論文の概要: Accurate Object Association and Pose Updating for Semantic SLAM
- arxiv url: http://arxiv.org/abs/2012.11368v1
- Date: Mon, 21 Dec 2020 14:21:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 06:32:04.815943
- Title: Accurate Object Association and Pose Updating for Semantic SLAM
- Title（参考訳）: セマンティックスラムの高精度オブジェクトアソシエーションとポーズ更新
- Authors: Kaiqi Chen, Jialing Liu, Jianhua Zhang, Zhenhua Wang
- Abstract要約: 提案手法は,Kittiデータセットのシミュレーションシーケンスと複数のシーケンスに基づいて評価する。
実験の結果,従来のSLAM法と最先端の意味的SLAM法に関して,非常に顕著な改善が得られた。
- 参考スコア（独自算出の注目度）: 2.9602796547156323
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays in the field of semantic SLAM, how to correctly use semantic
information for data association is still a problem worthy of study. The key to
solving this problem is to correctly associate multiple object measurements of
one object landmark, and refine the pose of object landmark. However, different
objects locating closely are prone to be associated as one object landmark, and
it is difficult to pick up a best pose from multiple object measurements
associated with one object landmark. To tackle these problems, we propose a
hierarchical object association strategy by means of multiple object tracking,
through which closing objects will be correctly associated to different object
landmarks, and an approach to refine the pose of object landmark from multiple
object measurements. The proposed method is evaluated on a simulated sequence
and several sequences in the Kitti dataset. Experimental results show a very
impressive improvement with respect to the traditional SLAM and the
state-of-the-art semantic SLAM method.
- Abstract（参考訳）: 現在、セマンティックSLAMの分野では、データアソシエーションに意味情報を正しく利用する方法が研究に値する問題となっている。
この問題を解決する鍵は、一つのオブジェクトランドマークの複数のオブジェクト測定を正しく関連付け、オブジェクトランドマークの配置を洗練することだ。
しかし、密接な位置にある異なるオブジェクトは一つのオブジェクトランドマークとして関連付けられやすく、一つのオブジェクトランドマークに関連する複数のオブジェクト測定から最適なポーズを取るのは難しい。
これらの問題に対処するために,閉じたオブジェクトが異なるオブジェクトランドマークに正しく関連付けられるような,複数のオブジェクト追跡による階層的オブジェクトアソシエーション戦略と,複数のオブジェクト計測からオブジェクトランドマークの配置を洗練するためのアプローチを提案する。
提案手法は,Kittiデータセットのシミュレーションシーケンスと複数のシーケンスに基づいて評価する。
実験の結果,従来のSLAM法と最先端の意味的SLAM法に関して,非常に顕著な改善が得られた。
関連論文リスト
- 1st Place Solution for MOSE Track in CVPR 2024 PVUW Workshop: Complex Video Object Segmentation [72.54357831350762]
本稿では,ビデオオブジェクトのセグメンテーションモデルを提案する。
我々は大規模ビデオオブジェクトセグメンテーションデータセットを用いてモデルを訓練した。
我々のモデルは、複雑なビデオオブジェクトチャレンジのテストセットで1位(textbf84.45%)を達成した。
論文 参考訳（メタデータ） (2024-06-07T03:13:46Z) - Retrieval Robust to Object Motion Blur [54.34823913494456]
本研究では,動きのぼやけの影響を受けやすい画像のオブジェクト検索手法を提案する。
ぼやけたオブジェクト検索のための最初の大規模データセットを提示する。
提案手法は,新しいぼやけた検索データセット上で,最先端の検索手法より優れている。
論文 参考訳（メタデータ） (2024-04-27T23:22:39Z) - Which One? Leveraging Context Between Objects and Multiple Views for Language Grounding [77.26626173589746]
文脈内接地に対する多視点的アプローチ(MAGiC)を提案する。
2つの類似したオブジェクトを区別する言語に基づくオブジェクト参照を選択する。
SNAREオブジェクト参照タスクの最先端モデルよりも、相対誤差を12.9%削減する。
論文 参考訳（メタデータ） (2023-11-12T00:21:58Z) - An Object SLAM Framework for Association, Mapping, and High-Level Tasks [12.62957558651032]
本稿では,オブジェクト指向認識とオブジェクト指向ロボットタスクに焦点を当てた包括的オブジェクトSLAMフレームワークを提案する。
提案したオブジェクトSLAMフレームワークを効率よく評価するために,さまざまな公開データセットと実世界の結果が使用されている。
論文 参考訳（メタデータ） (2023-05-12T08:10:14Z) - Loop Closure Detection Based on Object-level Spatial Layout and Semantic
Consistency [14.694754836704819]
本稿では3次元シーングラフの空間的レイアウトとセマンティック一貫性に基づくオブジェクトベースのループ閉包検出手法を提案する。
実験により,提案手法によりより正確な3次元意味マップを構築可能であることが示された。
論文 参考訳（メタデータ） (2023-04-11T11:20:51Z) - Image Segmentation-based Unsupervised Multiple Objects Discovery [1.7674345486888503]
教師なしオブジェクト発見は、イメージ内のオブジェクトをローカライズすることを目的としている。
我々は,複数のオブジェクトの発見に対して,完全に教師なしのボトムアップアプローチを提案する。
我々は、教師なしクラス非依存オブジェクト検出と教師なしイメージセグメンテーションの両方に対して、最先端の結果を提供する。
論文 参考訳（メタデータ） (2022-12-20T09:48:24Z) - FewSOL: A Dataset for Few-Shot Object Learning in Robotic Environments [21.393674766169543]
本稿では,オブジェクト認識のためのFew-Shot Object Learningデータセットについて紹介する。
私たちは、異なる視点から、オブジェクトごとに9つのRGB-D画像を持つ336の現実世界のオブジェクトをキャプチャしました。
評価結果から, ロボット環境下では, 数発の物体分類において, 改良の余地がまだ大きいことが示唆された。
論文 参考訳（メタデータ） (2022-07-06T05:57:24Z) - Discovering Objects that Can Move [55.743225595012966]
手動ラベルなしでオブジェクトを背景から分離する、オブジェクト発見の問題について検討する。
既存のアプローチでは、色、テクスチャ、位置などの外観の手がかりを使用して、ピクセルをオブジェクトのような領域に分類する。
私たちは、動的オブジェクト -- 世界で独立して動くエンティティ -- にフォーカスすることを選びます。
論文 参考訳（メタデータ） (2022-03-18T21:13:56Z) - Contrastive Object Detection Using Knowledge Graph Embeddings [72.17159795485915]
一つのホットアプローチで学習したクラス埋め込みの誤差統計と、自然言語処理や知識グラフから意味的に構造化された埋め込みを比較した。
本稿では,キーポイントベースおよびトランスフォーマーベースオブジェクト検出アーキテクチャの知識埋め込み設計を提案する。
論文 参考訳（メタデータ） (2021-12-21T17:10:21Z) - Objects are Different: Flexible Monocular 3D Object Detection [87.82253067302561]
そこで本研究では,乱れたオブジェクトを明示的に分離し,オブジェクト深度推定のための複数のアプローチを適応的に組み合わせたモノクル3次元オブジェクト検出のためのフレキシブルなフレームワークを提案する。
実験の結果,本手法はkittiベンチマークテストセットにおいて,中等度レベルが27%,硬度が30%と,最先端法を27%上回った。
論文 参考訳（メタデータ） (2021-04-06T07:01:28Z)
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。