論文の概要: LiPo-LCD: Combining Lines and Points for Appearance-based Loop Closure Detection

• arxiv url: http://arxiv.org/abs/2009.09897v1
• Date: Thu, 3 Sep 2020 10:43:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-22 08:00:56.006737
• Title: LiPo-LCD: Combining Lines and Points for Appearance-based Loop Closure Detection
• Title（参考訳）: LiPo-LCD:外見に基づくループクロージャ検出のための線と点の組み合わせ
• Authors: Joan P. Company-Corcoles, Emilio Garcia-Fidalgo, Alberto Ortiz
• Abstract要約: LiPo-LCDは外観に基づく新しいループ閉鎖検出法である。 以前の画像は、後期融合戦略を用いて検索する。 島の概念に基づくシンプルだが効果的なメカニズムは、画像候補探索の労力を減らすために、時間とともに類似した画像をグループ化する。
• 参考スコア（独自算出の注目度）: 1.6758573326215689
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual SLAM approaches typically depend on loop closure detection to correct the inconsistencies that may arise during the map and camera trajectory calculations, typically making use of point features for detecting and closing the existing loops. In low-textured scenarios, however, it is difficult to find enough point features and, hence, the performance of these solutions drops drastically. An alternative for human-made scenarios, due to their structural regularity, is the use of geometrical cues such as straight segments, frequently present within these environments. Under this context, in this paper we introduce LiPo-LCD, a novel appearance-based loop closure detection method that integrates lines and points. Adopting the idea of incremental Bag-of-Binary-Words schemes, we build separate BoW models for each feature, and use them to retrieve previously seen images using a late fusion strategy. Additionally, a simple but effective mechanism, based on the concept of island, groups similar images close in time to reduce the image candidate search effort. A final step validates geometrically the loop candidates by incorporating the detected lines by means of a process comprising a line feature matching stage, followed by a robust spatial verification stage, now combining both lines and points. As it is reported in the paper, LiPo-LCD compares well with several state-of-the-art solutions for a number of datasets involving different environmental conditions.
• Abstract（参考訳）: 視覚SLAMのアプローチは、通常、地図やカメラの軌跡計算の間に生じる不整合を補正するためにループ閉鎖検出に依存し、通常、既存のループを検出して閉じるための点特徴を利用する。 しかし、低テキストシナリオでは十分なポイント特徴を見つけるのは難しいため、これらのソリューションの性能は大幅に低下する。 ヒューマンメイドのシナリオの代替として、構造的な規則性があるため、ストレートセグメントのような幾何学的な手掛かりがこれらの環境にしばしば存在する。 本稿では,線と点を統合する新しいループクロージャ検出法LiPo-LCDを提案する。 インクリメンタルなBag-of-Binary-Wordsスキームを取り入れて、各機能用に別々のBoWモデルを構築し、それらを使用して、後期融合戦略を用いて、以前の画像を取得する。 さらに、アイランドの概念に基づいた、単純で効果的なメカニズムは、画像候補の検索労力を減らすために、類似した画像を時間内にグループ化する。 最終ステップは、ライン特徴マッチング段階からなるプロセスにより検出されたラインを組み込んでループ候補を幾何的に検証し、その後、堅牢な空間検証段階を経て、現在、ラインとポイントを組み合わせている。 論文で報告されているように、LiPo-LCDは異なる環境条件を含むいくつかのデータセットに対する最先端のソリューションとよく比較されている。

関連論文リスト

• GV-Bench: Benchmarking Local Feature Matching for Geometric Verification of Long-term Loop Closure Detection [32.54601978758081]
  ループクロージャは軌道推定における正しいドリフトを補正し、グローバルに一貫したマップを構築する。 偽ループ閉鎖は致命的であり、堅牢性を保証するための追加のステップとして検証が必要である。 本稿では,長期条件下でのループ閉鎖検出の幾何的検証を対象とする統一ベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:19Z)
• SOS-Match: Segmentation for Open-Set Robust Correspondence Search and Robot Localization in Unstructured Environments [23.735747841666317]
  SOS-Matchは、非構造化環境でオブジェクトを検出し、マッチングするための新しいフレームワークである。 フィンランド南部の沿岸海域で収集されたドローン飛行を含む,バトヴィクの季節データセット上でSOS-Matchを評価する。
  論文  参考訳（メタデータ） (2024-01-09T19:34:47Z)
• LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [52.131996528655094]
  本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。 これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
  論文  参考訳（メタデータ） (2024-01-03T18:57:27Z)
• Real-Time Simultaneous Localization and Mapping with LiDAR intensity [9.374695605941627]
  実時間LiDAR強調画像を用いた同時位置推定とマッピング手法を提案する。 提案手法は高精度でリアルタイムに動作可能であり,照度変化,低テクスチャ,非構造化環境でも有効である。
  論文  参考訳（メタデータ） (2023-01-23T03:59:48Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)
• PCAM: Product of Cross-Attention Matrices for Rigid Registration of Point Clouds [79.99653758293277]
  PCAMは、キー要素がクロスアテンション行列のポイントワイズ積であるニューラルネットワークである。 そこで本研究では,PCAMがステップ(a)とステップ(b)をディープネットを介して共同で解決する手法によって,最先端の成果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-04T09:23:27Z)
• Automatic Vocabulary and Graph Verification for Accurate Loop Closure Detection [21.862978912891677]
  Bag-of-Words (BoW)は、機能と関連付け、ループを検出する視覚語彙を構築する。 本稿では,ノードの半径と特徴記述子のドリフトを比較することで,自然な収束基準を提案する。 本稿では,候補ループの検証のための新しいトポロジカルグラフ検証手法を提案する。
  論文  参考訳（メタデータ） (2021-07-30T13:19:33Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• MuCAN: Multi-Correspondence Aggregation Network for Video Super-Resolution [63.02785017714131]
  ビデオ超解像(VSR)は、複数の低解像度フレームを使用して、各フレームに対して高解像度の予測を生成することを目的としている。 フレーム間およびフレーム内は、時間的および空間的情報を利用するための鍵となるソースである。 VSRのための効果的なマルチ対応アグリゲーションネットワーク(MuCAN)を構築した。
  論文  参考訳（メタデータ） (2020-07-23T05:41:27Z)
• Learning multiview 3D point cloud registration [74.39499501822682]
  本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。 このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
  論文  参考訳（メタデータ） (2020-01-15T03:42:14Z)

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。