する。
具体的には、初期化プロセスから追跡が失われる場所まで、サブマップを繰り返し生成し、これらのサブマップをノードとして、共通のマップポイントをエッジとして、対応する無方向連結グラフを構築する。
共通のマップポイントは bag-of-words (bow) メソッドによって決定され、間接連結グラフでオンラインマップと接続されるとサブマップがマージされる。
提案手法の性能を実証するため,本研究ではuavデータセットの性能を最初に検討し,いくつかのトラッキング障害の場合,マッピングの完全性が現在の主流slam法よりも有意に良好であることを実験的に示した。
関連論文リスト
- TopoSD: Topology-Enhanced Lane Segment Perception with SDMap Prior [70.84644266024571]
我々は、標準定義地図(SDMaps)を見るために知覚モデルを訓練することを提案する。
我々はSDMap要素をニューラル空間マップ表現やインスタンストークンにエンコードし、先行情報のような補完的な特徴を組み込む。
レーンセグメント表現フレームワークに基づいて、モデルはレーン、中心線、およびそれらのトポロジを同時に予測する。
論文 参考訳(メタデータ) (2024-11-22T06:13:42Z) - NavTopo: Leveraging Topological Maps For Autonomous Navigation Of a Mobile Robot [1.0550841723235613]
トポロジマップと2段階の経路計画に基づく完全なナビゲーションパイプラインを提案する。
パイプラインは、入力ポイントクラウドのニューラルネットワーク記述子と2Dプロジェクションをマッチングすることで、グラフにローカライズする。
提案手法は,大規模な室内光相対論的シミュレーション環境でテストし,一般的な計量マッピング手法であるRTAB-MAPに基づく計量地図に基づく手法と比較する。
論文 参考訳(メタデータ) (2024-10-15T10:54:49Z) - MapTracker: Tracking with Strided Memory Fusion for Consistent Vector HD Mapping [21.5611219371754]
本稿では,このマッピングをトラッキングタスクとして定式化し,メモリラテント履歴を用いて時間とともに一貫した再構成を行うベクトルHDマッピングアルゴリズムを提案する。
MapTrackerは、nuScenesとAgroverse2の両方のデータセットの既存のメソッドを、従来のメトリクスと新しい一貫性を意識したメトリクスでそれぞれ8%と19%以上上回っている。
論文 参考訳(メタデータ) (2024-03-23T23:05:25Z) - MapTrack: Tracking in the Map [14.991113420276767]
Multi-Object Tracking (MOT) は、各ターゲットに対する安定トラジェクトリと未中断トラジェクトリの維持を目的としている。
ほとんどの最先端のアプローチは、まず各フレーム内のオブジェクトを検出し、次に新しい検出と既存のトラックの間のデータ関連を実装する。
本稿では,確率マップ,予測マップ,共分散適応カルマンフィルタの3つの軽量・プラグアンドプレイアルゴリズムからなる新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-20T12:35:23Z) - 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) - ReST: A Reconfigurable Spatial-Temporal Graph Model for Multi-Camera
Multi-Object Tracking [11.619493960418176]
Multi-Camera Multi-Object Tracking (MC-MOT)は、複数のビューからの情報を利用して、閉塞や混み合ったシーンの問題に対処する。
現在のグラフベースの手法では、空間的および時間的整合性に関する情報を効果的に利用しない。
本稿では,まず,検出対象を空間的に関連づけて時間グラフに再構成する,新しい再構成可能なグラフモデルを提案する。
論文 参考訳(メタデータ) (2023-08-25T08:02:04Z) - 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D
Point Clouds [95.54285993019843]
本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。
本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
論文 参考訳(メタデータ) (2022-11-01T20:59:38Z) - TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view
Stereo [55.30992853477754]
本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。
ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。
TANDEMは最先端のリアルタイム3D再構成性能を示す。
論文 参考訳(メタデータ) (2021-11-14T19:01:02Z) - Learning Spatio-Appearance Memory Network for High-Performance Visual
Tracking [79.80401607146987]
既存のオブジェクトトラッキングは通常、フレーム間の視覚的ターゲットにマッチするバウンディングボックスベースのテンプレートを学習する。
本稿では,局所時間メモリネットワークを備え,正確な時空間対応を学習するセグメンテーションに基づくトラッキングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-09-21T08:12:02Z) - Automatic extraction of road intersection points from USGS historical
map series using deep convolutional neural networks [0.0]
道路交差点のデータは、異なる地理空間的応用と分析に利用されてきた。
我々は、ディープ畳み込みニューラルネットワークを領域ベースCNNと呼ばれるオブジェクト検出タスクに使用する標準パラダイムを採用した。
また、従来のコンピュータビジョンアルゴリズムと比較して、RCNNはより正確な抽出を提供する。
論文 参考訳(メタデータ) (2020-07-14T23:51:15Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳(メタデータ) (2020-03-10T00:04:32Z)
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。