論文の概要: Loop closure detection using local 3D deep descriptors
- arxiv url: http://arxiv.org/abs/2111.00440v1
- Date: Sun, 31 Oct 2021 09:18:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-03 09:12:01.120281
- Title: Loop closure detection using local 3D deep descriptors
- Title(参考訳): 局所3次元ディープディスクリプタを用いたループクロージャ検出
- Authors: Youjie Zhou, Yiming Wang, Fabio Poiesi, Qi Qin and Yi Wan
- Abstract要約: 局所3次元深部記述子(L3D)を用いた同時局所化・マッピングにおけるループ閉鎖検出手法を提案する。
本稿では,互いにアレスト近傍の記述子に対応する点間の距離誤差を計算し,ループ検出のための新しい重なり測定手法を提案する。
この手法により,ループを正確に検出し,重なりが小さければ6自由度ポーズを推定できる。
- 参考スコア(独自算出の注目度): 22.93552565583209
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a simple yet effective method to address loop closure detection in
simultaneous localisation and mapping using local 3D deep descriptors (L3Ds).
L3Ds are emerging compact representations of patches extracted from point
clouds that are learned from data using a deep learning algorithm. We propose a
novel overlap measure for loop detection by computing the metric error between
points that correspond to mutually-nearest-neighbour descriptors after
registering the loop candidate point cloud by its estimated relative pose. This
novel approach enables us to accurately detect loops and estimate six
degrees-of-freedom poses in the case of small overlaps. We compare our
L3D-based loop closure approach with recent approaches on LiDAR data and
achieve state-of-the-art loop closure detection accuracy. Additionally, we
embed our loop closure approach in RESLAM, a recent edge-based SLAM system, and
perform the evaluation on real-world RGBD-TUM and synthetic ICL datasets. Our
approach enables RESLAM to achieve a better localisation accuracy compared to
its original loop closure strategy.
- Abstract(参考訳): 本稿では,局所的3次元ディープディスクリプタ(l3ds)を用いた同時局所化とマッピングにおけるループクロージャ検出の簡易かつ効果的な手法を提案する。
L3Dは、深層学習アルゴリズムを用いてデータから学習した点雲から抽出したパッチのコンパクト表現が出現している。
ループ候補点クラウドを推定された相対的なポーズで登録した後,相互にネアレスト-neighbourディスクリプタに対応する点間の距離誤差を計算し,ループ検出のための新しい重なり尺度を提案する。
この新手法により,ループを高精度に検出し,小さな重なりの場合には6自由度ポーズを推定できる。
l3dベースのループクロージャアプローチとlidarデータに対する最近のアプローチを比較し,最新ループクロージャ検出精度を実現する。
さらに,最新のエッジベースSLAMシステムであるRESLAMにループクロージャアプローチを組み込んで,実世界のRGBD-TUMと合成ICLデータセットの評価を行う。
提案手法により、RESLAMは元のループ閉鎖戦略と比較して、より高精度なローカライゼーションを実現することができる。
関連論文リスト
- 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) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。
提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳(メタデータ) (2023-11-20T12:08:23Z) - Deep Hough Voting for Robust Global Registration [52.40611370293272]
6次元変換パラメータ空間におけるハフ投票を利用した実世界の3Dスキャンのペア登録のための効率的なフレームワークを提案する。
提案手法は, 3DMatch と 3DLoMatch のベンチマークにおいて, KITTI odometry データセットで同等の性能を達成しながら, 最先端の手法よりも優れている。
論文 参考訳(メタデータ) (2021-09-09T14:38:06Z) - Learning Semantic Segmentation of Large-Scale Point Clouds with Random
Sampling [52.464516118826765]
我々はRandLA-Netを紹介した。RandLA-Netは、大規模ポイントクラウドのポイントごとの意味を推論する、効率的で軽量なニューラルネットワークアーキテクチャである。
我々のアプローチの鍵は、より複雑な点選択アプローチではなく、ランダムな点サンプリングを使用することである。
我々のRandLA-Netは、既存のアプローチよりも最大200倍高速な1回のパスで100万ポイントを処理できます。
論文 参考訳(メタデータ) (2021-07-06T05:08:34Z) - SA-LOAM: Semantic-aided LiDAR SLAM with Loop Closure [12.970919078106634]
LOAM(SA-LOAM)をベースとしたループ閉鎖型セマンティック支援LiDAR SLAMを提案する。
局所化精度を改善し、ループ閉鎖を効果的に検出し、大規模シーンにおいてもグローバルな一貫したセマンティックマップを構築することができる。
論文 参考訳(メタデータ) (2021-06-22T03:14:20Z) - LCDNet: Deep Loop Closure Detection for LiDAR SLAM based on Unbalanced
Optimal Transport [8.21384946488751]
LiDAR ポイント クラウドのループ クロージャを効果的に検出する新しい LCDNet を紹介します。
LCDNetは、共有エンコーダ、グローバルディスクリプタを抽出する場所認識ヘッド、および2つの点雲間の変換を推定する相対ポーズヘッドで構成されています。
私たちのアプローチは、逆ループを扱う場合でも、最先端の技術を大きなマージンで上回る。
論文 参考訳(メタデータ) (2021-03-08T20:19:37Z) - DH3D: Deep Hierarchical 3D Descriptors for Robust Large-Scale 6DoF
Relocalization [56.15308829924527]
生の3D点から直接3次元特徴の検出と記述を共同で学習するシームズネットワークを提案する。
3次元キーポイントを検出するために,局所的な記述子の識別性を教師なしで予測する。
各種ベンチマーク実験により,本手法はグローバルポイントクラウド検索とローカルポイントクラウド登録の両面で競合する結果が得られた。
論文 参考訳(メタデータ) (2020-07-17T20:21:22Z) - Range Conditioned Dilated Convolutions for Scale Invariant 3D Object
Detection [41.59388513615775]
本稿では,LiDARデータをそのネイティブ表現(範囲画像)に直接処理する新しい3Dオブジェクト検出フレームワークを提案する。
2D畳み込みは、レンジ画像のコンパクト性から、シーンの高密度LiDARデータを効率的に処理することができる。
論文 参考訳(メタデータ) (2020-05-20T09:24:43Z) - Intensity Scan Context: Coding Intensity and Geometry Relations for Loop
Closure Detection [26.209412893744094]
ループ閉鎖検出は同時局所化とマッピング(SLAM)において不可欠かつ困難な問題である
既存の3次元ループ閉包検出の研究は、しばしば局所的あるいは大域的幾何学的のみの記述子のマッチングを利用する。
我々は,幾何学的特徴と強度特性の両方を探求する,新しいグローバル記述子であるインテンシティ・スキャン・コンテキスト(ISC)を提案する。
論文 参考訳(メタデータ) (2020-03-12T08:11:09Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2020-02-29T06:24:55Z)
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。