論文の概要: Map-merging Algorithms for Visual SLAM: Feasibility Study and Empirical Evaluation

• arxiv url: http://arxiv.org/abs/2009.05819v1
• Date: Sat, 12 Sep 2020 16:15:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 08:17:48.001750
• Title: Map-merging Algorithms for Visual SLAM: Feasibility Study and Empirical Evaluation
• Title（参考訳）: 視覚SLAMのためのマップマージアルゴリズム:実現可能性と実証評価
• Authors: Andrey Bokovoy, Kirill Muraviev and Konstantin Yakovlev
• Abstract要約: 最先端のvSLAMアルゴリズムは、移動ロボットが未知の環境を自律的にナビゲートできるように、精度の高い地図を構築することができる。 この問題は、異なる vSLAM マップを一貫した単一の表現にマージできるかどうかを問うものである。 本研究では,既存の2次元および3次元マップマージアルゴリズムについて検討し,現実的なシミュレーション環境において広範な実験的な評価を行う。
• 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: Simultaneous localization and mapping, especially the one relying solely on video data (vSLAM), is a challenging problem that has been extensively studied in robotics and computer vision. State-of-the-art vSLAM algorithms are capable of constructing accurate-enough maps that enable a mobile robot to autonomously navigate an unknown environment. In this work, we are interested in an important problem related to vSLAM, i.e. map merging, that might appear in various practically important scenarios, e.g. in a multi-robot coverage scenario. This problem asks whether different vSLAM maps can be merged into a consistent single representation. We examine the existing 2D and 3D map-merging algorithms and conduct an extensive empirical evaluation in realistic simulated environment (Habitat). Both qualitative and quantitative comparison is carried out and the obtained results are reported and analyzed.
• Abstract（参考訳）: ローカライゼーションとマッピングを同時に行うことは、特にビデオデータ(vSLAM)のみに依存する問題であり、ロボット工学やコンピュータビジョンで広く研究されている。 最先端のvslamアルゴリズムは正確な地図を構築することができ、モバイルロボットが未知の環境を自律的にナビゲートできる。 本稿では,vSLAMに関する重要な問題,すなわちマップのマージが,例えばマルチロボットのカバレッジシナリオなど,現実的に重要なシナリオに現れる可能性があることに関心がある。 この問題は、異なる vSLAM マップを一貫した単一の表現にマージできるかどうかを問うものである。 本研究では,既存の2次元および3次元マップマージアルゴリズムを検証し,実環境 (habitat) において広範囲な経験的評価を行う。 質的および定量的な比較を行い、得られた結果を報告して分析する。

関連論文リスト

• MAGiC-SLAM: Multi-Agent Gaussian Globally Consistent SLAM [23.318966306555915]
  同時ローカライゼーションとマッピング(SLAM)システムは、拡張現実、ロボティクス、自律運転など、コンピュータビジョンで広く使われている。 近年の研究では、分散ニューラルシーン表現を用いてこの問題に対処している。 本稿では,厳格に変形可能な3次元ガウス型シーン表現を提案する。 合成および実世界のデータセット上でMAGiC-SLAMを評価し,その精度と精度について検討した。
  論文  参考訳（メタデータ） (2024-11-25T08:34:01Z)
• Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
  我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。 設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
  論文  参考訳（メタデータ） (2024-02-28T18:59:31Z)
• Active Visual Localization for Multi-Agent Collaboration: A Data-Driven Approach [47.373245682678515]
  本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。 具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。 その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
  論文  参考訳（メタデータ） (2023-10-04T08:18:30Z)
• 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)
• Towards Multimodal Multitask Scene Understanding Models for Indoor Mobile Agents [49.904531485843464]
  本稿では,現実世界の屋内環境におけるラベル付きデータの不十分,あるいは不可能,といった主な課題について論じる。 MMISM (Multi-modality input Multi-task output Indoor Scene Understanding Model) について述べる。 MMISMは、RGB画像だけでなく、スパースライダーポイントを入力と3Dオブジェクト検出、深さ完了、人間のポーズ推定、セマンティックセグメンテーションを出力タスクとみなしている。 MMISMはシングルタスクモデルよりも同等かそれ以上の性能を示す。
  論文  参考訳（メタデータ） (2022-09-27T04:49:19Z)
• Learning Cross-Scale Visual Representations for Real-Time Image Geo-Localization [21.375640354558044]
  局所センサに基づく状態推定手法は、誤差が蓄積されるにつれて長距離ミッションがドリフトする傾向にある。 クロススケールなデータセットと、クロスモダリティソースから追加データを生成する手法を紹介する。 本稿では,監督なしに大規模視覚表現を学習するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-09T08:08:54Z)
• MAOMaps: A Photo-Realistic Benchmark For vSLAM and Map Merging Quality Assessment [0.0]
  本稿では,視覚に基づく同時ローカライゼーションとマッピング(vSLAM)とマップマージアルゴリズムの品質を定量的に評価することを目的とした,新しいベンチマークを提案する。 データセットはフォトリアリスティックで、ローカライゼーションとマップグラウンドの真理データの両方を提供する。 vSLAMで構築した地図と地上の地図を比較するために、SLAMコンテキストを考慮に入れた、それらの間の対応を見つける新しい方法を導入する。
  論文  参考訳（メタデータ） (2021-05-31T14:30:36Z)
• Detecting 32 Pedestrian Attributes for Autonomous Vehicles [103.87351701138554]
  本稿では、歩行者を共同で検出し、32の歩行者属性を認識するという課題に対処する。 本稿では,複合フィールドフレームワークを用いたマルチタスク学習(MTL)モデルを提案する。 競合検出と属性認識の結果と,より安定したMTLトレーニングを示す。
  論文  参考訳（メタデータ） (2020-12-04T15:10:12Z)
• Gravitational Models Explain Shifts on Human Visual Attention [80.76475913429357]
  視覚的注意(英: visual attention)とは、人間の脳が優先的な処理のために関連する感覚情報を選択する能力を指す。 過去30年間に様々な評価方法が提案されてきた。 注意変動を記述するための重力モデル(GRAV)を提案する。
  論文  参考訳（メタデータ） (2020-09-15T10:12:41Z)
• Camera-Lidar Integration: Probabilistic sensor fusion for semantic mapping [8.18198392834469]
  自動走行車は、常に変化する環境の中を移動しながら、3次元の世界における物体/障害物を知覚し、認識できなければならない。 本稿では,センサリーダ(カメラ,ライダー,IMU,ホイールエンコーダ)の不確実性,車両の動作の補償,セマンティックイメージのラベル確率を組み込んだ確率パイプラインを提案する。
  論文  参考訳（メタデータ） (2020-07-09T07:59:39Z)

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。