論文の概要: DM-VIO: Delayed Marginalization Visual-Inertial Odometry
- arxiv url: http://arxiv.org/abs/2201.04114v1
- Date: Tue, 11 Jan 2022 18:30:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 14:39:13.830341
- Title: DM-VIO: Delayed Marginalization Visual-Inertial Odometry
- Title（参考訳）: DM-VIO: 遅延不整形視覚慣性オドメトリー
- Authors: Lukas von Stumberg, Daniel Cremers
- Abstract要約: 本稿では,遅延残差化とポーズグラフバンドル調整に基づく視覚慣性システムDM-VIOを提案する。
我々は,EuRoC,TUM-VI,および4Seasonsデータセットを用いて,空飛ぶドローン,大規模ハンドヘルド,自動車シナリオからなるシステムの評価を行った。
- 参考スコア（独自算出の注目度）: 62.746533939737446
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present DM-VIO, a monocular visual-inertial odometry system based on two
novel techniques called delayed marginalization and pose graph bundle
adjustment. DM-VIO performs photometric bundle adjustment with a dynamic weight
for visual residuals. We adopt marginalization, which is a popular strategy to
keep the update time constrained, but it cannot easily be reversed, and
linearization points of connected variables have to be fixed. To overcome this
we propose delayed marginalization: The idea is to maintain a second factor
graph, where marginalization is delayed. This allows us to later readvance this
delayed graph, yielding an updated marginalization prior with new and
consistent linearization points. In addition, delayed marginalization enables
us to inject IMU information into already marginalized states. This is the
foundation of the proposed pose graph bundle adjustment, which we use for IMU
initialization. In contrast to prior works on IMU initialization, it is able to
capture the full photometric uncertainty, improving the scale estimation. In
order to cope with initially unobservable scale, we continue to optimize scale
and gravity direction in the main system after IMU initialization is complete.
We evaluate our system on the EuRoC, TUM-VI, and 4Seasons datasets, which
comprise flying drone, large-scale handheld, and automotive scenarios. Thanks
to the proposed IMU initialization, our system exceeds the state of the art in
visual-inertial odometry, even outperforming stereo-inertial methods while
using only a single camera and IMU. The code will be published at
http://vision.in.tum.de/dm-vio
- Abstract（参考訳）: DM-VIOは,遅延境界化法とポーズグラフバンドル調整法という2つの新しい手法に基づく単眼視覚・慣性オドメトリーシステムである。
dm-vioは、視覚残差のために動的重みで測光束調整を行う。
我々は、更新時間を制限し続けるための一般的な戦略である限界化を採用するが、容易に逆転することはできず、連結変数の線形化点を固定する必要がある。
この問題を解決するために、我々は、遅延余分化を提案する: この考え方は、余分化が遅れる第2因子グラフを維持することである。
これにより、この遅延グラフを後で読み出し、新しい一貫性のある線形化点に先行して辺縁化を更新できる。
さらに, 限界化の遅れにより, IMU 情報を既存の限界化状態に注入することができる。
これは、IMU初期化に使用する提案されたポーズグラフバンドル調整の基礎である。
IMU初期化に関する以前の研究とは対照的に、完全な測光の不確かさを捉え、スケール推定を改善することができる。
当初観測不能なスケールに対応するため、IMU初期化が完了した後も、メインシステムのスケールと重力方向を最適化し続けます。
我々は,EuRoC,TUM-VI,および4Seasonsデータセットを用いて,空飛ぶドローン,大規模ハンドヘルド,自動車シナリオからなるシステム評価を行った。
提案したIMUイニシャライゼーションにより,本システムは視覚・慣性オードメトリーにおいて,単一のカメラとIMUのみを使用しながら,ステレオ慣性手法よりも優れていた。
コードはhttp://vision.in.tum.de/dm-vioで公開される。
関連論文リスト
- EqNIO: Subequivariant Neural Inertial Odometry [33.96552018734359]
重力ベクトルの周りで回転すると、IMUデータは等変的に変形し、重力に平行な任意の平面に対して反射することを示す。
そして、IMUデータをこのフレームにマッピングし、既製の慣性オドメトリーネットワークで直接使用できる不変な正準化を実現する。
論文 参考訳（メタデータ） (2024-08-12T17:42:46Z) - Implicit Bias and Fast Convergence Rates for Self-attention [30.08303212679308]
トランスフォーマーのコアメカニズムであるセルフアテンションは、従来のニューラルネットワークと区別し、その優れたパフォーマンスを駆動する。
固定線形復号器をバイナリに固定した自己アテンション層をトレーニングする際の勾配降下(GD)の暗黙バイアスについて検討した。
W_t$ から $W_mm$ に対する最初の有限時間収束率と、注意写像のスペーサー化率を提供する。
論文 参考訳（メタデータ） (2024-02-08T15:15:09Z) - RD-VIO: Robust Visual-Inertial Odometry for Mobile Augmented Reality in
Dynamic Environments [55.864869961717424]
視覚的・視覚的慣性オドメトリーシステムでは、動的シーンや純粋な回転の問題に対処することが通常困難である。
我々はこれらの問題に対処するためにRD-VIOと呼ばれる新しい視覚-慣性オドメトリーシステム(VIO)を設計する。
論文 参考訳（メタデータ） (2023-10-23T16:30:39Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - Graph Signal Sampling for Inductive One-Bit Matrix Completion: a
Closed-form Solution [112.3443939502313]
グラフ信号解析と処理の利点を享受する統合グラフ信号サンプリングフレームワークを提案する。
キーとなる考え方は、各ユーザのアイテムのレーティングをアイテムイットグラフの頂点上の関数(信号)に変換することである。
オンライン設定では、グラフフーリエ領域における連続ランダムガウス雑音を考慮したベイズ拡張(BGS-IMC)を開発する。
論文 参考訳（メタデータ） (2023-02-08T08:17:43Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - Renormalization for Initialization of Rolling Shutter Visual-Inertial
Odometry [5.33024001730262]
初期化は慣性信号を使用し、それらを視覚データと融合させるための前提条件である。
カナタニの正規化スキームに投入することで、視覚的および慣性的データに関する問題を同時に解決する新しい統計解を提案する。
地上の真実に関する広範囲な評価は、当初提案されたLast Squaresソリューションよりも優れた性能と最大20%の精度の向上を示している。
論文 参考訳（メタデータ） (2020-08-14T14:54:15Z) - Online Initialization and Extrinsic Spatial-Temporal Calibration for
Monocular Visual-Inertial Odometry [19.955414423860788]
本稿では,最適化に基づく単眼的視覚慣性眼球運動計測(VIO)のオンラインブートストラップ法を提案する。
この方法は、カメラとIMU間の相対変換(空間)と時間オフセット(時間)をオンラインに校正し、計量スケール、速度、重力、ジャイロスコープバイアス、加速度計バイアスを推定することができる。
公開データセットにおける実験結果から,初期値とパラメータ,およびセンサのポーズが,提案手法により正確に推定できることが示唆された。
論文 参考訳（メタデータ） (2020-04-12T03:13:08Z)
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。