論文の概要: MSC-VO: Exploiting Manhattan and Structural Constraints for Visual Odometry

• arxiv url: http://arxiv.org/abs/2111.03408v1
• Date: Fri, 5 Nov 2021 11:29:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-08 15:41:08.759520
• Title: MSC-VO: Exploiting Manhattan and Structural Constraints for Visual Odometry
• Title（参考訳）: MSC-VO:マンハッタンの爆発と視覚計測のための構造制約
• Authors: Joan P. Company-Corcoles, Emilio Garcia-Fidalgo, Alberto Ortiz
• Abstract要約: 我々は,RGB-Dをベースとした視力計測手法であるMSC-VOを導入し,点と線の特徴を組み合わせ,もし存在するならば,その構造的規則性とシーンのマンハッタン軸を利用する。 MSC-VOは、いくつかの公開データセットを使用して評価され、他の最先端ソリューションよりも優れており、SLAMメソッドと比較しても好ましい。
• 参考スコア（独自算出の注目度）: 3.1583465114791105
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual odometry algorithms tend to degrade when facing low-textured scenes -from e.g. human-made environments-, where it is often difficult to find a sufficient number of point features. Alternative geometrical visual cues, such as lines, which can often be found within these scenarios, can become particularly useful. Moreover, these scenarios typically present structural regularities, such as parallelism or orthogonality, and hold the Manhattan World assumption. Under these premises, in this work, we introduce MSC-VO, an RGB-D -based visual odometry approach that combines both point and line features and leverages, if exist, those structural regularities and the Manhattan axes of the scene. Within our approach, these structural constraints are initially used to estimate accurately the 3D position of the extracted lines. These constraints are also combined next with the estimated Manhattan axes and the reprojection errors of points and lines to refine the camera pose by means of local map optimization. Such a combination enables our approach to operate even in the absence of the aforementioned constraints, allowing the method to work for a wider variety of scenarios. Furthermore, we propose a novel multi-view Manhattan axes estimation procedure that mainly relies on line features. MSC-VO is assessed using several public datasets, outperforming other state-of-the-art solutions, and comparing favourably even with some SLAM methods.
• Abstract（参考訳）: 視覚オドメトリアルゴリズムは、低テキストのシーン(例えば人造環境から)に直面すると劣化する傾向があり、十分な数の点特徴を見つけるのが困難である。 このようなシナリオでよく見られる線のような幾何学的な視覚的な手掛かりは、特に有用である。 さらに、これらのシナリオは典型的には並列性や直交性のような構造的正則性を示し、マンハッタン世界仮定を保持する。 これらの前提のもと、本研究では、RGB-Dに基づく視覚的オドメトリー手法であるMSC-VOを導入し、点と線の特徴を組み合わせ、もし存在するならば、その構造規則性とシーンのマンハッタン軸を利用する。 提案手法では,これらの構造的制約を,抽出された直線の3次元位置を正確に推定するために使用する。 これらの制約は、マンハッタン軸の推定値と点と線の再投影誤差とを合わせ、局所地図最適化によってカメラポーズを洗練させる。 このような組み合わせにより、上記の制約がなくても、我々のアプローチが動作し、より幅広いシナリオでメソッドを動作させることができる。 さらに,主に線特徴に依存する新しいマルチビューマンハッタン軸推定手法を提案する。 MSC-VOは、いくつかの公開データセットを使用して評価され、他の最先端ソリューションよりも優れ、SLAMメソッドと比較しても好ましい。

関連論文リスト

• Robust Incremental Structure-from-Motion with Hybrid Features [73.55745864762703]
  本稿では,線とその構造的幾何学的関係を利用した漸進的構造移動システム(SfM)を提案する。 我々のシステムは、SfMの広く使われている点ベースの技術と比較すると、一貫して堅牢で正確である。
  論文  参考訳（メタデータ） (2024-09-29T22:20:32Z)
• GLACE: Global Local Accelerated Coordinate Encoding [66.87005863868181]
  シーン座標回帰法は小規模なシーンでは有効であるが、大規模シーンでは重大な課題に直面している。 本研究では,事前学習したグローバルおよびローカルのエンコーディングを統合したGLACEを提案する。 提案手法は,低マップサイズモデルを用いて,大規模シーンにおける最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-06-06T17:59:50Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
  本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。 平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。 提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
  論文  参考訳（メタデータ） (2022-05-05T17:59:55Z)
• Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction [11.215334675788952]
  本稿では,インスタンス平面セグメンテーションネットワークからのキューを用いたポーズ推定とマッピングを改善する意味平面SLAMシステムを提案する。 メインストリームのアプローチはRGB-Dセンサーを使用するが、そのようなシステムを備えた単眼カメラを使うことは、ロバストデータアソシエーションや正確な幾何モデルフィッティングといった課題に直面している。
  論文  参考訳（メタデータ） (2021-08-09T18:16:08Z)
• Multi-View Optimization of Local Feature Geometry [70.18863787469805]
  本研究では,複数視点からの局所像の特徴の幾何を,未知のシーンやカメラの幾何を伴わずに精査する問題に対処する。 提案手法は,従来の特徴抽出とマッチングのパラダイムを自然に補完する。 本手法は,手作りと学習の両方の局所的特徴に対して,三角測量とカメラのローカライゼーション性能を常に向上することを示す。
  論文  参考訳（メタデータ） (2020-03-18T17:22:11Z)
• From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized 3D Point Clouds [59.98665358527686]
  直交平面の分割自由結合推定法を提案する。 このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。 本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
  論文  参考訳（メタデータ） (2020-01-21T06:51:47Z)
• Plane Pair Matching for Efficient 3D View Registration [7.920114031312631]
  室内シーンにおける重なり合う3次元ビュー間の動き行列を推定する新しい手法を提案する。 マンハッタンの世界仮定を用いて、平面の四角形の下での軽量な幾何学的制約を問題に導入する。 我々は,玩具の例にアプローチを検証し,最近の最先端手法と比較し,公開RGB-Dデータセットの定量的実験を行った。
  論文  参考訳（メタデータ） (2020-01-20T11:15:26Z)
• DeepFactors: Real-Time Probabilistic Dense Monocular SLAM [29.033778410908877]
  本稿では,リアルタイム性能を維持しつつ,確率的フレームワークでメソッドを統一するSLAMシステムを提案する。 これは、学習されたコンパクトな深度マップ表現を使用し、3種類のエラーを修正することによって達成される。 本研究では,実世界列の軌跡推定と深度再構成に関するシステム評価を行い,推定密度幾何の様々な例を示す。
  論文  参考訳（メタデータ） (2020-01-14T21:08:51Z)

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。