論文の概要: SLAM in the Field: An Evaluation of Monocular Mapping and Localization on Challenging Dynamic Agricultural Environment

• arxiv url: http://arxiv.org/abs/2011.01122v2
• Date: Fri, 6 Nov 2020 15:05:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 13:01:23.041701
• Title: SLAM in the Field: An Evaluation of Monocular Mapping and Localization on Challenging Dynamic Agricultural Environment
• Title（参考訳）: 現場におけるslam:動的農業環境における単細胞マッピングの評価と局在化
• Authors: Fangwen Shu, Paul Lesur, Yaxu Xie, Alain Pagani, Didier Stricker
• Abstract要約: 本稿では,オフラインとリアルタイムのMulti-View Stereo(MVS)再構成アルゴリズムと,スパース,間接的,単眼的視覚SLAMを組み合わせたシステムについて述べる。 モノクロSLAMを使用することで、LiDARに依存しないため、既存のデバイスとの統合がずっと簡単になります。
• 参考スコア（独自算出の注目度）: 12.666030953871186
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper demonstrates a system capable of combining a sparse, indirect, monocular visual SLAM, with both offline and real-time Multi-View Stereo (MVS) reconstruction algorithms. This combination overcomes many obstacles encountered by autonomous vehicles or robots employed in agricultural environments, such as overly repetitive patterns, need for very detailed reconstructions, and abrupt movements caused by uneven roads. Furthermore, the use of a monocular SLAM makes our system much easier to integrate with an existing device, as we do not rely on a LiDAR (which is expensive and power consuming), or stereo camera (whose calibration is sensitive to external perturbation e.g. camera being displaced). To the best of our knowledge, this paper presents the first evaluation results for monocular SLAM, and our work further explores unsupervised depth estimation on this specific application scenario by simulating RGB-D SLAM to tackle the scale ambiguity, and shows our approach produces reconstructions that are helpful to various agricultural tasks. Moreover, we highlight that our experiments provide meaningful insight to improve monocular SLAM systems under agricultural settings.
• Abstract（参考訳）: 本稿では,オフラインとリアルタイムのMulti-View Stereo(MVS)再構成アルゴリズムと,スパース,間接的,単眼的視覚SLAMを組み合わせたシステムを提案する。 この組み合わせは、過度に反復的なパターン、非常に詳細な再構築の必要性、不均一な道路による突然の移動など、農業環境で使用される自動運転車やロボットが直面する多くの障害を克服する。 さらに、単眼式スラムを使用することで、lidar(高価で電力消費の少ない)やステレオカメラ(カメラの設置など外部の摂動に敏感なキャリブレーション)を必要とせず、既存のデバイスとの統合がはるかに容易になります。 本研究は,本研究の手法により,単眼式スラムについて最初の評価結果を示し,rgb-dスラムをシミュレートして,この特定の応用シナリオにおける教師なしの深さ推定を行い,多種多様な農業タスクに有用な再構築手法を示す。 さらに,農業環境下での単分子SLAMシステムを改善する上で,本実験は有意義な洞察を与える。

関連論文リスト

• Simultaneous Map and Object Reconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、最近の新しいビュー合成法から着想を得て、大域的な最適化として再構築問題を提起する。 連続動作の慎重なモデリングにより, 回転するLiDARセンサの回転シャッター効果を補うことができる。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• Probing Multimodal LLMs as World Models for Driving [72.18727651074563]
  自律運転におけるMLLM(Multimodal Large Language Models)の適用について検討する。 GPT-4oのようなモデルの開発は進んでいるが、複雑な運転環境における性能は未解明のままである。
  論文  参考訳（メタデータ） (2024-05-09T17:52:42Z)
• MoD-SLAM: Monocular Dense Mapping for Unbounded 3D Scene Reconstruction [2.3630527334737104]
  MoD-SLAMは、非有界シーンにおけるリアルタイムな3次元再構成を可能にする、最初のモノクラーNeRFを用いた高密度マッピング法である。 追跡処理にロバストな深度損失項を導入することにより,大規模シーンにおけるより正確なポーズ推定を実現する。 2つの標準データセットを用いた実験により, MoD-SLAMは競争性能を向上し, 3次元再構成の精度を最大30%, 15%向上した。
  論文  参考訳（メタデータ） (2024-02-06T07:07:33Z)
• Photo-SLAM: Real-time Simultaneous Localization and Photorealistic Mapping for Monocular, Stereo, and RGB-D Cameras [27.543561055868697]
  Photo-SLAMは、ハイパープリミティブマップを備えた新しいSLAMフレームワークである。 そこで我々は,局所化のための明示的な幾何学的特徴を利用して,観測環境のテクスチャ情報を表現するために暗黙的な測光的特徴を学習する。 提案システムは,オンラインフォトリアリスティックマッピングのための最先端SLAMシステムよりも優れている。
  論文  参考訳（メタデータ） (2023-11-28T12:19:00Z)
• Tightly-Coupled LiDAR-Visual SLAM Based on Geometric Features for Mobile Agents [43.137917788594926]
  幾何学的特徴に基づく密結合LiDAR視覚SLAMを提案する。 視覚サブシステムによって検出された全ラインセグメントは、LiDARサブシステムの制限を克服する。 本システムは,現在最先端のマルチモーダル手法と比較して,より正確でロバストなポーズ推定を実現する。
  論文  参考訳（メタデータ） (2023-07-15T10:06:43Z)
• NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
  NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。 近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
  論文  参考訳（メタデータ） (2023-02-07T17:06:34Z)
• SelfTune: Metrically Scaled Monocular Depth Estimation through Self-Supervised Learning [53.78813049373321]
  本稿では,事前学習した教師付き単分子深度ネットワークに対する自己教師付き学習手法を提案する。 本手法は移動ロボットナビゲーションなどの様々な応用に有用であり,多様な環境に適用可能である。
  論文  参考訳（メタデータ） (2022-03-10T12:28:42Z)
• SGM3D: Stereo Guided Monocular 3D Object Detection [62.11858392862551]
  SGM3Dと呼ばれるステレオ誘導単分子物体検出ネットワークを提案する。 ステレオ画像から抽出したロバストな3次元特徴を利用して、モノクル画像から得られた特徴を強化する。 本手法は,余分な計算コストを伴わずに性能を向上させるために,他の多くの単分子的手法に統合することができる。
  論文  参考訳（メタデータ） (2021-12-03T13:57:14Z)
• Improved Real-Time Monocular SLAM Using Semantic Segmentation on Selective Frames [15.455647477995312]
  先進的運転支援システムと自律運転システムでは単眼同時位置決めマッピング(slam)が登場している。 本稿では,深層学習に基づくセマンティックセグメンテーションを用いたリアルタイム一眼SLAMの改良を提案する。 6本の映像列を用いた実験により,提案方式により精度の高い軌道追尾精度が得られた。
  論文  参考訳（メタデータ） (2021-04-30T22:34:45Z)
• BirdSLAM: Monocular Multibody SLAM in Bird's-Eye View [10.250859125675259]
  本研究では,単眼カメラのみを装備した自律走行プラットフォームのための新しい位置対応マッピングシステムであるBirdSLAMを提案する。 BirdSLAMは、ローカライゼーションとマッピングを行う構成空間として、正眼視(鳥眼視)を用いて、他の単眼SLAMシステムによる課題に取り組む。
  論文  参考訳（メタデータ） (2020-11-15T19:37:24Z)
• Pseudo RGB-D for Self-Improving Monocular SLAM and Depth Prediction [72.30870535815258]
  モノクロ深度予測のためのCNNは、周囲の環境の3Dマップを構築するための2つの大きく不連続なアプローチを表している。 本稿では,CNN予測深度を利用してRGB-D特徴量に基づくSLAMを行う,狭義の広義の自己改善フレームワークを提案する。 一方、より原理化された幾何学的SLAMの3次元シーン構造とカメラポーズは、新しい広義のベースライン損失により奥行きネットワークに注入される。
  論文  参考訳（メタデータ） (2020-04-22T16:31:59Z)

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。